- Nvidia DGX Spark voert grotere AI-modellen lokaal uit en maakt efficiënt gebruik van een enorm totaalgeheugen van 128 GB
- Dankzij native CUDA-ondersteuning is Spark ideaal voor geavanceerde AI-workloads op desktops
- De combinatie van Arm CPU en Blackwell GPU vermijdt dure professionele grafische kaarten
Het langverwachte Nvidia DGX Spark is eindelijk gearriveerd als een heel klein desktopsysteem gebouwd rond de GB10 Superchip.
Het heeft een gedeeld LPDDR5X-geheugen van 128 GB, een specificatie die het systeem onmiddellijk onderscheidt van typische desktops en zelfs de meest compacte werkstations.
En volgens een vroege recensie van Tom’s hardwarehet systeem levert alleen sterke resultaten wanneer de AI-georiënteerde mogelijkheden volledig worden benut.
Focus op hardwareontwerp en connectiviteit
Het hardwareontwerp van Spark is gebaseerd op één enkel pakket dat a Arm-gebaseerde CPU met een Blackwell GPU.
Deze integratie maakt dit mogelijk Nvidia om grotere lokale modellen te ondersteunen zonder dat er tegen extreme kosten professionele grafische kaarten nodig zijn.
Terwijl Appel En AMD systemen bieden grote gedeelde geheugenconfiguraties, maar missen directe ondersteuning voor het software-ecosysteem van Nvidia, dat veel AI-ontwikkelingsworkflows blijft domineren.
Het fysieke ontwerp benadrukt dichtheid en luchtstroom in plaats van visuele flair of modulaire uitbreiding.
Met iets meer dan een liter volume, ca. Met zijn afmetingen van 150 bij 150 bij 50 mm past het apparaat prima tussen al het moderne mini-pcmaar daar houden de overeenkomsten meestal op.
Naast een USB-C-voedingsingang beschikt het apparaat over drie USB-C 20 Gbps-poorten met DisplayPort alternatieve modus, een HDMI 2.1a-poort en een 10 Gb Ethernet-aansluiting.
Het meest opvallende is dat het twee QSFP-poorten bevat, aangedreven door een ingebouwde ConnectX-7-netwerkinterface die tot 200 Gbps kan, waardoor meerdere apparaten kunnen worden aangesloten voor gedistribueerde computerexperimenten, een functie die zelden wordt geassocieerd met een mini-pc.
Het systeem draait DGX OS, een aangepaste Ubuntu 24.04 LTS-distributie die nauw aansluit bij de softwarestack van Nvidia.
Het kan functioneren als een lokaal aangesloten computer met monitor en toetsenbord, of als een headless systeem dat op afstand toegankelijk is via een netwerk.
Nvidia’s Sync-tool vereenvoudigt externe toegang vanaf Windows- en macOS-machines, waardoor AI-tools continu op de achtergrond kunnen draaien.
Deze gebruikspatronen zijn vergelijkbaar met hoe mobiele werkstations of gedeelde computerknooppunten worden benaderd, in plaats van hoe alledaagse desktops doorgaans worden gebruikt.
DGX Spark profiteert van een totale geheugenpool van 128 GB met ingebouwde CUDA-ondersteuning, een combinatie die ongebruikelijk is in compacte systemen die zijn ontworpen voor lokaal AI-werk.
Deze configuratie maakt het mogelijk dat grotere modellen volledig in het geheugen kunnen draaien, waardoor frequente gegevensverplaatsing tussen systeem-RAM en GPU-geheugen wordt vermeden, waardoor enkele van de praktische beperkingen worden verminderd die te zien zijn op afzonderlijke GPU’s met kleinere VRAM-pools.
Hetzelfde vermogen introduceert ook duidelijke afwegingen. De instapprijs blijft hoog in vergelijking met compacte desktops, vooral voor gebruikers die niet elke dag veeleisende AI-workloads uitvoeren.
Het systeem ondersteunt geen Windows, wat de softwarecompatibiliteit beperkt voor gebruikers buiten Linux-gerichte omgevingen.
De GPU is ook niet geschikt voor gaming of algemene grafische taken, wat de beperkte reikwijdte ervan versterkt.
DGX Spark gaat ervan uit dat lokale AI-experimenten een primaire en voortdurende vereiste zijn, maar als dit niet uw prioriteit is, verliest het praktische waarde.
Volg TechRadar op Google Nieuws En voeg ons toe als voorkeursbron om ons deskundig nieuws, recensies en meningen in uw feeds te krijgen. Klik dan zeker op de knop Volgen!
En jij kunt dat natuurlijk ook Volg TechRadar op TikTok voor nieuws, recensies, video-unboxings en ontvang regelmatig updates van ons WhatsAppen Ook.
