NVIDIA DGX Spark

De NVIDIA DGX Spark is het referentiebureausysteem voor de NVIDIA GB10 Grace Blackwell Superchip, voor het eerst publiekelijk getoond in januari 2025 onder de werknaam Project DIGITS voordat het onder zijn definitieve naam werd geleverd. Als het platform dat NVIDIA zelf heeft ontworpen, gevalideerd en direct blijft bijwerken, verpakt het 1 petaFLOP aan FP4 AI-prestaties en 128 GB coherent, verenigd geheugen in een behuizing van 1,2 kg die klein genoeg is om naast een toetsenbord op een bureau te staan.

Omdat DGX Spark NVIDIA's eigen referentieontwerp is, is het ook het platform waarop nieuwe GB10-ecosysteemmogelijkheden als eerste worden gevalideerd. Na NVIDIA's GTC 2026-conferentie eind maart 2026, werd officiële ondersteuning voor clustering met 4 knooppunten via RoCE — wat een enkele implementatie verhoogt naar 512 GB gedeeld verenigd geheugen — bevestigd op DGX Spark voordat het werd overgenomen door partnerhardware, naast de bestaande mogelijkheid voor directe koppeling van 2 eenheden die al standaard is in de GB10-serie.

Hardwarespecificaties

In de kern bevindt zich de NVIDIA GB10 Grace Blackwell Superchip, die een 20-core Arm-processor combineert (10 × Cortex-X925-prestatiekernen + 10 × Cortex-A725-efficiëntiekernen) met een GPU van de Blackwell-generatie met 5e-generatie Tensor Cores en native FP4-ondersteuning voor sparse matrices. De twee worden verbonden door 128 GB LPDDR5x verenigd geheugen dat 273 GB/s coherente bandbreedte levert, gedeeld tussen CPU en GPU, waardoor de kopieeroverhead wordt verwijderd die afzonderlijke CPU/GPU-geheugenpools normaal gesproken introduceren. De opslag is een 4 TB zelfversleutelende PCIe Gen4 NVMe SSD, groot genoeg om grote modelcheckpoints en datasets lokaal op te slaan.

Software: De volledige NVIDIA AI-stack, vooraf geïnstalleerd

DGX Spark wordt geleverd met NVIDIA DGX OS (Ubuntu 24.04 LTS) en de volledige NVIDIA AI-softwarestack vooraf geïnstalleerd en gevalideerd voor de hardware — CUDA, cuDNN, TensorRT en de NVIDIA Container Runtime zijn direct bij de eerste opstart gereed. NVIDIA NIM-microservices maken het mogelijk om ondersteunde modellen te implementeren als geoptimaliseerde inferentiecontainers zonder handmatige afstemming, en dezelfde containers blijven ongewijzigd wanneer een workload later wordt verplaatst naar NVIDIA DGX Cloud of een datacenter-DGX-systeem. Een continu onderhouden set officiële playbooks behandelt veelvoorkomende workflows — van vLLM en TensorRT-LLM serving tot fine-tuning met NeMo en Unsloth — waardoor de insteltijd wordt verkort voor zowel nieuwe als gevorderde gebruikers.

Voor agent-gebaseerde AI-workloads bevat DGX Spark NemoClaw, NVIDIA's afgeschermde agent-uitvoeringslaag. Het handhaaft beleidsgebaseerde toegangscontrole rond autonome agents, logt hun acties voor auditdoeleinden en is geoptimaliseerd om meetbaar snellere lokale agent-inferentie te leveren in recente DGX OS-updates.

Connectiviteit en netwerken

Netwerken is gebouwd rond een NVIDIA ConnectX-7 Smart NIC met dubbele 200 Gbps QSFP-poorten, gebruikt voor directe eenheid-naar-eenheid-koppeling of, in grotere implementaties, verbinding met een beheerd RoCE-switchfabric. Aanvullende onboard-connectiviteit omvat 10 GbE Ethernet (RJ-45), Wi-Fi 7 en Bluetooth 5.4. Vier USB4 Type-C-poorten ondersteunen DisplayPort-uitvoer voor lokaal gebruik met meerdere monitoren — tot drie gelijktijdige displays — naast HDMI, waardoor dezelfde eenheid kan dienen als zowel een ontwikkelwerkstation als een altijd aanwezige inferentieserver.

Bedrijfsbeheer en beveiliging

DGX Spark ondersteunt air-gapped-implementatie voor omgevingen zonder internetconnectiviteit, inclusief het maken van aangepaste ISO's via Cloud-init en op USB gebaseerde OS- en stuurprogramma-updates — waardoor vlootapparaten kunnen worden ingericht en onderhouden zonder afhankelijkheid van een extern netwerk. Opslag is standaard zelfversleutelend en het platform bevat TPM 2.0 en Secure Boot, wat het een beveiligingsbasis geeft die geschikt is voor gereguleerde, data-gevoelige implementaties waar verwerking volledig on-premises moet blijven.

Schalen: enkele, 2-eenheid- en 4-eenheidsconfiguraties

Een enkele DGX Spark bedient comfortabel modellen tot ongeveer 200 miljard parameters lokaal. Voor grotere modellen worden twee eenheden direct via ConnectX-7 QSFP-poorten gekoppeld tot een gecombineerde verenigde geheugenpool van 256 GB, en tot vier eenheden kunnen worden samengevoegd via een beheerd 200 GbE RoCE-switchfabric voor een coherente pool van 512 GB — hetzelfde clusteringpad dat door NVIDIA is gevalideerd op GTC 2026.

Ecosysteem en pad voor langetermijnschaling

Omdat DGX Spark dezelfde DGX OS en NVIDIA AI-softwarestack gebruikt als in NVIDIA DGX Cloud en datacenter-DGX-systemen, gaan workloads die lokaal zijn ontwikkeld — containers, NIM-implementaties, fine-tuning-pipelines — zonder aanpassingen mee wanneer het tijd wordt om van een bureaubladprototype naar een grotere productie-implementatie te gaan.