Настольный дата-центр: NVIDIA поместила полноценный ИИ-кластер в корпус всего 15×15 см

Незадолго до этого корпорация NVIDIA презентовала DGX Spark — миниатюрную AI-систему размерами всего 150×150×50 мм. Под её юбкой скрывается суперчип Grace Blackwell GB10, который сочетает 20-ъядерный ARM-процессор и GPU Blackwell, 128 ГБ унифицированной LPDDR5X-памяти и SSD объёмом до 64 ТБ. По производительности DGX Spark сопоставим с RTX 6000 Ada, но не нуждается в шкафах стоечного монтажа, выносном охлаждении и сложной проводке.

Устройство ориентировано на специалистов, требующих локального запуска крупных языковых моделей и тонкой донастройки нейросетей без облачных квот, задержек и рисков утечки данных. В этой статье разберём архитектуру системы, её интерфейсы и схему охлаждения, а также покажем реальные кейсы, где компактный «суперкомпьютер» успешно заменяет серверные решения — от генерации графики до вычислительных задач в материаловедении.

Аппаратная платформа, подключение и компоновка

Ключевой элемент DGX Spark — суперчип Grace Blackwell GB10, в котором ядра Grace и модуль Blackwell связаны шиной NVLink-C2C. Благодаря ей пропускная способность существенно превосходит PCIe 5.0 ×16, что обеспечивает мгновенный обмен данными между CPU и GPU и устраняет задержки при обучении моделей или анализе длинных последовательностей.

ARM-часть включает 10 производительных ядер Cortex-X925 для матричных операций и компиляции, а также 10 энергоэффективных ядер Cortex-A725, отвечающих за заключительные операции подготовки данных и мониторинга. Графический сегмент оснащён 6144 CUDA-ядрами, тензорными ядрами пятого поколения для ускорения ML-вычислений и RT-ядром четвёртого поколения для трассировки лучей.

В DGX Spark установлено 128 ГБ LPDDR5X в едином адресном пространстве CPU + GPU, что исключает копирование данных между ними и обеспечивает пропускную способность до 273 ГБ/с. В режиме FP4 (4-битные числа) система справляется с моделями до сотен миллиардов параметров, сохраняя точность при дообучении небольших сетей.

На борту установлен NVMe-накопитель объёмом 1 ТБ с возможностью расширения до 64 ТБ через внутренние слоты или внешние хранилища. Все диски поддерживают аппаратное шифрование, что позволяет хранить конфиденциальные данные — медицинские изображения, геномные последовательности или корпоративные документы — локально и безопасно.

Корпус из анодированного алюминия весит всего 1,2 кг и окрашен в золотистый тон. Охлаждение обеспечивает массивная металлическая пластина и два бесшумных вентилятора, поддерживающих температуру в зоне 75–80 °C при уровне шума до 35 дБ — тише, чем ноутбук при рендеринге. Питание подаётся от внешнего 240-Вт блока через стандартную розетку, что позволяет легко переносить систему между рабочими зонами.

Набор портов DGX Spark продуман для простоты: четыре USB Type-C (40 Гбит/с) для питания периферии или обмена данными, HDMI 2.1a для 4K@120 Гц и 8K@60 Гц, 10-гигабитный RJ-45 и два QSFP на контроллере ConnectX-7 (по 200 Гбит/с) для создания кластеров из нескольких устройств. Есть также Wi-Fi 7 и Bluetooth 5.4 для беспроводных подключений.

Основные характеристики DGX Spark:

• CPU: 20-ядерный ARM Grace (10 × Cortex-X925 + 10 × Cortex-A725)
• GPU: Blackwell с 6144 CUDA-ядрами, тензорными ядрами 5-го поколения и RT-ядрами 4-го поколения
• Память: 128 ГБ LPDDR5X единым пулом, 273 ГБ/с
• Хранение: NVMe SSD от 1 ТБ с расширением до 64 ТБ
• Производительность: до 1 пфлопса в режиме FP4 с учётом разреженности
• Интерфейсы: 4 × USB Type-C (40 Гбит/с), HDMI 2.1a, RJ-45 10 Гбит, 2 × QSFP 200 Гбит/с
• Беспроводная связь: Wi-Fi 7, Bluetooth 5.4
• OS: DGX OS на базе Ubuntu ARM, предустановлены CUDA, cuDNN, TensorRT, контейнеры NVIDIA NIM
• Охлаждение: два вентилятора + тепловая пластина, шум до 35 дБ
• Питание: внешний адаптер 240 Вт
• Размеры: 150 × 150 × 50 мм
• Вес: 1,2 кг

Из коробки на DGX Spark установлена DGX OS на Ubuntu ARM с полным набором инструментов NVIDIA: CUDA для вычислений, cuDNN для DL, TensorRT для вывода и готовыми контейнерами NVIDIA NIM. Развёртывание моделей сводится к нескольким командам: скачали образ, запустили контейнер и уже через минуту приступили к обучению или инференсу без мороки с драйверами и зависимостями.

Кейсы использования в реальных проектах

DGX Spark одинаково полезен для разработчиков, дизайнеров и исследователей. Миниатюрный форм-фактор позволяет запускать проекты, ранее требовавшие серверного железа, прямо на рабочем столе.

В креативных задачах система даёт полный контроль над данными: дизайнеры могут тренировать генераторы на собственной коллекции изображений, получая контент в едином стиле без передачи в облако и с мгновенным откликом. При работе с текстами DGX Spark обрабатывает модели вроде Qwen3 или Llama с контекстом до 32 000 токенов, что идеально для чат-ботов и RAG-систем.

В инженерных дисциплинах DGX Spark заменяет громоздкие рабочие станции и небольшие кластеры. В CFD-симуляциях сети из сотен миллионов ячеек обрабатываются на тензорных ядрах за считанные часы вместо суток. В материаловедении единое адресное пространство памяти ускоряет анализ миллионов молекул, а в биоинформатике локальное хранение и шифрование данных соответствует требованиям HIPAA и GDPR.

Несколько DGX Spark можно объединить в кластер через QSFP-порт ConnectX-7 (200 Гбит/с), получив компактную ферму для распределённого обучения. Это удобно стартапам и академическим группам, которым нужны автономные кластеры без зависимости от облачных провайдеров.

Цена и доступность

Базовая конфигурация DGX Spark стоит 3999 USD. Для частного пользователя это значительные вложения, но в сравнении с серверными решениями аналогичной мощности получается выгоднее: комплект из RTX 6000 Ada, матплаты, ОЗУ и корпуса обойдётся примерно в 10 000 USD.

Продажи стартовали в октябре 2025 года, и уже сейчас DGX Spark интересен исследователям, инженерам и разработчикам. Теперь обучение и тестирование моделей, ранее доступные лишь в дата-центрах, можно проводить локально — без компромиссов по скорости, безопасности и бюджету.

Как вы считаете, оправданы ли такие инвестиции? Пишите своё мнение в комментариях.

Источник