DGX Spark kuuluu harvinaiseen tuoteryhmään: se on kokonainen NVIDIA-alusta suurten paikallisten mallien ja agenttityökuormien ajamiseen työpöydällä eikä vain palvelintelineessä. Rakentajan tai ostajan kannalta hyödyllinen kysymys ei ole, onko laite ”supertietokone”. Olennaista on, vastaavatko sen laitteisto, ohjelmisto ja verkkoyhteydet sellaista yksityisen tekoälyn tehtävää, jonka ylläpitoon organisaatiolla on osaamista ja vastuuhenkilöt.
Artikkeli perustuu NVIDIAn julkaisemaan tuotekuvaan. Dokumentaatio tarkistettiin uudelleen DGX Spark -tuotesivulta ja julkaisutiedoista (tarkistettu 2026-08-04), minkä jälkeen tiedot suhteutettiin agenttien ja pk-yritysten päätöksiin. Muut artikkelit käsittelevät paikallisen inferenssin todellisuutta, kahden Sparkin yhdistämistä ja NemoClaw-agenttien hiekkalaatikointia.
Käsittele virransyöttöä, jäähdytystä, verkkoa ja fyysistä pääsyä ensisijaisina hallintakeinoina. Työpöydälle sijoitettava inferenssilaite, jossa on SSH, kontteja ja agenttityökaluja, on infrastruktuuria. Väärin määritetty verkko tai liian laajat työkaluoikeudet saanut agentti voi siirtää tietoja tai suorittaa komentoja vastoin tarkoitustasi.
Mitä NVIDIA toimittaa (tiedot, ei iskulauseita)
NVIDIA asemoi DGX Sparkin GB10 Grace Blackwell Superchipiin perustuvaksi pöytäjärjestelmäksi. Suunnittelun kannalta olennaiset NVIDIAn ilmoittamat tiedot ovat seuraavat:
| Alue | NVIDIAn ilmoittama tieto |
|---|---|
| SoC | NVIDIA GB10 Grace Blackwell |
| CPU | 20-ydin Arm (10× Cortex-X925 + 10× Cortex-A725) |
| Muisti | 128 Gt LPDDR5x, koherentti yhtenäinen järjestelmämuisti |
| Huippu-AI-suorituskyky | Jopa 1 PFLOP FP4:llä (valmistajan huippu; riippuu työkuormasta) |
| Tallennus | Jopa 4 Tt NVMe (riippuu kokoonpanosta) |
| Verkko | 10 GbE RJ-45; ConnectX-7 NIC @ 200 Gbps (QSFP) |
| Langaton | Wi-Fi 7; Bluetooth 5.4 |
| Muototekijä | Kompakti pöytäyksikkö (~150 × 150 × 50,5 mm NVIDIAn/FACTS-pakkausmerkintöjen mukaan) |
| Ohjelmistopohja | DGX OS |
Kaksi suunnitteluratkaisua muodostaa tuotteen ytimen:
- Koherentti yhtenäismuisti: CPU ja GPU jakavat yhden suuren muistialtaan erillisen GPU:n VRAM-muistin ja isäntäjärjestelmän RAM-muistin sijaan. Tähän perustuu NVIDIAn viesti ~200B-parametriluokan mallien ajamisesta yhdellä laitteella: työjoukko voi mahtua 128 Gt:n koherenttiin muistiin kvantisoinnin, kontekstipituuden ja mallipalvelupinon asettamissa rajoissa.
- ConnectX-7 nopeudella 200 Gbit/s: kaksi Sparkia tai pieni klusteri voidaan yhdistää työkuormia varten, jotka eivät mahdu yhdelle solmulle. NVIDIA dokumentoi tämän ConnectX-7-verkon ja klusteroinnin ohjeessa sekä kahden Sparkin yhdistämisohjeessa.
Älä tulkitse ilmauksia ”jopa 1 PFLOP FP4” tai ”jopa ~200B-parametriluokan mallit” läpimenotakuiksi. Ne ovat NVIDIAn ilmoittamia enimmäisominaisuuksia. Todellinen tokenimäärä sekunnissa, enimmäiskonteksti ja samanaikaisten agentti-istuntojen määrä riippuvat mallista, tarkkuudesta, eräkäsittelystä ja ohjelmistopolusta. Mittaa tulokset omalla kokoonpanollasi.
