NVIDIA 推出 64GB 版 DGX Spark：起售价 4,999 美元，双机集群让本地 AI 按需扩展

2026年10月2日，NVIDIA 在官方博客发布消息：DGX Spark 将新增 64GB 统一内存配置。新版本定于 10 月 23 日（周五）上市，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 六家合作伙伴销售，起售价 4,999 美元。博客同时介绍了 NVIDIA Sync Cluster Assistant，用来把两台 DGX Spark 组成集群。NVIDIA 在文中的判断是：随着 AI 智能体从实验走向日常开发，能力越来越强的开源模型正在缩小到可以在更多设备上运行，开发者因此有更多东西可以放在本地跑。 一、这次发布的核心事实 DGX Spark 把 NVIDIA Grace Blackwell 计算、统一内存、NVIDIA ConnectX-7 网络和 CUDA 加速的 AI 软件栈放进一台机器。NVIDIA 把它定位为面向智能体、推理、微调、数据科学和边缘开发的完整本地 AI 平台。新的 64GB 配置只通过制造商合作伙伴销售，保留了 GB10 Grace Blackwell 超级芯片、DGX OS 和完整的 NVIDIA AI 软件栈，与 128GB 版本相同。按 NVIDIA 的说法，它支持最高 1000 亿参数的模型，以及建立在这些模型之上的智能体应用，全部在设备本地运行，不依赖云端。

软件开箱即用是这次宣传的另一个重点。NVIDIA Agent Toolkit、CUDA-X AI 库、Nemotron 开源模型，以及 Ollama、vLLM 和带 CUDA 的 PyTorch 等常用运行时，都在出厂时受到支持。博客称，开发者从开机到跑起模型只需几分钟。Blender 是首批支持该平台的主要创作应用提供商之一，预构建的可下载安装包即将推出。 二、机制：两台机器如何变成一个集群 每台 DGX Spark 都内置一块 NVIDIA ConnectX-7 网卡。两台机器可以用一根 QSFP 线缆直接相连，把内存合并到 128GB，模型支持上限随之提高到 2000 亿参数。按博客的数字，内存带宽翻倍，性能最高提升到 1.7 倍。博客在另一处提到两台机器通过 200 GbE 网络互联。 真正降低门槛的是 NVIDIA Sync 应用里的 Cluster Assistant。它会检测已连接的设备，校验设备配置，并配置 ConnectX-7 网络，开发者不必手工处理网络和节点设置。每个节点运行同一套 NVIDIA 软件，所以从一台扩展到两台，原有的软件环境不需要重新配置。需要说明的是，1.7 倍这个数字来自 NVIDIA 自己的 Qwen 3.8 27B 测试，并且是上限值。它低于理论上的 2 倍，说明节点之间的通信有开销。这是我们的解读，不是博客原文的结论。

三、工作流变化：Model Launcher 与三个典型场景 博客还预告，NVIDIA Sync Model Launcher 将在本月底推出。开发者点几下按钮，就能在单台 DGX Spark 或集群上下载并启动 Qwen3.8 27B。NVIDIA Sync 负责把模型配置到相连的设备上，并让用户在自己的笔记本电脑上访问。启动器还会为这个模型配置 OpenCode，开发者可以在浏览器里直接开始写代码。 博客给出了三个工作流示例。第一，让智能体全天候运行：把编码或研究智能体常驻在 DGX Spark 上，随时审查代码、分析文档或执行多步任务，集群则为更大的模型、更长的上下文或多个智能体并发提供额外容量。第二，为日常电脑提供 AI 能力：让语言或图像生成模型在 DGX Spark 上推理，笔记本或台式机继续运行智能体或创作应用，推理负载不占用个人电脑。第三，工作增长时再扩展：当单个任务超出一台机器的能力，两台 64GB 机器通过 200 GbE 网络连接，内存汇合为 128GB，同样的工作流无需改动软件环境即可运行。 四、对开发者和行业的意义 以下是我们的分析，不是 NVIDIA 的原话。第一，价格门槛。4,999 美元的起售价让个人开发者、研究者和小团队有了更容易接受的入口，而且可以先买一台，需要时再买第二台。博客没有给出 128GB 版本的价格，因此两者的差价不能从原文判断。第二，隐私与成本。本地运行意味着模型和自有数据不必离开设备，也不必为每次任务租用云实例，这对处理敏感代码和文档的团队有吸引力。第三，生态绑定。出厂预装 NVIDIA 的智能体工具包、CUDA-X 库和 Nemotron 模型，同时兼容 Ollama、vLLM 等开源运行时，NVIDIA 一边降低上手成本，一边巩固 CUDA 生态。 需要保持清醒的地方也不少。64GB 的容量决定了单机能跑多大的模型和多长的上下文，博客称最高 1000 亿参数，但没有说明在什么量化精度和上下文长度下成立。1.7 倍的结果只针对一个 27B 模型，换成其他模型和负载，结果可能不同。Model Launcher 和 Blender 安装包都还是即将推出，上市后的实际体验有待验证。此外，博客没有披露功耗、噪声和散热表现，也没有给出 128GB 版本的价格。选购前，团队应当先估算自己常用模型的大小和上下文长度，再决定是买一台，还是一次买两台。 五、上手路径与展望 NVIDIA 给出的入门步骤很简单：先下载受支持的推理框架，如 llama.cpp、Ollama、vLLM 或 LM Studio；再下载适合工作流的推荐本地模型；需要扩展时，用 ConnectX-7 端口连接两台机器，启动 NVIDIA Sync Cluster Assistant，由它配置网络并自动路由负载。想了解智能体方案的开发者，可以去 build.nvidia.com 查看 NemoClaw、OpenClaw、Hermes Agent 和 OpenShell 的操作手册。

展望来看，这次发布的信号很明确：本地 AI 不再只是爱好者的玩具，而在被包装成有清晰扩展路径的开发平台。单机容量加上双机集群的组合，让用户可以先小后大。接下来值得关注的是 10 月 23 日上市后的真实价格与供货、第三方对性能的独立测试，以及本月底 Model Launcher 的落地情况。如果这些环节都兑现，64GB 版 DGX Spark 会成为本地智能体开发的一个常见起点。