NVIDIA DGX Spark 64GB 发布：本地跑千亿参数，两台可组集群

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。

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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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