NVIDIA DGX Spark est un « superordinateur IA » miniature pour votre bureau. Conçu autour de la superpuce GB10 Grace Blackwell de NVIDIA, il permet aux développeurs et aux chercheurs de prototyper, d'affiner et d'exécuter des inférences sur de grands modèles d'IA localement, sans avoir à réserver de temps sur un cluster de centre de données. Il offre jusqu'à 1 pétaFLOP (FP4) de performances IA et 128 Go de mémoire unifiée dans un format compact, avec la pile logicielle IA de NVIDIA préinstallée.
Que contient-il ?
- GB10 Grace Blackwell Superchip (processeur Grace + processeur graphique Blackwell dans un seul boîtier)
- Mémoire système unifiée LPDDR5x de 128 Go (le CPU et le GPU la partagent de manière cohérente via NVLinkC2C)
- Réseau NVIDIA ConnectX (10 GbE intégré ; ConnectX7 SmartNIC)
- Jusqu'à 4 To de stockage NVMe
- Encombrement réduit : environ 150 x 150 x 50,5 mm ; environ 1,2 kg
- DGX OS + pile logicielle NVIDIA AI prête à l'emploi
Que peut réellement faire DGX Spark ?
DGX Spark est conçu pour la phase « faire fonctionner sur mon bureau » de l'IA :
- Prototypage: créez et validez des modèles et des applications augmentées par l'IA localement, puis transférez-les vers une infrastructure plus importante si nécessaire.
- Réglage fin: ajustez les modèles avec jusqu'à environ 70 milliards de paramètres directement sur la boîte.
- Inférence: exécutez des modèles de pointe avec jusqu'à environ 200 milliards de paramètres pour les tests et la validation. Reliez deux unités DGX Spark via ConnectX pour atteindre environ 405 milliards de paramètres.
- Science des données: accélérez les pipelines de bout en bout avec NVIDIA RAPIDS (et optimisez même Apache Spark avec l'accélérateur RAPIDS).
- Développement Edge et robotique: expérimentez des frameworks tels qu'Isaac, Metropolis et Holoscan sur un système de bureau.
En quoi le DGX Spark diffère-t-il d'un PC de jeu ou d'une station de travail « normale » ?
- Mémoire unifiée ou VRAM séparée : les 128 Go de mémoire du DGX Spark constituent une mémoire système cohérente partagée entre le CPU et le GPU, ce qui le rend idéal pour les fenêtres contextuelles de grande taille et le transfert efficace des données. Les PC classiques séparent la RAM et la VRAM du GPU.
- Silicium axé sur l'IA : les cœurs Tensor de cinquième génération et la prise en charge FP4 du GB10 sont spécialement conçus pour les LLM et les agents IA modernes. Il ne s'agit pas d'une machine axée sur le nombre d'images par seconde.
- Stack inclus : DGX OS et la plateforme IA de NVIDIA sont préinstallés, vous êtes donc beaucoup plus proche de « ouvrir le notebook, exécuter le modèle » que de « installer les pilotes, rechercher les conteneurs ».
S'agit-il de la même « étincelle » que celle d'Apache Spark ?
Non, DGX Spark est un système matériel, tandis qu'Apache Spark est un framework de traitement de données distribué. L'avantage est que si vous utilisez Apache Spark, l'accélérateur RAPIDS de NVIDIA pour Apache Spark peut décharger certaines parties de vos pipelines vers le GPU, et DGX Spark prend en charge cette pile.
Combien cela coûte-t-il et quand puis-je en obtenir un ?
La page produit officielle de NVIDIA consacrée au DGX Spark met l'accent sur les spécifications et les inscriptions, tandis que la disponibilité passe par NVIDIA et ses partenaires OEM. NVIDIA a annoncé qu'Acer, ASUS, Dell, GIGABYTE, HP, Lenovo et MSI proposeront des systèmes DGX Spark, dont la disponibilité débutera en juillet (le déploiement régional varie).
En ce qui concerne les prix, les rapports suggèrent des configurations à partir d'environ 3 999 dollars, bien que les prix définitifs dépendent des options OEM et de stockage. Certaines pages de vente au détail indiquent encore « bientôt disponible », alors consultez les listes des partenaires pour connaître les prix et les stocks actuels.
DGX Spark vs DGX Station (son grand frère)
Si DGX Spark est votre boîte de développement de bureau, DGX Station est la puissance de l'IA sur votre bureau. DGX Station (GB300 Ultra) cible les tâches d'entraînement et de réglage les plus exigeantes, offrant jusqu'à environ 20 pétaFLOPs (FP4) et des centaines de gigaoctets de mémoire unifiée. Elle est beaucoup plus grande et conçue pour les équipes ou les environnements de laboratoire partagés.
Est-ce que cela en vaut la peine ?
Oui, si vous êtes développeur IA, data scientist ou chercheur et que vous travaillez en permanence sur des modèles LLM, des agents ou des modèles multimodaux et que vous avez besoin d'un traitement local rapide, d'une gestion confidentielle des données et d'une pile logicielle qui s'adapte parfaitement au centre de données ou au cloud.
Peut-être pas, si vos besoins se limitent au rendu GPU ou aux jeux vidéo, ou si vous disposez déjà d'un accès régulier à un cluster ou à un temps de calcul HPC. Dans ce cas, une station de travail traditionnelle ou des crédits cloud pourraient s'avérer plus rentables.
Tableau récapitulatif des spécifications (en bref)
- Performances de l'IA : jusqu'à 1 PFLOP (FP4)
- Mémoire : 128 Go LPDDR5x unifiée (273 Go/s)
- Stockage : 1 To ou 4 To NVMe (auto-crypté)
- Réseau : 10 GbE, ConnectX-7 SmartNIC, Wi-Fi 7, Bluetooth 5.3
- E/S : 4 ports USB-C, 1 port HDMI 2.1a, NVENC/NVDEC (1/1)
- Dimensions et poids : 150 x 150 x 50,5 mm ; environ 1,2 kg
- Système d'exploitation : NVIDIA DGX OS