From a single spark,A world of intelligence!To Jensen, Ad astra!
由一束火花，点燃智慧的世界！致黄仁勋，奔向星辰！
——埃隆马斯克致黄仁勋
沉寂已久的英伟达终于在10月13号给大家带来了新消息：英伟达推出了全球迄今为止最小的AI超级计算机 NVDIA DGX Spark。
从发布会的图片来看，DGX Spark的体积确实小，只有巴掌这么大，跟Mac mini差不多。
当前，数百万开发者日常依赖的 PC、工作站及笔记本电脑，其内存与软件性能已无法匹配快速增长的 AI 工作负载需求，迫使团队不得不将相关工作迁移至云端或本地数据中心。
而作为新一代计算机，DGX Spark 以紧凑的桌面形态打破这一限制 —— 它搭载 1 PFLOP AI 算力与 128GB 统一内存。
让开发者能在本地完成两大核心任务：一是运行参数规模高达 2000 亿（200B）的 AI 模型推理，二是对 700 亿参数模型进行微调；同时，还可本地创建 AI 智能体、运行高级软件堆栈。
NVIDIA 创始人兼首席执行官黄仁勋指出：
“2016 年，我们为给 AI 研究者提供专属超级计算机，研发了 DGX-1。我曾亲手将首台 DGX-1 送到当时还是小型初创公司的 OpenAI，交给埃隆
正是这台设备为 ChatGPT 的诞生奠定基础，点燃了 AI 变革的火种。
DGX-1 不仅开启了 AI 超级计算机时代，更揭示了驱动现代 AI 发展的规模化法则。如今，DGX Spark 让我们重拾初心：
把 AI 计算机交到每位开发者手中，以此催生下一轮技术突破。”
从技术架构来看，DGX Spark 将完整的 NVIDIA AI 平台（涵盖 GPU、CPU、网络、CUDA库及 NVIDIA AI 软件堆栈）整合为一台小型系统，可直接放置于实验室或办公室，且具备加速代理式 AI 与物理 AI 开发的强劲性能。
不得不提的是，Spark 大胆采用 USB-C 接口供电，这在台式机上几乎是前所未有的设计。要知道，像 Mac mini、Mac Studio 这类主流高性能主机，至今仍普遍依赖传统三孔电源线实现稳定供电。
而英伟达之所以这么做，核心目的就是将电源适配器移至机外，从而为内部散热模块争取更多安装空间。
硬件层面，它搭载 NVIDIA GB10 Grace Blackwell 超级芯片、NVIDIA ConnectX-7 200Gb/s 网卡及 NVIDIA NVLink-C2C 技术，AI 性能峰值可达 1 PFLOP，带宽为第五代 PCIe 的 5 倍，还配备 128GB CPU-GPU 一致性内存。
从产品的参数上来看，酥酥觉得最大的震撼，在于工作站体积和功率的变化，DGX-1的重达60.8Kg，功率达到3200W，而DGX Spark在算力提升数倍的情况下，重量缺瘦身到了1.2Kg，功率降低到了240W。
制程工艺的进步，功高至伟！
软件体验上，DGX Spark 进一步降低开发门槛：系统预装 NVIDIA AI 软件堆栈，开发者开箱即可投入 AI 项目开发；同时可访问 NVIDIA AI 生态系统的全套工具 —— 包括各类模型、库及 NVIDIA NIM 微服务，轻松搭建本地工作流。
例如，可定制 Black Forest Labs 的 Flux.1 模型优化图像生成效果，用 NVIDIA Cosmos Reason 视觉语言模型创建视觉搜索与摘要智能体，或基于为 DGX Spark 优化的 Qwen3 开发 AI 聊天机器人。
在全球交付环节，这场发布颇具 “传承感”：为纪念 DGX Spark 全球交付，黄仁勋专程前往德克萨斯州星舰基地，亲手将首批设备之一交付给 SpaceX 首席工程师埃隆・马斯克。
这既是对超级计算机起源的致敬，也呼应了 2016 年马斯克团队从黄仁勋手中接过首台 NVIDIA DGX™-1 的历史时刻。
除 SpaceX 外，Anaconda、Cadence、ComfyUI、Docker、谷歌、Hugging Face、JetBrains、LM Studio、Meta、微软、Ollama 及 Roboflow 等企业也收到首批设备，正针对 DGX Spark 测试、验证并优化自身工具与模型；
目前，NVIDIA DGX Spark 已正式开启交付。合作销售渠道包括宏碁、华硕、戴尔科技、技嘉、惠普、联想、微星，以及各 Micro Center 门店与全球 NVIDIA 渠道合作伙伴。
在酥酥的读者群里，也有供应商已经在提供DGX Spark的现货，酥酥为这些供应商点赞：速度真快，中国的开发者有福了！
不过需要注意的是，DGX Spark的操作系统并不是Windows，而是英伟达自己的定制系统（魔改版的Ubuntu Linux）。
搭载的 LPDDR5x 内存也是个问题，总带宽被限制在约 273GB/s。对于依赖高数据吞吐的 GPU 而言，该带宽远低于专业显卡独立显存的水平（如数据中心级 H100 GPU 显存带宽达近 3TB/s）。
带宽不足导致数据吞吐能力无法满足需求，进而使内存成为 Spark 处理重负载 AI 推理任务的主要瓶颈。
那么问题来了，3999刀的DGX Spark，你还会买吗？
