Nvidia выпустила персональный суперкомпьютер DGX Spark, который сочетает производительность дата-центра с размерами настольного ПК. Он поступил в продажу сегодня и на сайте компании уже распродан, но его также можно купить у партнёров. Цена устройства — $3999, хотя изначально Nvidia называла цену в $3000.
Nvidia выпустила персональный суперкомпьютер DGX Spark, который сочетает производительность дата-центра с размерами настольного ПК. Он поступил в продажу сегодня и на сайте компании уже распродан, но его также можно купить у партнёров. Цена устройства — $3999, хотя изначально Nvidia называла цену в $3000.
DGX Spark способен выдавать петафлопс производительности и работать с ИИ-моделями до 200 млрд параметров. Он оснащён чипом GB10 Grace на архитектуре Blackwell, 128 Гб оперативной памяти, распределяемой между процессором и ИИ-ускорителем, а также SSD-хранилищем на 4 Тб. Компьютер подключается к обычной розетке и, по словам компании, является «самым маленьким ИИ-суперкомпьютером в мире».
NVIDIA подчёркивает, что Spark открывает новую категорию устройств — локальные станции, позволяющие разработчикам, исследователям и студентам обучать и дорабатывать модели без обращения к облаку. Гендиректор Дженсен Хуанг в релизе напомнил, что в 2016 году он лично передал первый суперкомпьютер DGX-1 Илону Маску для OpenAI. Теперь он доставил один из первых экземпляров Spark Маску в SpaceX.
Устройство идёт вместе с предустановленным программным стеком Nvidia AI — CUDA, библиотеками и сервисами NIM, что позволяет сразу начать работу. DGX Spark уже тестируют Google, Meta, Microsoft, Hugging Face, JetBrains и Anaconda.
Кроме базовой версии собственные варианты Spark за те же $3999 представят партнёры компании — Acer, Asus, Dell, Gigabyte, HP, Lenovo и MSI.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.
Крутой девайс. Хочу такой
Там unified memory, которая медленнее, чем VRAM у GPU. Конечно, 128 Gb лучше, чем 24-32 Gb, но все же нужно на тесты скорости смотреть
Да. Пусть медленнее. Другой вопрос, что принципиально возможно запустить модель уровня Alphafold 3 или Openfold на собственном железе без приобретения A100 или H100, которые стоят как целая маленькая лаборатория.