NVIDIA پیکربندی ۶۴ گیگابایتی DGX Spark را معرفی کرد

NVIDIA پیکربندی جدید DGX Spark ۶۴ گیگابایتی را معرفی کرده است؛ یک رایانه رومیزی مبتنی بر تراشه GB10 که برای اجرای محلی مدل‌های هوش مصنوعی، عامل‌ها و کارهایی مانند استنتاج و تنظیم دقیق مدل‌ها ساخته شده است. این نسخه با ۶۴ گیگابایت حافظه یکپارچه عرضه می‌شود و کاربران می‌توانند با اتصال دو دستگاه، یک خوشه با ۱۲۸ گیگابایت حافظه بسازند. هدف اصلی، فراهم‌کردن راهی برای اجرای مدل‌ها روی سخت‌افزار خود کاربر، به‌جای وابستگی دائمی به APIهای ابریِ دارای هزینه مصرفی است.

مشخصات DGX Spark ۶۴ گیگابایتی

طبق اعلام NVIDIA، این پیکربندی همان ابر‌تراشه GB10 Grace Blackwell، نرم‌افزارهای شتاب‌دهی هوش مصنوعی مبتنی بر CUDA و اتصال شبکه ConnectX-7 را حفظ می‌کند. تفاوت اصلی با نسخه دیگر DGX Spark، ظرفیت حافظه است: مدل تازه ۶۴ گیگابایت حافظه LPDDR5x دارد، درحالی‌که نسخه ۱۲۸ گیگابایتی نیز همچنان عرضه می‌شود.

GB10 از یک پردازنده مرکزی Grace با ۲۰ هسته و یک پردازنده گرافیکی Blackwell با هسته‌های Tensor نسل پنجم تشکیل شده است. NVIDIA می‌گوید توان پردازشی هوش مصنوعی دستگاه در قالب FP4، با استفاده از روش پراکنده‌سازی، به یک پتافلاپ می‌رسد. FP4 قالبی کم‌دقت برای نمایش اعداد است که در برخی کارهای هوش مصنوعی به کاهش نیاز محاسباتی کمک می‌کند.

حافظه دستگاه از نوع یکپارچه است؛ یعنی پردازنده مرکزی و پردازنده گرافیکی به یک مخزن حافظه مشترک دسترسی دارند. به گفته NVIDIA، این طراحی از طریق NVLink-C2C انجام می‌شود و برای جابه‌جایی داده‌ها میان حافظه اصلی و حافظه گرافیکی به کپی جداگانه وزن‌های مدل نیاز ندارد. در عمل، چنین معماری‌ای می‌تواند اجرای هم‌زمان مدل‌ها و پردازش‌های مرتبط را ساده‌تر کند، هرچند میزان حافظه در دسترس به مدل و بار کاری بستگی دارد.

اجرای محلی مدل‌ها و عامل‌های هوش مصنوعی

NVIDIA این نسخه را برای مدل‌های متن‌باز در رده حدود ۳۰ تا ۳۵ میلیارد پارامتر مناسب می‌داند. شرکت همچنین مدل ۱۲۸ گیگابایتی را برای بارهای کاری بزرگ‌تر در یک دستگاه نگه داشته و خوشه‌بندی چند واحد را راهی برای افزایش حافظه و توان محاسباتی معرفی کرده است. ConnectX-7 امکان اتصال دو DGX Spark را فراهم می‌کند؛ طبق مشخصات اعلام‌شده، اتصال میان دو دستگاه می‌تواند از مسیر مستقیم و بدون سوئیچ شبکه انجام شود.

در عامل‌های هوش مصنوعی، مدل ممکن است برای انجام یک کار چندمرحله‌ای بارها ابزار فراخوانی کند، پاسخ‌ها را بازبینی کند و اطلاعات زمینه‌ای طولانی‌تری را نگه دارد. اجرای این روند روی سخت‌افزار محلی می‌تواند از هزینه متغیر مبتنی بر تعداد توکن در APIهای ابری بکاهد. بااین‌حال، «محلی» به معنای بی‌هزینه‌بودن کامل نیست و هزینه خرید، نگهداری و برق دستگاه همچنان مطرح است.

