产品规格与定位 - DGX Spark是一款个人AI超级计算机，将数据中心级的DGX架构浓缩为可置于桌面的设备，其本质是“把云上AI能力拉回桌面”的个人PC[2][4] - 与2016年的DGX-1相比，DGX Spark在AI性能上从170 TFLOPS（FP16）提升至1 PFLOP（FP4），系统功耗从3200W大幅降低至240W，重量从60.8kg减轻至1.2kg，价格从12.9万美元降至3999美元[1] - 产品尺寸为150mm x 150mm x 50.5mm，与Mac mini大小相当，被称为“世界上最小的AI超级计算机”[5] - 在英伟达产品线中，DGX Spark定位为面向轻量级本地推理与微调的便携设备，而其“大哥”DGX Station则定位高端桌面级大模型训练与企业级工作负载，是“个人集群节点级”的重型设备[7][9] 技术架构与性能 - DGX Spark基于全新的NVIDIA GB10 Grace Blackwell超级芯片，该芯片将CPU和GPU直接集成，共享128GB统一内存，使大模型可一次性加载进系统运行，不受显存限制[21] - 独立测评显示，该设备在运行8B至20B参数的中小型模型时，性能大于或等于同价位独立显卡平台，尤其在批处理与框架优化配合下吞吐表现稳定[10] - 对于70B参数以上的大模型，DGX Spark可运行但属于“可用级”而非“生产级”，更适合加载测试与兼容性研究[10] - 设备支持像云服务器一样一键上线模型服务，并能通过Docker启动专为本地大模型推理优化的高性能框架，使模型常驻本地端口等待调用，成为“本地AI节点”[10][11] 行业趋势与影响 - 英伟达发布桌面级AI超算反映了AI由云向本地“反向迁移”的趋势，过去几年“上云”是行业共同信仰，但2025年开始，云成本、隐私风险与网络瓶颈等问题浮出水面[22] - 云服务变得昂贵，推理成为新的成本中心，云GPU按秒计费且带宽与出站流量另算，有公司发现其年度云账单高达300万美元，另一家公司月账单从5000美元一夜飙升至5万美元[23] - 本地设备性能提升，桌面不再只是输入终端而正成为“计算现场”，未来训练主要在数据中心，但推理正外溢到设备与边缘，企业客户自建GPU节点以获得更低成本与更高合规性[24] - AI应用从后台工具转变为实时伙伴，深入语音助手、视频生成、工业控制、AR/VR等对延迟敏感的场景，推动实时推理下放到端侧和边缘节点，形成“云为大脑、本地为手脚、端侧为神经末梢”的分布式系统[25]