NVIDIA 于 2026 年 10 月 2 日在官方博客宣布 DGX Spark 新增 64GB 统一内存配置,10 月 23 日起由 Acer、ASUS、Dell、Gigabyte、HP、MSI 开售,官方称可在本机运行最高约 1000 亿参数模型。同篇还介绍了 NVIDIA Sync Cluster Assistant:两台机器用 QSFP 线缆直连后内存池化到 128GB,官方称可支持模型规模提升到约 2000 亿参数。
NVIDIA DGX Spark 64GB 发布:本地跑千亿参数,两台可组集群
这次发布的是什么
NVIDIA 于 2026 年 10 月 2 日在官方博客(署名 Allen Bourgoyne)宣布,DGX Spark 将新增 64GB 统一内存配置,从 10 月 23 日(周五)起由 Acer、ASUS、Dell、Gigabyte、HP、MSI 这几家厂商伙伴开售。同一篇博客还介绍了 NVIDIA Sync Cluster Assistant,一个把两台 DGX Spark 组成集群的功能。
按官方说法,64GB 版本保留了与 128GB 版本相同的 GB10 Grace Blackwell 超级芯片、DGX OS 与完整的 NVIDIA AI 软件栈,只是内存配置不同,而且这一配置只从厂商伙伴渠道提供。官方称它可以在本机跑最高约 1000 亿参数的模型,以及构建在这些模型上的智能体应用,全程不依赖云。
影响谁:想在本地跑开源模型、做微调或数据处理,但此前的内存配置不够用、又不希望每次都开云主机的开发者与研究者。
可用性与限制
- 开售时间:官方称从 2026 年 10 月 23 日起开卖,发布当天还不能买到。
- 渠道限制:官方写明 64GB 配置仅由厂商伙伴提供,具体型号与到货时间以各家厂商页面为准。
- 价格:官方博客未给出定价,售价以官网与厂商渠道为准。
- 集群能力的前提:官方说明每台 DGX Spark 出厂自带 ConnectX-7 网卡,两台之间用 QSFP 线缆直连,也就是说需要两台设备才能组成集群。
- 性能口径:官方提到的加速比来自其自有测试(官方点名用的是 Qwen 3.8 27B),不同模型与负载下的实际表现需要自己复测。
- 软件栈:官方列出预置或支持的内容包括 NVIDIA Agent Toolkit、CUDA-X AI 库、Nemotron 开源模型,以及 Ollama、vLLM、带 CUDA 的 PyTorch 等运行时;具体版本以官方说明为准。
- 境内可用性:硬件采购与软件服务的境内可获得性以官方与厂商说明为准,不做可用性承诺。
主要功能
- 提供 64GB 统一内存配置
- 本机运行千亿参数级模型
- 两台直连组成内存池
- 自动发现与配置集群网络
- 预置智能体开发工具链
- 支持主流本地推理运行时
技术原理
DGX Spark 本身是把 Grace Blackwell 计算、统一内存、ConnectX-7 网络和 CUDA 加速的 AI 软件栈放进一台主机。这次新增的 64GB 配置在芯片、系统与软件栈上和 128GB 版本保持一致,差别在内存容量。
集群这块是这次真正的新东西。官方称每台机器自带 ConnectX-7 网卡,两台用一根 QSFP 线缆直连后,内存可以池化到 128GB,可支持的模型规模提升到约 2000 亿参数,同时内存带宽翻倍。NVIDIA Sync 这个应用负责配置双节点集群:它会自动发现已连接的设备、校验设备配置、配置 ConnectX-7 网络,让开发者不用自己搭这套基础设施。官方称在其 Qwen 3.8 27B 测试中,两台 64GB 机器集群相对单机最高可达约 1.7 倍性能,并称还可以继续扩展。
软件侧的思路是「开机即可用」。官方列出开箱即支持智能体开发的部分包括 NVIDIA Agent Toolkit、CUDA-X AI 库、Nemotron 开源模型,以及 Ollama、vLLM、PyTorch 等运行时。官方还提到 Blender 是较早支持该平台的创作类应用之一,预编译安装包「即将推出」。
实际体验
以下是读者可以自己复现的验证路径,不是本站实测结论:
- 先确认配置是否匹配你的模型:把你打算本地跑的模型参数量与量化方案列出来,对照 64GB 统一内存能容纳的规模,注意统一内存还要留出系统与其他进程的开销。
- 测出单机的上下界:先用官方列出的运行时(Ollama 或 vLLM 等)在单机上跑一个你熟悉的模型,记录加载时间、显存占用与解码速度,作为后续对比的基线。
- 如果要测集群:需要两台设备与一根 QSFP 线缆,接好后打开 NVIDIA Sync,确认它能自动发现设备并完成网络配置;官方的说明是这一步不需要额外设置。
- 集群收益实测:用同一个模型分别跑单机与双机,记录吞吐与首 token 延迟的变化。官方给出的加速比来自其自有测试,换到你的模型上未必成立。
- 长任务稳定性:跑一轮较长时间的微调或批量推理,观察散热与内存压力,这是小型主机在本地长期负载下容易出问题的地方。
- 采购前核对:到厂商页面确认具体型号、内存配置与售后,官方博客只给了开售时间与厂商名单,没有逐型号的参数表。
项目地址与获取方式
- 官方博客:https://blogs.nvidia.com/blog/local-ai-dgx-spark-64gb-sync/
- 产品页与购买渠道:以 NVIDIA 官网 DGX Spark 页面为准,64GB 配置由 Acer、ASUS、Dell、Gigabyte、HP、MSI 等厂商伙伴提供
- 软件栈:DGX OS 与 NVIDIA AI 软件栈随机预置;NVIDIA Agent Toolkit、Nemotron 等的具体入口以官方文档为准
请通过官方渠道购买与下载,避免安装被篡改的版本。
适合谁用
- 想在本地跑较大开源模型、又不希望每次都开云主机的开发者
- 需要处理敏感数据、要求数据不出本机的团队
- 做本地微调、数据科学或边缘开发的研究者
- 已经在用 DGX Spark、想把两台扩成一台用的用户
- 不必用:只跑几十亿参数以下的小模型、或用云端 API 就够了的人,一台普通开发机或云实例更划算,可以先看站内 /category/code 下的工具
常见问题
64GB 版本和已有的 128GB 版本差在哪?