Hinta: älä keksi sitä
Vähittäis- ja jälleenmyyntihinnat muuttuvat. AI Expert ei siksi julkaise artikkelissa oletettua listahintaa.
- Tarkista ajantasaiset tarjoukset NVIDIAn DGX Spark -tuote- ja ostosivulta sekä valtuutetuilta jälleenmyyjiltä.
- Jos käytät sisäisessä liiketoimintaperustelussa kolmannen osapuolen hintaa, merkitse hinnan päivämäärä ja lähde. Eilinen keskustelupalstaviesti ei ole ostotilaus.
Kapitalikulut ovat vain osa kokonaiskustannuksista. Budjetoi myös sähkö, UPS- tai PDU-kapasiteetti, työpöydän tai telineen jäähdytys, varatallennustila, mallipalvelupinon, päivitysten ja arviointien vaatima työ sekä häiriötilanteista vastaavat ihmiset.
Mitä muuttui paikallisille agenteille
Ennen Spark-tyyppisiä järjestelmiä ”paikalliset agentit” tarkoittivat usein:
- Pieniä malleja kannettavan tai työaseman GPU:lla.
- Pilvi-API:ita kaikkeen, mikä tarvitsi pitkää kontekstia tai vahvempaa päättelyä.
- Itseisännöityjä klustereita, jotka muistuttivat pieniä datakeskuksia.
DGX Spark tiivistää toisenlaisen mallin:
| Ennen (tyypillinen pk-polku) | Spark-luokan pöytäjärjestelmillä |
|---|---|
| Arkaluonteinen työ → yritys-SaaS tai VPC | Arkaluonteiset agenttiajot voivat pysyä lähiverkossa avoimen painon malleilla |
| Paikallinen = 7B–70B-luokka kuluttaja-GPU:illa | NVIDIAn viesti: ~200B-luokka yhdellä solmulla (riippuu tarkkuudesta ja mallipalvelusta) |
| Useita GPU:ita = palvelinhuoneprojekti | Kaksi yksikköä + QSFP hajautettuun mallipalveluun tai suurempiin malleihin |
| Agentit pilvipalvelimilla, joista tieto voi siirtyä ulos | Agentit ja inferenssi samalla yksityisellä laitteella; hiekkalaatikkokäytäntö tarvitaan silti |
Strateginen muutos koskee tietojenkäsittelyrajaa, ei taianomaisesti parempaa laatua. Kehotteet, työkalujen tulosteet ja yksityiset aineistot voidaan pitää poissa kolmansien osapuolten koulutusputkista, jos ylläpidät ja päivität laitteen sekä rajaat agentin oikeudet. Tietosuoja syntyy käyttöönotosta, ei laitteen kyljessä olevasta logosta. Yksityisen tekoälyn käyttöönottomallit auttavat sijoittamaan Sparkin SaaS-, VPC- ja hybridireitityksen rinnalle.
Mikä ei muuttunut:
- Isännöidyt huipputason mallit suoriutuvat edelleen paremmin monista vaikeista päättely- ja multimodaalitehtävistä.
- Vaikutuksiltaan merkittävät toimet edellyttävät edelleen arviointeja, lokitusta ja ihmisen hyväksyntää.
- Komentoriviä, selainta ja viestintäkanavia käyttävä agentti on edelleen tietoturvariski. Paikallinen inferenssi ei poista kehoteinjektioita tai työkalujen väärinkäyttöä.
Kenelle se sopii
Käytä päätöskriteerejä, älä persoonaan nojaavaa iskulausetta.
Vahva sopivuus, kun useimmat näistä pitävät:
- Tietoluokitus edellyttää, ettei luottamuksellinen tai rajoitettu työ poistu ympäristöstäsi kyseisessä käyttötapauksessa.
- Tarvitset jatkuvasti käynnissä olevia tai lyhyen viiveen agenttisilmukoita yksityisessä lähiverkossa.
- Tiimissä joku osaa ylläpitää Linuxia, kontteja, SSH-yhteyksiä ja mallipalvelua, tai hankit tämän osaamisen muualta.
- Hyväksyt vastuun laitteiston koko elinkaaresta: laiteohjelmisto, DGX OS -päivitykset, tallennustila ja fyysisen pääsyn valvonta.
- Haluat polun yhdestä solmusta pieneen monisolmuklusteriin hyppäämättä suoraan täyteen GPU-telineeseen.
