自發(fā)布以來，NVIDIA 通過持續(xù)的軟件優(yōu)化以及與軟件合作伙伴和開源社區(qū)的緊密協(xié)作，不斷提升基于 Grace Blackwell 架構(gòu)的DGX Spark的性能。這些舉措在推理、訓(xùn)練和創(chuàng)意工作流方面都取得了顯著的成效。

在 CES 2026 上，全新的 DGX Spark 軟件版本結(jié)合新的模型更新和開源庫，為 DGX Spark 以及基于 GB10 的 OEM 系統(tǒng)帶來了顯著的性能提升。

使用統(tǒng)一內(nèi)存和NVFP4本地擴展大模型

DGX Spark 專為大模型本地化應(yīng)用而設(shè)計，配備 128GB 統(tǒng)一內(nèi)存，并采用緊湊的桌面形態(tài)。兩臺 DGX Spark 系統(tǒng)互連可提供 256GB 的組合內(nèi)存，支持開發(fā)者能夠在本地運行更大的模型。

系統(tǒng)通過 ConnectX-7 網(wǎng)絡(luò)連接，提供 200Gbps 帶寬，實現(xiàn)高速、低延遲的多節(jié)點工作負載。

支持 NVIDIA NVFP4 數(shù)據(jù)格式，可使新一代模型大幅降低內(nèi)存占用，同時提升吞吐量。例如，在相同的雙 DGX Spark 配置上，使用 NVFP4 精度和推測解碼運行 Qwen-235B 模型，相比 FP8 執(zhí)行性能最高提升 2.6 倍。

使用 FP8 精度時，該模型會耗盡兩臺系統(tǒng)的組合內(nèi)存，從而限制多任務(wù)處理和整體響應(yīng)速度。將模型量化為 NVFP4 后，可將內(nèi)存使用量減少約 40%，同時保持高精度，使開發(fā)者能夠在獲得 FP8 等效結(jié)果的同時實現(xiàn)更高性能，并釋放足夠內(nèi)存以同時運行其他工作負載。最終使本地 AI 開發(fā)體驗更加響應(yīng)迅速且高效。

為創(chuàng)作者打造的強大桌面平臺

DGX Spark 不僅是 AI 開發(fā)者的卓越平臺，創(chuàng)作者也能充分利用其桌面級功能。

通過將 AI 工作負載轉(zhuǎn)移到 DGX Spark，創(chuàng)作者可以使自己的筆記本電腦或 PC 在內(nèi)容生成過程中保持響應(yīng)。

阿里巴巴的 Qwen-Image 等領(lǐng)先的擴散模型正利用 NVFP4 減少內(nèi)存占用，同時實現(xiàn)更高性能。

AI 視頻生成尤其適合 DGX Spark，因為它需要大量的內(nèi)存和算力。采用 NVFP8 優(yōu)化權(quán)重的音視頻生成模型相比上一代性能顯著提升，使高質(zhì)量視頻生成在桌面端成為可能。

DGX Spark現(xiàn)已納入NVIDIA認證系統(tǒng)計劃

NVIDIA 認證系統(tǒng)計劃用于驗證系統(tǒng)在廣泛加速圖形處理、計算和 AI 工作負載方面的性能表現(xiàn)。NVIDIA 認證系統(tǒng)為 AI 開發(fā)、桌面推理、數(shù)據(jù)科學(xué)、設(shè)計和內(nèi)容創(chuàng)作工作負載提供了可信的基礎(chǔ)，同時也對數(shù)據(jù)中心和云資源進行增強。

DGX Spark 和基于 GB10 的 OEM 系統(tǒng)現(xiàn)已納入該計劃，DGX Spark 及合作伙伴系統(tǒng)目前正在測試中。

快速上手

了解我們?nèi)绾螏椭_發(fā)者立即提高生產(chǎn)力，展示 Blackwell GPU 的可能性，包括：

Nemotron 3 Nano：本地運行 NVIDIA 高效的 30B 參數(shù) MoE 模型，以用于 LLM 實驗。

Live VLM WebUI：將網(wǎng)絡(luò)攝像頭畫面輸入數(shù)據(jù)流傳輸至視覺語言模型中進行實時分析，并利用 GPU 進行處理。

Isaac Sim / Lab：利用 GPU 加速的仿真與強化學(xué)習(xí)，構(gòu)建并訓(xùn)練機器人應(yīng)用。

SGLang 與 vLLM 服務(wù) Playbook：清晰的模型支持矩陣能夠顯示已測試與支持的模型及量化選項。

GPU 加速的量化金融與基因組學(xué) Playbook：與基于 CPU 的實現(xiàn)相比，這些工作流所需的代碼改動極少。

使用 PyTorch 微調(diào)：通過 FSDP 與 LoRA，在兩臺 DGX Spark 系統(tǒng)上分布式微調(diào)，支持參數(shù)最高達 70B 的 LLM。

簡單可靠、步驟清晰且實用的故障排除指南，已在最新 DGX OS 上驗證配置，能夠讓用戶減少設(shè)置時間，將更多時間用于構(gòu)建。

使用NVIDIA Brev隨時隨地訪問DGX Spark

借助NVIDIA Brev，用戶可以通過安全連接隨時隨地訪問 DGX Spark。Brev 讓開發(fā)者能夠輕松創(chuàng)建 AI 云實例，利用Launchables功能，實現(xiàn)一鍵即可配置 AI 環(huán)境。在 CES 上，Brev 的更新展示了注冊本地計算（如 DGX Spark）的能力。在 Brev 完成注冊后，用戶即可隨時隨地訪問 DGX Spark，并安全地與團隊共享訪問權(quán)限。

Brev 支持本地與云模型的混合部署。借助路由層，用戶可以將電子郵件或?qū)Ｓ袛?shù)據(jù)處理等敏感任務(wù)保留在運行于 DGX Spark 上的本地開源模型上，同時將一般推理任務(wù)路由至云端的前沿模型。實現(xiàn)細節(jié)可參閱 NVIDIA LLM Router 開發(fā)者示例。

Brev 對本地計算的支持將在 CES 上進行預(yù)覽，正式支持將于 2026 年春季推出。

打造專屬智能體

如需進一步探索，NVIDIA 與 Hugging Face 合作展示如何構(gòu)建個人桌面 AI 助手。使用 DGX Spark 搭配 Reachy Mini，用戶可以創(chuàng)建一個私有 AI 助手，在本地私密的處理數(shù)據(jù)。請參閱NVIDIA 與 Hugging Face 教程開始體驗。