官方的说法是芯片、系统与软件栈一致:同样是 GB10 Grace Blackwell 超级芯片、DGX OS 与完整的 NVIDIA AI 软件栈,差别在统一内存容量。官方称推出 64GB 是为了把价格门槛保持在更容易接受的水平。具体定价以官网为准。
两台机器组集群,只是内存翻倍吗?
官方称不只是翻倍:两台 64GB 直连后内存池化到 128GB,可支持的模型规模提升到约 2000 亿参数,内存带宽翻倍,性能在其自有测试中最高约 1.7 倍。是否在你的负载上成立,建议按上面「实际体验」里的步骤实测。
官方提到的 1.7 倍是通用结论吗?
不是。官方点名这个数字来自其 Qwen 3.8 27B 的测试。模型、量化方式与批处理规模都不同时,加速比会变化,官方也只说「最高」。把它当成参考值,不要当成承诺。
需要额外买网络设备吗?
官方称每台 DGX Spark 出厂自带 ConnectX-7 网卡,两台之间用 QSFP 线缆直连即可,NVIDIA Sync 应用负责发现设备与配置网络。线缆是否随机器附带,以厂商页面的配件清单为准。
什么时候能买到?
官方博客给出的时间是 2026 年 10 月 23 日(周五)起,由 Acer、ASUS、Dell、Gigabyte、HP、MSI 这几家厂商伙伴开售。各渠道的实际到货时间以厂商页面为准。
相关工具与内容
- 本地与编程相关的 AI 工具:/category/code
- 对话与模型类工具:/category/chat
- 编程助手:/tool/claude-code、/tool/cursor
- 相关的开源模型快讯:/article/olmo-core-3-release-2026-10
- 本地推理与决策模型:/article/ollama-decision-models-2026-09
相关内容
AWS Quick 同日三组更新:插件打包智能体与技能,网页端与 Flows 打通跨端工作流
AWS 在 2026 年 11 月 20 日至 21 日连续发布三条 AWS Quick 更新:插件可把智能体、技能、连接器与流程打包成一次安装的单元;网页端把桌面体验搬进浏览器,并更新浏览器扩展与 Microsoft 365 加载项;Flows 支持用对话构建自动化,并加入确定性步骤与输出校验。官方用户指南说明 Quick 由 Amazon QuickSight 演进而来,原有 QuickSight 接口与集成继续可用。
Amazon Bedrock 网页搜索新增五种语言与国别字段:按用户所在国偏置检索来源
AWS 于 2026 年 11 月 21 日宣布 Amazon Bedrock 的 Web Search 工具新增西班牙语、法语、德语、意大利语和日语,并支持非美式英语;同时加入可选的国家字段,用 ISO 3166-1 alpha-2 代码把检索来源偏置到指定国家。现有客户无需改代码即可获得语言能力,可用区域与数据驻留口径以官网为准。
Transformers v5.24.0 发布:纳入十个新模型架构,缓存参数改名进入兼容期
Hugging Face 于 2026 年 11 月 21 日发布 Transformers v5.24.0,正式版标注为 prerelease=false。本次新增 Inkling 2 Mini、Apertus 1.5、Omnilingual ASR、HY4-VL 等十个模型架构支持,同时把 past_key_values 与 cache_params 统一改名为 cache,并给出跨版本的兼容时间表。
继续阅读:Claude Code 3.0 分:能力最强的一款,分数为什么垫底 · CodeRabbit 3.1 分:只做代码审查,意见写到具体那一行