NVIDIA 推出 64GB 版 DGX Spark：起售價 4,999 美元，雙機叢集讓本地 AI 按需擴展

2026年10月2日，NVIDIA 在官方部落格發布消息：DGX Spark 將新增 64GB 統一記憶體配置。新版本定於 10 月 23 日（週五）上市，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 六家合作夥伴銷售，起售價 4,999 美元。部落格同時介紹了 NVIDIA Sync Cluster Assistant，用來把兩台 DGX Spark 組成叢集。NVIDIA 在文中的判斷是：隨著 AI 智慧體從實驗走向日常開發，能力越來越強的開源模型正在縮小到可以在更多裝置上執行，開發者因此有更多東西可以放在本地跑。 一、這次發布的核心事實 DGX Spark 把 NVIDIA Grace Blackwell 運算、統一記憶體、NVIDIA ConnectX-7 網路和 CUDA 加速的 AI 軟體堆疊放進一台機器。NVIDIA 把它定位為面向智慧體、推論、微調、資料科學和邊緣開發的完整本地 AI 平台。新的 64GB 配置只透過製造商合作夥伴銷售，保留了 GB10 Grace Blackwell 超級晶片、DGX OS 和完整的 NVIDIA AI 軟體堆疊，與 128GB 版本相同。按 NVIDIA 的說法，它支援最高 1000 億參數的模型，以及建立在這些模型之上的智慧體應用，全部在裝置本地執行，不依賴雲端。

軟體開箱即用是這次宣傳的另一個重點。NVIDIA Agent Toolkit、CUDA-X AI 函式庫、Nemotron 開源模型，以及 Ollama、vLLM 和帶 CUDA 的 PyTorch 等常用執行環境，都在出廠時受到支援。部落格稱，開發者從開機到跑起模型只需幾分鐘。Blender 是首批支援該平台的主要創作應用提供商之一，預先建構的可下載安裝包即將推出。 二、機制：兩台機器如何變成一個叢集 每台 DGX Spark 都內建一塊 NVIDIA ConnectX-7 網卡。兩台機器可以用一條 QSFP 線纜直接相連，把記憶體合併到 128GB，模型支援上限隨之提高到 2000 億參數。按部落格的數字，記憶體頻寬翻倍，效能最高提升到 1.7 倍。部落格在另一處提到兩台機器透過 200 GbE 網路互聯。 真正降低門檻的是 NVIDIA Sync 應用裡的 Cluster Assistant。它會偵測已連接的設備，校驗設備設定，並配置 ConnectX-7 網路，開發者不必手工處理網路和節點設定。每個節點執行同一套 NVIDIA 軟體，所以從一台擴展到兩台，原有的軟體環境不需要重新設定。需要說明的是，1.7 倍這個數字來自 NVIDIA 自己的 Qwen 3.8 27B 測試，並且是上限值。它低於理論上的 2 倍，說明節點之間的通訊有開銷。這是我們的解讀，不是部落格原文的結論。

三、工作流變化：Model Launcher 與三個典型場景 部落格還預告，NVIDIA Sync Model Launcher 將在本月底推出。開發者點幾下按鈕，就能在單台 DGX Spark 或叢集上下載並啟動 Qwen3.8 27B。NVIDIA Sync 負責把模型配置到相連的設備上，並讓使用者在自己的筆記型電腦上存取。啟動器還會為這個模型設定 OpenCode，開發者可以在瀏覽器裡直接開始寫程式。 部落格給出了三個工作流範例。第一，讓智慧體全天候執行：把編碼或研究智慧體常駐在 DGX Spark 上，隨時審查程式碼、分析文件或執行多步任務，叢集則為更大的模型、更長的上下文或多個智慧體並行提供額外容量。第二，為日常電腦提供 AI 能力：讓語言或圖像生成模型在 DGX Spark 上推論，筆記型電腦或桌上型電腦繼續執行智慧體或創作應用，推論負載不佔用個人電腦。第三，工作增長時再擴展：當單個任務超出一台機器的能力，兩台 64GB 機器透過 200 GbE 網路連接，記憶體匯合為 128GB，同樣的工作流無需改動軟體環境即可執行。 四、對開發者和產業的意義 以下是我們的分析，不是 NVIDIA 的原話。第一，價格門檻。4,999 美元的起售價讓個人開發者、研究者和小團隊有了更容易接受的入口，而且可以先買一台，需要時再買第二台。部落格沒有給出 128GB 版本的價格，因此兩者的差價不能從原文判斷。第二，隱私與成本。本地執行意味著模型和自有資料不必離開設備，也不必為每次任務租用雲端執行個體，這對處理敏感程式碼和文件的團隊有吸引力。第三，生態綁定。出廠預裝 NVIDIA 的智慧體工具包、CUDA-X 函式庫和 Nemotron 模型，同時相容 Ollama、vLLM 等開源執行環境，NVIDIA 一邊降低上手成本，一邊鞏固 CUDA 生態。 需要保持清醒的地方也不少。64GB 的容量決定了單機能跑多大的模型和多長的上下文，部落格稱最高 1000 億參數，但沒有說明在什麼量化精度和上下文長度下成立。1.7 倍的結果只針對一個 27B 模型，換成其他模型和負載，結果可能不同。Model Launcher 和 Blender 安裝包都還是即將推出，上市後的實際體驗有待驗證。此外，部落格沒有揭露功耗、噪音和散熱表現，也沒有給出 128GB 版本的價格。選購前，團隊應當先估算自己常用模型的大小和上下文長度，再決定是買一台，還是一次買兩台。 五、上手路徑與展望 NVIDIA 給出的入門步驟很簡單：先下載受支援的推論框架，如 llama.cpp、Ollama、vLLM 或 LM Studio；再下載適合工作流的推薦本地模型；需要擴展時，用 ConnectX-7 連接埠連接兩台機器，啟動 NVIDIA Sync Cluster Assistant，由它配置網路並自動路由負載。想了解智慧體方案的開發者，可以去 build.nvidia.com 查看 NemoClaw、OpenClaw、Hermes Agent 和 OpenShell 的操作手冊。

展望來看，這次發布的訊號很明確：本地 AI 不再只是愛好者的玩具，而在被包裝成有清晰擴展路徑的開發平台。單機容量加上雙機叢集的組合，讓使用者可以先小後大。接下來值得關注的是 10 月 23 日上市後的真實價格與供貨、第三方對效能的獨立測試，以及本月底 Model Launcher 的落地情況。如果這些環節都兌現，64GB 版 DGX Spark 會成為本地智慧體開發的一個常見起點。