NVIDIA DGX Spark
搭载NVIDIA GB10 Grace Blackwell Superchip与128GB统一内存,这款1.2公斤的迷你工作站能以240W功耗提供本地AI训练的千万亿次算力。其配备4TB NVMe SSD、万兆网口和Wi-Fi 7,在紧凑机身内实现了高速数据吞吐与多屏输出能力。最适合需要私有化部署大语言模型、进行本地推理与微调的AI研究人员和开发者。
概览
30秒速览
别把它当电脑,把它当成一张插了电的、能跑2000亿参数大模型的超级显卡。如果你不是AI研究员,买它就是浪费钱。
优缺点
优点
- 128GB统一内存,能本地运行200B参数大模型 99th
- 体积小巧,几乎不占桌面空间 87th
- 4TB NVMe固态和万兆网口,数据读写和传输飞快
- 连接性拉满,4个USB-C和200G网络端口是专业级配置
缺点
- 价格从四千多美元到天价,水太深
- CPU性能平庸,不适合通用计算任务
- 可靠性评分垫底,早期用户反馈有散热问题
- 8GB显存对图形和游戏来说就是个摆设
用户评价
用户评价
用户口碑如何随时间变化
独家依据客户实际撰写评价的时间--让你看到最初的好评是否持续。
基于 12 条带日期的客户评价,按日历季度分组。分期分析为英文。
实测数据
性能表现
最让我们意外的是它的内存带宽和容量。128GB的LPDDR5x内存,在我们的数据库里是绝对的顶级水准,跑大模型时数据吞吐量惊人,完全不会成为瓶颈。但CPU性能就比较尴尬了,这颗20核Arm芯片的原始算力只处于中下游水平,如果你需要做大量的数据预处理或传统编译工作,它甚至不如一台主流轻薄本。8GB的显存对于图形渲染来说也捉襟见肘,这直接解释了为什么它的游戏性能评分惨不忍睹,千万别想着拿它打游戏。
规格参数
完整规格参数
Processor
| CPU | Apple M2 |
| Cores | 20 |
| Frequency | 3.3 GHz |
Graphics
| GPU | NVIDIA RTX A1000 |
| Type | Discrete |
| VRAM | 8 GB |
| VRAM Type | GDDR6 |
Memory & Storage
| RAM | 128 GB |
| RAM Generation | DDR5 |
| Storage | 1000 GB |
| Storage Type | SSD |
Build
| Form Factor | mini |
| PSU | 240 |
| Weight | 3.1 kg / 6.9 lbs |
Connectivity
| USB-C Ports | 4 |
| USB Ports | 4 |
| HDMI | 1x HDMI |
| DisplayPort | 1x DisplayPort |
| Wi-Fi | Wi-Fi 7 |
| Bluetooth | Bluetooth 5.4 |
| Ethernet | 1x Ethernet |
System
| OS | Android 10 |
竞品对比
和苹果的Mac Studio M4 Max相比,DGX Spark是个偏科生。Mac Studio是更全面的创意工作站,CPU和GPU更均衡,能剪视频能写代码,而Spark把所有技能点都加在了AI推理的内存带宽上。如果你需要一台既能干活又能娱乐的机器,Mac Studio是更好的选择。但如果你明确需要本地运行超大参数模型,并且受够了云服务的延迟和费用,那Spark提供的128GB统一内存是Mac Studio给不了的。至于那些传统游戏台式机,比如联想Legion或惠普Omen,跟Spark完全不是一路人,它们的强项在Spark这里是最弱项,反之亦然。
| Spec | NVIDIA DGX Spark | Lenovo Legion 90Y6003JUS | MSI MEG Vision X AI VisXAI2NVZ9045 | Corsair VENGEANCE i7500 | HP OmniDesk M03-0054 | Skytech Legacy ST-LEGACY4-1788-B-AM |
|---|---|---|---|---|---|---|
| CPU | Apple M2 | Intel Core Ultra 9 | Intel Core Ultra 9 | Intel Core i9 14900KF | Intel Core Ultra 7 265 | AMD Ryzen 9 9950X |
| RAM (GB) | 128 | 64 | 64 | 32 | 16 | 64 |
| Storage (GB) | 1000 | 3072 | 2048 | 1000 | 1024 | 4096 |
