文章核心观点 - AI算力正从云端向本地设备进行“反向迁移”，英伟达推出的个人AI超级计算机DGX Spark是这一趋势的具体体现，旨在将数据中心的AI能力带给个人开发者 [2][33][43] 英伟达DGX Spark产品详情 - DGX Spark是一款个人AI超级计算机，售价为3999美元起，定位为面向轻量级本地推理与微调的便携设备 [3][12] - 与2016年的DGX-1相比，DGX Spark在性能、功耗和体积上均有显著提升：AI性能从170 TFLOPS提升至1 PFLOP，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129,000美元降至3,999美元 [4] - 该设备基于NVIDIA GB10 Grace Blackwell超级芯片，采用CPU与GPU融合设计，共享128GB统一内存，使大模型可一次性加载运行 [33] - 产品被形容为“世界上最小的AI超级计算机”，尺寸与Mac mini相仿 [10] DGX Spark性能测评与应用场景 - 根据LMSYS的测评，DGX Spark在运行8B~20B参数的中小型模型时，性能大于等于同价位独立显卡平台，批处理效率和吞吐表现稳定 [13] - 对于70B参数以上的大模型，设备可运行但属于“可用级”而非“生产级”，更适合加载测试和兼容性研究 [14] - 测评展示了完整的本地AI工作流：设备能像云服务器一样一键上线模型服务并常驻运行，支持推理加速技术，可通过标准API被调用，并能接入Open WebUI和Zed编辑器等工具，形成完整的离线AI开发环境 [16][18][21][22][24][28][29] - 其核心优势在于能在桌面上提供类似“个人版ChatGPT服务器”的体验，实现低延迟、无需网络的本地AI交互 [25][32] AI算力从云到本地迁移的行业趋势 - 过去几年AI行业普遍依赖云端算力，但到2025年，云成本高昂、隐私风险和网络瓶颈等问题凸显，推理成为新的成本中心，促使算力向本地迁移 [34][35][36] - 有公司因云账单从每月5000美元飙升至5万美元而决定“下云”，自建机房以控制成本 [37] - 同时，本地设备性能提升，除DGX Spark外，微软的Copilot+ PC和苹果的Apple Intelligence也强调本地AI能力，有公司将推理迁移至本地后，月度AI基础设施开销从4.2万美元降至9000美元 [38] - AI应用正从后台工具转变为实时伙伴，对延迟敏感的场景（如语音助手、工业控制）推动推理向端侧和边缘节点扩散，形成“云为大脑，本地为手脚”的分布式系统 [40][41][42][39]