NVIDIA DGX Spark to kompaktowy desktopowy superkomputer AI (wymiary 150 × 150 × 50,5 mm, masa 1,2 kg) opisywany jako kompletna platforma dla lokalnych, autonomicznych agentów. Jego sercem jest układ NVIDIA GB10 Grace Blackwell Superchip z 20-rdzeniowym procesorem Arm (10× Cortex-X925 + 10× Cortex-A725) oraz GPU w architekturze Blackwell z rdzeniami Tensor 5. generacji i rdzeniami RT 4. generacji.
System oferuje do 1 PFLOP obliczeń w precyzji FP4, 128 GB spójnej, zunifikowanej pamięci LPDDR5x o przepustowości 273 GB/s oraz 4 TB pamięci NVMe M.2 z szyfrowaniem. Pozwala uruchamiać modele do 200 mld parametrów w inferencji i dostrajać modele do 70 mld parametrów.
Wyposażony jest w kartę sieciową ConnectX-7 (200 Gb/s), która umożliwia połączenie do czterech systemów DGX Spark w celu pracy z modelami do 700 mld parametrów, a także Wi-Fi 7, Bluetooth 5.4 i port 10 GbE. Zastosowania obejmują prototypowanie, dostrajanie, inferencję, data science i tworzenie aplikacji brzegowych.
Akcelerator AI · pełni rolę: Obliczenia wysokiego poziomu, Wnioskowanie AI.
Do jakiej grupy należy NVIDIA DGX Spark i jak jest skonstruowany
Compute Modules to podkategoria komponentów sprzętowych dostarczających moc obliczeniową dla systemów robotycznych. Obejmuje komputery pokładowe, SBC, akceleratory AI, procesory embedded, moduły obliczeniowe GPU/NPU oraz inne jednostki przetwarzające dane z sensorów i wykonujące logikę sterowania. Moduły te są podstawą współczesnych robotów autonomicznych, humanoidalnych i percepcyjnych.
AI Accelerator to wyspecjalizowany komponent sprzętowy zaprojektowany do wydajnego wykonywania obliczeń związanych ze sztuczną inteligencją, w szczególności inferencji sieci neuronowych, przetwarzania wizji komputerowej i analizy danych sensorycznych. W robotyce akceleratory AI są używane do uruchamiania modeli percepcji, rozpoznawania obiektów, segmentacji obrazu, planowania i innych zadań wymagających wysokiej mocy obliczeniowej przy ograniczonych zasobach energetycznych. Mogą występować jako dedykowane układy NPU, TPU, VPU, GPU lub specjalizowane moduły embedded.
