NVIDIA DGX Spark AI – mini-komputer do lokalnej AI wreszcie trafia na rynek. Jego możliwości robią wrażenie
Udostępnij przez:
Premiera NVIDIA DGX Spark AI, niewielkiej, ale bardzo wydajnej platformy do lokalnego przetwarzania modeli AI, odbyła się 15 października. Urządzenie miało zadebiutować na rynku już w maju, jednak producent zaliczył opóźnienie. Po kilku miesiącach ciszy sprzęt wreszcie trafi do sprzedaży.
Ile kosztuje mini-komputer NVIDIA DGX Spark AI?
DGX Spark był wcześniej znany pod nazwą Project DIGITS i został zaprezentowany publicznie na targach CES na początku 2025 roku. Od tego czasu NVIDIA dopracowywała sprzęt, ale jednocześnie podniosła jego cenę. Gdy produkt zapowiedziano w styczniu, mówiło się o 3000 dolarów. Teraz startowa cena wynosi o 1000 więcej. W przeliczeniu daje to około 14600 zł według kursu z dnia 16 października 2025.
Dlaczego warto zwrócić uwagę na mini-komputer NVIDIA DGX Spark AI?
Za tę kwotę dostajemy miniaturowy komputer, który potrafi naprawdę sporo. W jego wnętrzu znajduje się układ Grace Blackwell GB10. To jednostka zaprojektowana z myślą o lokalnym wnioskowaniu (inference) i rozwoju modeli AI.
Sprzęt ma do dyspozycji zunifikowaną pamięć LPDDR5X o pojemności 128 GB, która jest współdzielona pomiędzy CPU (20-rdzeniowy procesor Grace oparty na architekturze Arm) oraz GPU Blackwell. To właśnie ten duet ma zapewniać wydajność sięgającą 1 petaFLOP – pod warunkiem, że uruchamiany model został odpowiednio zoptymalizowany i zredukowany do kwantyzacji FP4 z rzadkością.
Dla porównania – RTX 5090 oferuje 32 GB pamięci lokalnej, a to dla wielu współczesnych modeli AI już po prostu za mało. Karta RTX Pro 6000 Blackwell ma aż 96 GB, ale kosztuje ponad 8000 dolarów (ponad 29 tys. złotych), nie licząc kosztów samej stacji roboczej. DGX Spark to zatem alternatywa dla tych, którzy chcą uruchamiać duże modele lokalnie, ale bez konieczności inwestowania w wielki, energożerny sprzęt.
200 miliardów parametrów w obsłudze
NVIDIA deklaruje, że jeden DGX Spark jest w stanie obsłużyć modele do 200 miliardów parametrów przy założeniu kwantyzacji do FP4. Jeśli jedno urządzenie to za mało, można połączyć dwa – dzięki zintegrowanej karcie sieciowej Nvidia ConnectX 7 – i w ten sposób podwoić zarówno pamięć, jak i moc obliczeniową.
System działa pod kontrolą NVIDIA DGX OS, czyli zmodyfikowanej wersji Ubuntu i wspiera cały ekosystem CUDA. Dla wielu deweloperów AI będzie jednym z najważniejszych argumentów za wyborem tego sprzętu. CUDA to podstawa dla wielu narzędzi i frameworków – choć można próbować obejść jego brak na innych platformach, nie zawsze jest to wygodne czy stabilne.
Mini-komputer NVIDIA DGX Spark AI to nie jest sprzęt do gier
Właśnie tu NVIDIA może zyskać przewagę nad rozwiązaniami opartymi na SoC Strix Halo od AMD. Strix Halo to wydajny układ, obecny już w laptopach i niektórych konsolach przenośnych. Obsługuje do 112 GB pamięci GPU (z puli maksymalnie 128 GB pamięci RAM), ale nie wspiera natywnie CUDA. Dla użytkowników, którzy chcą po prostu grać albo potrzebują mocy do zadań ogólnego przeznaczenia, może to nie być problem. Dla tych, co pracują z AI, to już poważna przeszkoda.
DGX Spark nie jest komputerem do gier. Ma inną specyfikę, inny system i inną architekturę. To urządzenie stworzone do lokalnej pracy z modelami AI. Choć niektórzy entuzjaści pewnie spróbują uruchomić na nim coś więcej niż tylko LLM-y czy inferencję modeli komputerowego widzenia, to nie taki był cel tego projektu.
Ciekawa propozycja dla antyfanów chmury
NVIDIA zapewnia, że współpracuje z wieloma partnerami, by zapewnić jak najlepsze wsparcie programowe. Na liście są między innymi: Anaconda, Hugging Face, JetBrains, Meta, Microsoft, Google, Docker, LM Studio, Cadence, ComfyUI i Roboflow. Jeśli więc korzystasz z jednego z popularnych frameworków do pracy z modelami językowymi czy AI ogólnego zastosowania, wszystko powinno działać od razu.
DGX Spark zużywa do 240 W mocy, więc jak na oferowaną wydajność jest całkiem energooszczędny. Jest też kompaktowy, co pozwala z łatwością wkomponować go w istniejące środowisko pracy. Czy zdobędzie popularność? To zależy. Czas pokaże, czy konkurencja wykorzysta kilka dodatkowych miesięcy opóźnienia względem premiery. W tej chwili sprzęt NVIDII to jednak bardzo ciekawa propozycja dla tych, którzy pragną mieć pełną kontrolę nad uruchamianiem i testowaniem modeli AI i nie chcą wszystkiego robić w chmurze.