NVIDIA DGX Spark

Die NVIDIA DGX Spark ist das Referenz-Bürosystem für den NVIDIA GB10 Grace Blackwell Superchip, erstmals öffentlich im Januar 2025 unter dem Arbeitstitel Project DIGITS gezeigt, bevor es unter seinem endgültigen Namen ausgeliefert wurde. Als Plattform, die NVIDIA selbst entworfen, validiert und direkt weiter aktualisiert, vereint es 1 PetaFLOP FP4-KI-Leistung und 128 GB kohärenten einheitlichen Speicher in einem 1,2 kg leichten Gehäuse, das klein genug ist, um neben einer Tastatur auf dem Schreibtisch zu stehen.

Weil DGX Spark NVIDIAs eigenes Referenzdesign ist, ist es auch die Plattform, auf der neue GB10-Ökosystem-Fähigkeiten zuerst validiert werden. Nach NVIDIAs GTC-2026-Konferenz Ende März 2026 wurde der offizielle Support für 4-Knoten-RoCE-Clustering – wodurch eine einzelne Bereitstellung auf 512 GB gemeinsam genutzten einheitlichen Speichers erweitert wird – zuerst auf DGX Spark bestätigt, bevor er von Partnerhardware übernommen wurde, neben der bereits in der GB10-Serie standardmäßigen Direktverbindungsfähigkeit für 2 Einheiten.

Hardwarespezifikationen

Im Kern befindet sich der NVIDIA GB10 Grace Blackwell Superchip, der einen 20-Kern-Arm-Prozessor (10 × Cortex-X925-Leistungskerne + 10 × Cortex-A725-Effizienzkerne) mit einem GPU der Blackwell-Generation kombiniert, der Tensor-Cores der 5. Generation und native FP4-Sparsity-Unterstützung bietet. Verbunden werden beide durch 128 GB LPDDR5x-Einheitsspeicher mit 273 GB/s kohärenter Bandbreite, die zwischen CPU und GPU geteilt wird, wodurch der Kopier-Overhead entfällt, den separate CPU/GPU-Speicherpools normalerweise verursachen. Als Speicher dient eine 4 TB selbstverschlüsselnde PCIe Gen4 NVMe-SSD, ausgelegt für lokale Speicherung großer Modell-Checkpoints und Datensätze.

Software: Der vollständige NVIDIA-AI-Stack, vorinstalliert

DGX Spark wird mit NVIDIA DGX OS (Ubuntu 24.04 LTS) und dem vollständigen NVIDIA-AI-Softwarestack vorinstalliert und hardwarevalidiert ausgeliefert – CUDA, cuDNN, TensorRT und die NVIDIA-Container-Runtime sind beim ersten Start bereit. NVIDIA NIM-Microservices ermöglichen die Bereitstellung unterstützter Modelle als optimierte Inferenz-Container ohne manuelle Optimierung, und dieselben Container bleiben unverändert, wenn eine Workload später zu NVIDIA DGX Cloud oder einem DGX-Datacenter-System migriert wird. Ein kontinuierlich gepflegter Satz offizieller Playbooks deckt gängige Workflows ab – von vLLM- und TensorRT-LLM-Serving bis zum Fine-Tuning mit NeMo und Unsloth – und reduziert die Einrichtungszeit für Erstnutzer und Fortgeschrittene.

Für agentenbasierte KI-Workloads enthält DGX Spark NemoClaw, NVIDIAs sandboxierte Agenten-Ausführungsschicht. Sie erzwingt richtlinienbasierte Zugriffskontrolle für autonome Agenten, protokolliert deren Aktionen zu Audit-Zwecken und wurde in aktuellen DGX-OS-Updates für messbar schnellere lokale Agenten-Inferenz optimiert.

Konnektivität und Netzwerke

Die Netzwerkanbindung basiert auf einer NVIDIA ConnectX-7 Smart NIC mit dualen 200-Gbps-QSFP-Ports für direkte Einheitenverbindungen oder in größeren Bereitstellungen für die Anbindung an ein verwaltetes RoCE-Switch-Fabric. Zusätzliche Onboard-Konnektivität umfasst 10-GbE-Ethernet (RJ-45), Wi-Fi 7 und Bluetooth 5.4. Vier USB4-Type-C-Ports unterstützen DisplayPort-Ausgabe für lokalen Multi-Monitor-Betrieb – bis zu drei gleichzeitige Displays – neben HDMI, sodass dieselbe Einheit als Entwicklungsarbeitsstation und Always-On-Inferenzserver dient.

Unternehmensverwaltung und Sicherheit

DGX Spark unterstützt Air-Gap-Bereitstellungen für Umgebungen ohne Internetverbindung, einschließlich benutzerdefinierter ISO-Erstellung via Cloud-init und USB-basierter OS- und Treiber-Updates – ermöglicht die Bereitstellung und Wartung von Geräteflotten ohne externe Netzabhängigkeit. Der Speicher ist standardmäßig selbstverschlüsselnd, und die Plattform enthält TPM 2.0 und Secure Boot, was eine Sicherheitsbasis für regulierte, datensensitive Bereitstellungen bietet, bei denen die Verarbeitung vollständig On-Premises bleiben muss.

Skalierung: Einzel-, 2-Einheiten- und 4-Einheiten-Konfigurationen

Ein einzelner DGX Spark bedient problemlos Modelle mit bis zu etwa 200 Milliarden Parametern lokal. Für größere Modelle verbinden sich zwei Einheiten direkt über ConnectX-7-QSFP-Ports zu einem kombinierten 256-GB-Einheitsspeicherpool, und bis zu vier Einheiten können über ein verwaltetes 200-GbE-RoCE-Switch-Fabric zu einem kohärenten 512-GB-Pool verbunden werden – derselbe Clustering-Pfad, den NVIDIA auf der GTC 2026 validiert hat.

Ökosystem und langfristiger Skalierungspfad

Weil DGX Spark dasselbe DGX OS und denselben NVIDIA-AI-Softwarestack wie in NVIDIA DGX Cloud und DGX-Datacenter-Systemen ausführt, können lokal entwickelte Workloads – Container, NIM-Bereitstellungen, Fine-Tuning-Pipelines – ohne Änderungen übernommen werden, wenn der Wechsel vom Desktop-Prototyp zur größeren Produktionsbereitstellung ansteht.