Heikko sopivuus, kun:
- Työkuorma on purskeinen tai satunnainen tai tarvitsee joka viikko aivan uusimman huipputason mallin.
- Kukaan ei vastaa ylläpidosta esittelyvaiheen jälkeen.
- Tarvitset joustavasti skaalautuvaa monialuekapasiteettia tai hallinnoituja palvelutasosopimuksia.
- Hankinta haluaa pelkästään käyttökuluihin perustuvan pilvipalvelun, toimittajan BAA-sopimuksen eikä lainkaan paikallista laitteistoa.
Osta Spark, kun tietojenkäsittelyraja ja paikallisen agentin viivevaatimus oikeuttavat kapitalikulut ja ylläpitovastuun. Älä osta sitä vain ”pysyäksesi tekoälyn kehityksessä mukana” ilman nimettyä työkuormaa, tietoluokkaa ja vastuuhenkilöä.
Kuka sitä ylläpitää
Pidä ostaja ja ylläpitäjä erillisinä rooleina myös viiden hengen yrityksessä.
| Rooli | Vastuu |
|---|---|
| Liiketoiminnan omistaja | Käyttötapaus, tietoluokka, onnistumismittari, budjetti |
| Alustan omistaja | OS, verkko, varmuuskopiot, pääsynhallinta, päivitykset |
| Mallin omistaja | Mallipalvelupino, kvantisointi, arvioinnit, palautus |
| Agentin omistaja | Työkalut, kanavien sallintalistat, ihmisen hyväksyntäportit |
Jos yksi henkilö vastaa kaikista neljästä roolista, rajaa ensimmäinen tuotantokäyttö yhteen mallipäätepisteeseen, yhteen agentin käyttöliittymään ja yhteen lokituspolkuun.
Tarvittava ylläpitokyky
Spark muistuttaa enemmän pientä palvelinlaitetta kuin kannettavan tietokoneen LLM-sovellusta. Varaudu seuraaviin tarpeisiin:
- Uudelleenkäynnistys- ja päivitysikkunat DGX OS- tai ajurimuutosten jälkeen.
- Levyn kasvu mallipainoista, konttikerroksista ja agenttilokeista.
- Nimetty henkilö, joka osaa tulkita
nvidia-smi:n, konttilokit ja epäonnistuneen terveystarkistuksen klo 09:00. - Fyysinen hallinta: kuka saa irrottaa, levykuvata tai viedä pois järjestelmän, jonka tallennustilassa voi olla yksityisiä malleja, kehotteita ja lokeja.
Jos tätä ylläpitokykyä ei ole, käytä toistaiseksi yritystason SaaS-palvelua tai hallinnoitua VPC-inferenssiä. Laitteisto ilman vastuuhenkilöä muuttuu auditoimattomaksi varjojärjestelmäksi.
Vertailukatsaus päätöksenteon tueksi
| Vaihtoehto | Vahvuus | Pääkustannus |
|---|---|---|
| Kuluttaja- tai yritystason SaaS | Ominaisuudet nopeasti käyttöön, vähän ylläpitoa | Ulkoinen käsittelyraja ja toimittajan ehdot |
| Pilvi-GPU tai hallinnoitu inferenssi | Joustava kapasiteetti ilman paikallista laitteistoa | Jatkuvat käyttökulut sekä tiedonsiirron ja sijainnin suunnittelu |
| Itseisännöity GPU-palvelin | Joustava skaalautuvuus | Palvelinteline, sähkö ja koneoppimisympäristön ylläpito |
| DGX Spark | Suuri paikallinen muisti, NVIDIAn ohjelmistopolku ja QSFP-klusterointi | Kapitalikulut, ylläpitovastuu sekä mallin ja mallipalvelun rajat |
Spark kilpailee yksityisen työaseman tai pienen klusterin kanssa, ei rajattomasti skaalautuvan pilven kanssa. Monelle pk-yritykselle perusteltu ratkaisu on hybridi: SaaS julkiseen ja sisäiseen työhön, Spark tai VPC luottamukselliselle agenttipolulle. Sama kokonaisuusajattelu pätee itseisännöidyn ja isännöidyn inferenssin vertailuun.