| GPU | NVIDIA RTX A1000 | NVIDIA GeForce RTX 5080 | NVIDIA GeForce RTX 5090 | NVIDIA GeForce RTX 5080 | Intel Graphics | NVIDIA GeForce RTX 5090 |
| Form Factor | mini | mid-tower | mid-tower | mid-tower | mid-tower | mid-tower |
| Psu W | 240 | 1200 | 1300 | 1000 | 280 | 1200 |
| OS | Android 10 | Windows 11 Pro | Windows 11 Pro | Windows 11 Home | Windows 11 Home | Windows 11 Home |
| Compare | Compare | Compare | Compare | Compare |
| 产品 | CPU | GPU | RAM | 接口 | 存储 | 可靠性 | 用户口碑 |
|---|---|---|---|---|---|---|---|
| NVIDIA DGX Spark | 38 | 60.8 | 98.7 | 87.1 | 51 | 11.6 | 6.9 |
| Lenovo Legion 90Y6003JUS Compare | 97.5 | 88.9 | 96.4 | 91.7 | 96.4 | 70.5 | 84.2 |
| MSI MEG Vision X AI VisXAI2NVZ9045 Compare | 97.5 | 90.7 | 97.4 | 98.2 | 91.5 | 37.8 | 87 |
| Corsair VENGEANCE i7500 Compare | 94.2 | 88.9 | 87.5 | 98.9 | 63.9 | 32.5 | 91.7 |
| HP OmniDesk M03-0054 Compare | 89.5 | 46.9 | 54 | 98.6 | 57.3 | 70.5 | 99.1 |
| Skytech Legacy ST-LEGACY4-1788-B-AM Compare | 98.8 | 90.7 | 97.4 | 39 | 98.4 | 27.3 | 98.4 |
价格
性价比分析
这东西的定价是个谜。我们看到的价格从四千多美元一路飙到近六十万美元,跨度离谱。如果你能找到接近四千多美元的正常渠道价,那对于需要本地调试大模型的AI研究员来说,物有所值。但如果你看到的是后面那个六位数价格,赶紧跑,那根本不是卖给你的。目前来看,亚马逊上的价格相对靠谱,是入手的主要阵地。
Amazon.com.br 1 个报价 最低 R$29,379
Price History
了解更多
概述
NVIDIA DGX Spark 是个狠角色,它把数据中心级别的AI算力塞进了一个饭盒大小的机身里。这台小机器存在的唯一理由,就是让你在桌面上本地跑大模型训练和推理,不用再眼巴巴等着云端的GPU资源。它搭载的GB10 Grace Blackwell超级芯片和夸张的128GB统一内存,意味着你能玩转2000亿参数级别的模型,这在个人工作站里是独一份的体验。但别把它当成一台普通电脑,它是个纯粹的AI开发工具,而且价格标签能让你的钱包瞬间清醒。
常见问题
Q: 我能用它打游戏或者剪视频吗?
基本不能。它的8GB显存和Arm架构对游戏和主流视频剪辑软件优化很差,游戏性能评分是我们见过最低的一档。老老实实把它当AI工具用。
Q: 128GB内存能跑多大的模型?
理论上可以本地运行高达2000亿参数的模型。这比绝大多数云端单卡实例能处理的模型都要大,是它最核心的卖点。
Q: 它和普通的高配PC有什么区别?
普通PC的CPU和GPU是分离的,数据来回搬运效率低。DGX Spark的CPU和GPU共享128GB统一内存,大模型数据可以直接访问,避免了传输瓶颈,这是架构上的根本不同。
不适合的人群
如果你只是想找一台性能强劲的桌面电脑,用来写代码、做设计或者玩游戏,那这台机器完全不适合你。它的CPU性能平庸,游戏能力垫底,可靠性还有待验证。同样的预算,去买一台顶配的Mac Studio或者攒一台高性能PC,你会开心得多。
最终评价
DGX Spark不是给所有人准备的,甚至不是给大多数开发者准备的。它是一个高度特化的AI推理和微调工具,目标用户非常明确:需要频繁在本地调试大模型的AI工程师和研究者。如果你就是这个人群,并且能接受它平庸的CPU和几乎为零的游戏能力,那它就是你桌上最强大的个人AI超算。对于其他人,这只是一块昂贵又不好玩的砖头。