DGX Spark 64GB выходит на рынок с ценой от $4999 и заявкой на локальный запуск моделей до 100 млрд параметров. Для русскоязычных разработчиков и компаний это не история про красивый мини-ПК на столе, а про попытку NVIDIA упаковать часть AI-инфраструктуры в коробку, которую можно купить у обычных вендоров.
NVIDIA анонсировала новую версию настольного AI-компьютера DGX Spark с 64 ГБ объединенной памяти, сообщает Habr / Новости. Продажи должны начаться 23 октября через Acer, ASUS, Dell, Gigabyte, HP и MSI. То есть это уже не только нишевая железка из фирменного магазина NVIDIA, а продукт, который компания выводит через привычный канал производителей рабочих станций и ПК.
Внутри DGX Spark 64GB используется чип GB10 Grace Blackwell, сетевой адаптер ConnectX-7, операционная система DGX OS и набор инструментов NVIDIA для разработки и запуска AI-сценариев. Главная техническая идея — объединенная память: CPU и графический ускоритель работают с общим адресным пространством, без постоянной перекладки данных между оперативной памятью и видеопамятью. Для больших моделей это не косметика, а способ снять один из самых неприятных бытовых лимитов локального инференса.
NVIDIA заявляет, что один такой компьютер сможет запускать модели размером до 100 млрд параметров. Важная оговорка: это не универсальная магическая цифра. Реальный предел будет зависеть от архитектуры модели, длины контекста, формата весов и используемого квантования. Модель можно ужать, но за это часто приходится платить точностью, скоростью или качеством ответа. Разработчики, которые уже гоняли LLM на локальных GPU, эту арифметику знают слишком хорошо.
Из коробки обещана поддержка PyTorch, Ollama, vLLM, llama.cpp, LM Studio, NVIDIA Agent Toolkit и CUDA-библиотек. Такой набор прямо показывает целевую аудиторию: не домашние энтузиасты, которым хочется поболтать с локальной моделью, а команды, которые собирают прототипы агентов, тестируют инференс, дообучают модели, обрабатывают данные и хотят держать часть AI-нагрузки рядом с собой. Причины могут быть разные: задержки, стоимость облака, приватность данных или простая необходимость работать без постоянного доступа к внешней инфраструктуре.
Еще одна ставка NVIDIA — кластеризация двух устройств. Пару DGX Spark можно соединить напрямую через ConnectX-7, после чего Sync Cluster Assistant настроит сеть и объединит по 64 ГБ памяти каждого компьютера в конфигурацию на 128 ГБ. По данным компании, такая связка рассчитана на запуск моделей до 200 млрд параметров. В тесте с Qwen 3.8 27B два устройства показали ускорение до 1,7 раза относительно одного. Это хороший результат, но не удвоение: распределенные вычисления по-прежнему требуют платы за синхронизацию и обмен данными.
В конце октября NVIDIA также планирует выпустить Sync Model Launcher. Инструмент должен упростить запуск Qwen 3.8 27B на одном устройстве или кластере и подключение модели к OpenCode. Для команд это важнее, чем кажется: железо само по себе не продает продуктивность. Если настройка окружения, драйверов, библиотек и сетевого взаимодействия занимает дни, настольный AI-компьютер быстро превращается в дорогой лабораторный экспонат. NVIDIA явно пытается продавать не только коробку, но и готовый маршрут от распаковки до рабочего сценария.
Самая любопытная часть анонса — цена. Новая версия с 64 ГБ памяти стартует с $4999. При этом оригинальный DGX Spark со 128 ГБ в американском магазине NVIDIA указан за $4699, хотя сейчас недоступен. Получается странная картина: партнерская версия предлагает вдвое меньше памяти и стоит как минимум на $300 дороже. Разница может объясняться накопителями, комплектацией, поддержкой конкретных производителей и доступностью, но назвать DGX Spark 64GB бюджетным входом в локальный AI сложно.
Для бизнеса главный вопрос не в том, заменит ли такой компьютер облако. Не заменит, особенно если речь о масштабном обучении или массовом инференсе. Но он может закрыть промежуточную зону: локальные эксперименты с крупными моделями, разработку агентных сценариев, демонстрации для заказчиков, работу с чувствительными данными и круглосуточные внутренние сервисы, которым не нужна эластичность большого облака. Для стартапа или R&D-группы $4999 — заметная, но не фантастическая сумма, если устройство сокращает несколько месяцев возни с инфраструктурой.
В российском контексте у истории есть отдельный слой. Официальная доступность, логистика, гарантия и итоговая цена у реселлеров почти наверняка окажутся важнее рекомендованных $4999. Поэтому DGX Spark 64GB интересен не как массовый компьютер для каждого ML-инженера, а как маркер рынка: локальный AI постепенно выходит из режима самосборных стендов и переезжает в формат готовых рабочих станций. Следующий спор будет не о том, можно ли запускать крупные модели на столе, а о том, кому выгоднее держать их рядом, а кому все еще проще платить облаку.