Mitä ”paikalliset agentit” tarvitsevat SoC:n lisäksi
Sparkin ostaminen ei anna valmista agenttia. Yksityisen agentin vähimmäispino tarvitsee edelleen:
- Mallipalvelun päätepisteen, joka on usein OpenAI-yhteensopiva, todennettu ja käytettävissä vain yksityisen rajapinnan kautta.
- Agentin ajoympäristön, jossa työkalut ja kanavasäännöt on määritelty täsmällisesti; vaihtoehtoja ovat OpenClaw, Hermes, oma sovellus tai NemoClaw-hiekkalaatikko.
- Käytännön, joka määrittää, mitä agentti saa lukea, mihin se saa muodostaa ulkoisia yhteyksiä ja mitkä toimet edellyttävät ihmisen hyväksyntää.
- Havainnoitavuus: pyyntölokit, malliversio, epäonnistumisaste ja palautuspolku.
NVIDIAn ekosysteemi, kuten DGX OS, toimintaohjeet, NemoClaw/OpenShell ja Sync, lyhentää käyttöönottopolkua. Se ei poista edellä kuvattuja tuotepäätöksiä. Ne ohittava tiimi voi saada vaikuttavan esittelyn, jota ei voi luovuttaa tuen tai vaatimustenmukaisuudesta vastaavien käyttöön.
Hankinta- ja käyttöönottotarkistuslista
- Nimeä ensimmäinen työkuorma, kuten tukipyyntöjen luokittelu, sisäinen tutkimus tai ylläpitoagentti. ”Yleinen tekoäly” ei ole riittävä määritelmä.
- Luokittele data, joka tulee kehotteisiin, työkaluihin ja lokeihin.
- Vahvista fyysinen sijainti: virtapiiri, jäähdytys, varkauksien ehkäisy, pääsynhallinta ja varavirta, jos käytettävyys on tärkeää.
- Vahvista verkkosuunnitelma: hallinta 10 GbE/Wi-Fi:llä; nopea polku ConnectX-7:llä vain klusteroitaessa.
- Nimeä alustan ja agentin omistajat ennen pakkauksen avaamista.
- Suunnittele mittarit: viive, laatuarvioinnit ja epäonnistumisaste. Pelkkä ”se vastasi” ei riitä.
- Suunnittele palautuspolku pilveen tai SaaS-palveluun siltä varalta, että paikallinen malli tai laite ei ole käytettävissä.
- Lue NVIDIAn ajantasainen tuotesivu ja DGX Sparkin käyttöopas uudelleen ostopäivänä. Laiteohjelmisto- ja lisävarusteluettelot muuttuvat.
- Päätä, tarkoittaako ensimmäisen kuukauden onnistuminen toimivaa mallipäätepistettä vai sitä, että yksi hiekkalaatikossa toimiva agentti suorittaa nimetyn työnkulun ja tuottaa lokit.
Älä tee tätä vielä
- Älä mitoita kapitalikuluja päiväämättömän blogikirjoituksen tok/s-kaavion perusteella.
- Älä laita tuotannon asiakastunnuksia rajoittamattomaan agenttiin ”kokeillaksesi Sparkia”.
- Älä ohita klusterointidokumentteja ja syytä sitten kaapelia, kun NCCL jumittuu.
- Älä oleta, että Wi-Fi 7 korvaa ConnectX-7:n hajautetussa inferenssissä.
- Älä tulkitse NVIDIAn ~200B-parametriluokan yhden solmun viestiä lupaukseksi, joka koskisi jokaista avointa malliversiota täydellä tarkkuudella ja pitkällä kontekstilla.
Minne seuraavaksi
- Paikallisen inferenssin todellisuus Sparkissa: muisti, mallipalvelupinot, vikatilat ja tilanteet, joissa pilvi on edelleen parempi.
- Kahden DGX Sparkin yhdistäminen: QSFP, SSH, RoCE, Cluster Assistant ja palautus.
- NemoClaw-agenttien hiekkalaatikointi Sparkissa: OpenShellin käytäntökerrokset ja Express Install.
DGX Spark on konkreettinen yksityisen laskennan vaihtoehto, jolla on julkaistut tekniset tiedot ja dokumentoitu klusterointipolku. Se kuuluu arkkitehtuuriin silloin, kun tietojenkäsittelyraja ja agenttityökuorma ovat todellisia ja joku vastaa laitteen ylläpidosta myös pakkauksen avaamisen jälkeen.