بر اساس اطلاعات منتشرشده، محیط DGX OS با ابزارهایی از جمله PyTorch، Jupyter و Ollama عرضه می‌شود. NVIDIA همچنین نصب NemoClaw را برای افزودن کنترل‌های حریم خصوصی و امنیتی به عامل‌های OpenClaw مطرح کرده است. OpenShell نیز برای افزودن محدودیت‌های مبتنی بر سیاست به عامل‌ها معرفی شده است. این ابزارها قرار است به توسعه‌دهندگان کمک کنند مدل‌ها و عامل‌هایشان را روی دستگاه راه‌اندازی و آزمایش کنند.

در میان نمونه‌های مدل، معرفی به Muse Glimmer از Meta، مدل Nemotron 3.5 Lightning از NVIDIA و Qwen3.8-27B از Alibaba اشاره می‌کند. برآورد حافظه برای وزن‌های فشرده‌شده برخی از این مدل‌ها پایین‌تر از ظرفیت دستگاه است؛ اما حافظه موردنیاز برای زمینه مدل، حافظه موقت و اجرای نرم‌افزارها نیز باید در نظر گرفته شود. این نکته مهم است، زیرا ظرفیت لازم فقط با اندازه فایل وزن‌های مدل تعیین نمی‌شود.

زمان عرضه و امکان گسترش

نسخه ۶۴ گیگابایتی قرار است از ۲۳ اکتبر ۲۰۲۶ از طریق NVIDIA Marketplace و شرکت‌های Acer، ASUS، Dell، Gigabyte، HP و MSI در دسترس قرار گیرد. دستگاه از شبکه ۲۰۰ گیگابیتی ConnectX-7 پشتیبانی می‌کند و در مشخصات آن Wi-Fi 7 و Bluetooth 5.3 نیز آمده است. فضای ذخیره‌سازی NVMe در گزینه‌های یک، دو یا چهار ترابایتی ارائه می‌شود.

این محصول در اندازه یک رایانه رومیزی کوچک طراحی شده و به گفته NVIDIA با برق معمولی قابل استفاده است؛ بنابراین برای راه‌اندازی آن به اتاق سرور یا خنک‌سازی ویژه نیاز نیست. امکان شروع با یک دستگاه و افزودن دستگاه دوم نیز بخشی از طرح محصول است: کاربران می‌توانند کار را با یک سیستم آغاز کنند و در صورت افزایش نیازهای محاسباتی، آن را خوشه‌بندی کنند.

در کنار اجرای عامل‌ها، کاربردهای مطرح‌شده برای این دستگاه شامل ارزیابی مدل‌های متن‌باز، آزمایش و تنظیم مدل‌های کدنویسی و نمونه‌سازی پروژه‌های بینایی ماشین و رباتیک است. این موارد، کاربردهای پیشنهادی و نمونه‌های استفاده‌اند؛ عملکرد واقعی به مدل، تنظیمات و نوع بار کاری وابسته خواهد بود.

این خبر برای چه کسانی اهمیت دارد

معرفی DGX Spark ۶۴ گیگابایتی بیش از همه برای توسعه‌دهندگانی اهمیت دارد که می‌خواهند مدل‌ها و عامل‌های هوش مصنوعی را روی سخت‌افزار خود اجرا کنند، یا به محیطی محلی برای آزمایش و تنظیم مدل‌ها نیاز دارند. سازمان‌هایی که داده‌هایشان را نمی‌خواهند برای هر مرحله به سرویس ابری بفرستند نیز ممکن است به این رویکرد توجه کنند. بااین‌حال، انتخاب میان نسخه ۶۴ گیگابایتی، مدل ۱۲۸ گیگابایتی یا پردازش ابری به اندازه مدل، هزینه کل مالکیت و حجم کاری مورد انتظار بستگی دارد.