NVIDIA DGX Spark：桌上型 AI 超級電腦，把一個 petaFLOP 塞進你的桌面

TL;DR NVIDIA DGX Spark 搭載 GB10 Grace Blackwell Superchip，128GB 統一記憶體，提供 1 petaFLOP FP4 算力，售價約 $3,999 美元起。適合開發者在本地跑 200B 參數模型、fine-tune 70B 模型，是目前最容易入手的 NVIDIA AI 開發平台。

#nvidia #dgx-spark #gpu #ai-hardware #blackwell #edge-ai #llm

DGX Spark 是什麼
核心規格
模型支援能力
軟體生態
售價與購買
DGX Spark vs DGX Station
適合誰用
小結
參考資料

DGX Spark 是什麼

NVIDIA DGX Spark 是 NVIDIA 在 GTC 2025 發表的個人 AI 超級電腦（最初代號 Project DIGITS）。它把 Grace Blackwell 架構塞進一個比 NUC 還小的機身（150×150×50.5mm，僅 1.2kg），功耗只有 170W，卻能輸出 1 petaFLOP 的 FP4 AI 算力。

簡單說：這是 NVIDIA 第一次把資料中心等級的 AI 晶片，做成一台放在桌上就能用的東西。

核心規格

項目	規格
晶片	NVIDIA GB10 Grace Blackwell Superchip（ARM CPU + Blackwell GPU，NVLink-C2C 連接）
記憶體	128GB 統一記憶體（LPDDR5x，不可升級）
記憶體頻寬	273 GB/s
AI 算力	1 petaFLOP FP4 / 1,000 TOPS
Tensor Core	第五代，支援 FP4 精度
儲存	1TB–4TB（依 SKU，購買時選定）
網路	Wi-Fi 7、Bluetooth 5.3、10GbE ConnectX-7 NIC
連接埠	4×USB4、HDMI 2.1
功耗	170W
作業系統	NVIDIA DGX OS（基於 Linux）

模型支援能力

推論（Inference）：可跑最高 200B 參數的模型
微調（Fine-tune）：支援最高 70B 參數的模型
雙機串聯：兩台 DGX Spark 透過 ConnectX-7 連接，可處理最高 405B 參數模型（例如 Llama 3.1 405B）

128GB 的統一記憶體是關鍵。目前消費級顯卡最高是 RTX 5090 的 32GB VRAM，跑大模型時記憶體不夠就得量化或 offload，體驗大打折扣。DGX Spark 的 128GB 讓你可以把整個 70B 模型完整載入，不需要妥協。

軟體生態

DGX Spark 預裝完整的 NVIDIA AI 軟體堆疊：

NVIDIA NIM：微服務化的推論引擎，部署模型只要幾行指令
NVIDIA Blueprints：預建的 AI 應用範本（RAG、Agent 等）
開發工具：PyTorch、Jupyter、Ollama 等常見框架直接可用
雲端無縫接軌：本地開發完的容器可以直接推到 NVIDIA DGX Cloud

這意味著你在 DGX Spark 上 prototype 的東西，可以原封不動地部署到雲端或資料中心，不需要重新適配。

售價與購買

DGX Spark 的定價經歷了幾次變化：

GTC 2025 發表時：$3,000 美元（Project DIGITS 時期）
2025 年 10 月正式發售：Founders Edition $3,999 美元
2026 年 2 月調漲：$4,699 美元（NVIDIA 表示因 128GB LPDDR5x 供應吃緊）
OEM 版本：ASUS Ascent GX10 約 $3,000 美元起（1TB 儲存）

除了 NVIDIA 自己賣，Acer、ASUS、Dell、GIGABYTE、HP、Lenovo、MSI 等 OEM 都有推出自家版本。

DGX Spark vs DGX Station

如果你在考慮 DGX Spark 跟 DGX Station 怎麼選，以下是重點比較：

	DGX Spark	DGX Station
晶片	GB10 Grace Blackwell	GB300 Grace Blackwell Ultra
AI 算力	1 petaFLOP	20 petaFLOP
記憶體	128GB 統一記憶體	784GB（288GB HBM3e + 496GB LPDDR5X）
記憶體頻寬	273 GB/s	8 TB/s（GPU）+ 396 GB/s（CPU）
最大模型	200B（單機）/ 405B（雙機）	1T 參數
多用戶	單用戶	MIG 最多 7 個分區
網路	10GbE ConnectX-7	800Gb/s ConnectX-8 SuperNIC
體積	NUC 大小（1.2kg）	塔式機殼
價格	~$3,999–$4,699	預估五位數美元

結論：DGX Spark 是個人開發者和小團隊的選擇；DGX Station 是實驗室和企業級的東西——20 倍算力、6 倍記憶體，但價格也是完全不同量級。

適合誰用

DGX Spark 最適合這些場景：

AI 開發者：需要在本地跑 CUDA、用 NVIDIA 生態系工具鏈的人
LLM 研究者：想在本地 fine-tune 和測試大型語言模型，不想每次都付雲端費用
原型開發：在本地快速迭代，確認可行後再推到雲端規模化
隱私敏感場景：資料不能上雲的醫療、金融、政府單位
Edge AI：需要在邊緣端部署高算力推論的應用

如果你目前用 Mac Studio 跑 llama.cpp，或用 RTX 4090/5090 在本地跑模型但覺得記憶體不夠，DGX Spark 是目前最合理的升級路徑——128GB 統一記憶體加上完整的 NVIDIA 軟體支援，在這個價位帶沒有對手。

小結

DGX Spark 代表的趨勢是 AI 算力的民主化。過去要跑大模型，你的選項是租雲端 GPU 或買一台幾十萬的工作站。現在用不到 15 萬台幣的價格，就能在桌上放一台跑得動 200B 模型的機器。

它不是完美的——273 GB/s 的記憶體頻寬是瓶頸，記憶體不可升級，跑 training 的能力也有限。但作為一台本地推論和 fine-tune 的開發機，DGX Spark 在 2025–2026 年的 AI 硬體市場裡，找到了一個很精準的定位。