NVIDIA، DGX Spark 64GB را معرفی کرد؛ از ۴٬۹۹۹ دلار و خوشه دو دستگاهی

NVIDIA روز جمعه ۱۰ مهر ۱۴۰۵ (۲ اکتبر ۲۰۲۶) پیکربندی تازه‌ای از ابررایانه شخصی DGX Spark را با ۶۴ گیگابایت حافظه یکپارچه معرفی کرد؛ قیمتش از ۴٬۹۹۹ دلار شروع می‌شود و از جمعه ۱ آبان (۲۳ اکتبر) از طریق Acer، ASUS، Dell، Gigabyte، HP و MSI عرضه می‌شود. هم‌زمان ابزاری به نام NVIDIA Sync Cluster Assistant معرفی شد که دو دستگاه را به یک خوشه با ۱۲۸ گیگابایت حافظه مشترک تبدیل می‌کند. هدف هر دو، اجرای مدل‌های زبانی بزرگ و ایجنت‌ها روی سخت‌افزار خودِ توسعه‌دهنده است، نه روی ابر.

DGX Spark 64GB: همان سخت‌افزار، نصفِ حافظه

به نوشته بلاگ NVIDIA، نسخه ۶۴ گیگابایتی — رسماً DGX Spark 64GB — «منحصراً از طریق شرکای تولیدکننده» عرضه می‌شود و جز ظرفیت حافظه تفاوتی با مدل ۱۲۸ گیگابایتی ندارد: همان تراشه GB10 Grace Blackwell Superchip، همان DGX OS و همان پشته نرم‌افزاری هوش مصنوعی.

صفحه محصول DGX Spark این مشخصات را برای کل خانواده فهرست کرده است:

• پردازش: تا ۱ پتافلاپس FP4
• حافظه: یکپارچه LPDDR5X با پهنای باند ۲۷۳ گیگابایت بر ثانیه
• شبکه: ConnectX-7 با نرخ ۲۰۰ گیگابیت بر ثانیه
• ذخیره‌سازی: تا ۴ ترابایت NVMe با رمزگذاری
• ابعاد و توان: ۱۵۰ × ۱۵۰ × ۵۰٫۵ میلی‌متر، منبع تغذیه ۲۴۰ واتی

به گفته NVIDIA، یک دستگاه ۶۴ گیگابایتی مدل‌های «تا ۱۰۰ میلیارد پارامتر» و ایجنت‌های ساخته‌شده روی آن‌ها را کامل روی خودِ دستگاه اجرا می‌کند.

دو دستگاه، ۱۲۸ گیگابایت حافظه مشترک

NVIDIA می‌گوید دو دستگاه را می‌توان مستقیماً با یک کابل QSFP به هم وصل کرد تا حافظه‌شان روی هم ۱۲۸ گیگابایت شود، پشتیبانی از مدل‌ها به «تا ۲۰۰ میلیارد پارامتر» برسد و پهنای باند حافظه دو برابر شود. عدد کارایی اما دو برابر نیست: در آزمون خود NVIDIA با مدل Qwen3.8 27B، خوشه دو دستگاهی «تا ۱٫۷ برابر» یک دستگاه کارایی داشته است. این عدد به همان مدل مشخص گره خورده و NVIDIA آن را به‌عنوان یک بهبود عمومی اعلام نکرده است.

نمودار «Scale up DGX Spark» در همان اعلام چهار پیکربندی را کنار هم گذاشته است: یک دستگاه؛ دو دستگاه با ۲ پتافلاپس، ۱۲۸ گیگابایت و ۵۴۶ گیگابایت بر ثانیه؛ دو دستگاه ۲۵۶ گیگابایتی با همان پهنای باند؛ و چهار دستگاه با ۴ پتافلاپس، ۵۱۲ گیگابایت و ۱۰۹۲ گیگابایت بر ثانیه. کارایی نسبی ستون‌های دو دستگاهی ۱٫۷ برابر و چهار دستگاهی ۳٫۱ برابر اعلام شده است؛ دو ستون ۲۵۶ و ۵۱۲ گیگابایتی به دستگاه ۱۲۸ گیگابایتی مربوط‌اند، نه به نسخه تازه.

«۲۰۰ میلیارد پارامتر» را هم باید با احتیاط خواند. NVIDIA دقت عددی وزن‌ها را اعلام نکرده است؛ حساب سرانگشتی خودِ ما می‌گوید چنین مدلی تنها با حدود ۴ بیت به ازای هر وزن در ۱۲۸ گیگابایت جا می‌شود، آن هم پیش از کنار گذاشتن حافظه برای کانتکست و کش KV. برای اجرای محلی، سقف واقعی همان دو عدد حافظه است: چه ظرفیتی دارید و با چه پهنای باندی خوانده می‌شود.

کاری که Cluster Assistant می‌کند و نمی‌کند

مستندات NVIDIA Sync دقیق‌تر از بلاگ است: Cluster Assistant از حداقل دو و حداکثر چهار دستگاه DGX Spark پشتیبانی می‌کند. اتصال مستقیم با کابل QSFP فقط برای خوشه دو و سه دستگاهی کار می‌کند و خوشه چهار دستگاهی حتماً به سوییچ نیاز دارد.

این ابزار رابط‌های شبکه و کابل‌کشی را تشخیص می‌دهد، سرعت لینک را اعتبارسنجی می‌کند و شبکه ConnectX-7 را خودکار پیکربندی می‌کند؛ اما به تصریح همان مستندات، بار کاری — استنتاج (inference) یا ریزتنظیم (fine-tuning) — را روی خوشه راه نمی‌اندازد. پیش‌نیازهایش هم روشن است: نرم‌افزار DGX نسخه آوریل ۲۰۲۶ یا جدیدتر، دسترسی SSH با sudo، و دستگاه‌هایی که از قبل به NVIDIA Sync اضافه شده‌اند.

نرم‌افزاری که از روز اول آماده است

به گفته NVIDIA، از روز اول NVIDIA Agent Toolkit، کتابخانه‌های CUDA-X AI، مدل‌های باز Nemotron و PyTorch با CUDA روی دستگاه پشتیبانی می‌شوند. در بخش «شروع به کار» همین اعلام هم چهار فریم‌ورک استنتاج پیشنهاد شده است: llama.cpp، Ollama، vLLM و LM Studio؛ همان ابزارهایی که در راهنمای اجرای محلی مدل‌های زبانی سراغشان رفته‌ایم.

NVIDIA می‌گوید تا پایان اکتبر ۲۰۲۶ ابزار دیگری به نام NVIDIA Sync Model Launcher می‌آید که دانلود و اجرای مدل Qwen3.8 27B روی یک دستگاه یا خوشه را به چند کلیک تبدیل می‌کند، مدل را روی دستگاه‌های متصل پخش می‌کند و آن را از لپ‌تاپ کاربر در دسترس می‌گذارد. همین ابزار OpenCode را هم طوری تنظیم می‌کند که از همان مدل استفاده کند.

برای چه کسی؟

DGX Spark 64GB یک محصول مصرفی نیست؛ ۴٬۹۹۹ دلار نقطه شروع یک جعبه توسعه است، برای تیم‌هایی که می‌خواهند مدل‌های باز بزرگ و ایجنت‌های دائماً روشن را درون‌سازمانی اجرا کنند. NVIDIA که پلتفرم ایمنی ایجنت‌ها را چند روز پیش‌تر معرفی کرده بود، حالا یک مسیر ارتقا می‌فروشد که با یک کابل شروع می‌شود.