Top.Mail.Ru

По техническим причинам заявки через сайт временно недоступны. Оставить заявку можно по телефону или через наши социальные сети.

8 800 500-99-26 Для звонков по России
DGX Spark и RTX Spark: одна платформа, разные задачи
Железо
3 мин

DGX Spark и RTX Spark: одна платформа, разные задачи

DigitalRazor
DigitalRazor
Подписаться в Telegram
Содержание 4 раздела
Краткое содержание Один чип Blackwell — две разные судьбы Где урезали бюджет: сеть и питание Тепловой бюджет ноутбука — главное ограничение RTX Spark
Подберём решение под ваш проект

Расскажите о задаче — предложим оптимальную конфигурацию и реализацию.

Обсудить проект
или свяжитесь с нами
Telegram Telegram WhatsApp WhatsApp ВКонтакте ВКонтакте MAX MAX

Есть проект? Напишите нам

Обсудим задачу и подберём оборудование

Обсудить проект

Nvidia разделила платформу Spark на два устройства с общей архитектурой Blackwell: DGX Spark — компактный настольный ИИ-сервер для разработчиков, RTX Spark (чип N1X) — платформа для ноутбуков и мини-ПК. Для закупщика разница принципиальная: один берут под дообучение моделей в офисе, второй — как переносной инструмент для локального инференса.

Краткое содержание

  • один и тот же графический блок на 6 144 ядра CUDA и заявленный 1 петафлопс в FP4 — у DGX Spark и у топовой версии RTX Spark (N1X);
  • DGX Spark получил 140 Вт на чип, сеть ConnectX-7 на 200 Гбит/с и кластеризацию до четырёх узлов;
  • RTX Spark урезан по питанию до 45–80 Вт и лишён кластеризации — из сетевых портов только 10 Гбит/с или Wi-Fi 7;
  • цена DGX Spark известна — около 4000 долларов, стоимость ноутбуков на RTX Spark производители назовут ближе к осени.

Один чип Blackwell — две разные судьбы

Оба устройства построены на 20-ядерном процессоре ARM (10 ядер Cortex-X925 и 10 Cortex-A725) и графике поколения Blackwell с 6 144 ядрами CUDA. На этом сходство заканчивается. DGX Spark — отдельный настольный блок размером с книгу под управлением линуксового DGX OS с предустановленными CUDA, PyTorch и TensorRT-LLM. RTX Spark — тот же класс кремния, но встроенный в ноутбуки и мини-ПК под управлением Windows 11 для ARM: партнёры — Acer, Asus, Dell, Gigabyte, HP, Lenovo, Microsoft и MSI. Старт продаж запланирован на осень 2026 года.

  • DGX Spark: 128 ГБ унифицированной памяти LPDDR5X, накопитель 4 ТБ NVMe с самошифрованием;
  • RTX Spark N1X в топовой версии — до 128 ГБ LPDDR5X, упрощённая версия того же чипа — 24–32 ГБ;
  • младший чип линейки — 10–12 ядер и 2 048–2 560 ядер CUDA для бюджетных устройств.

Где урезали бюджет: сеть и питание

DGX Spark несёт сетевую карту ConnectX-7 с двумя портами QSFP112 на 200 Гбит/с — это позволяет объединять от двух до четырёх блоков в кластер и запускать модели крупнее, чем помещается в память одного устройства. У RTX Spark такой возможности нет: максимум — один порт на 10 Гбит/с или Wi-Fi 7 у ноутбучных версий. Разница заметна и в питании: чип DGX Spark работает на 140 Вт при блоке питания в 240 Вт, у RTX Spark — 45–80 Вт, потому что кремнию нужно уместиться в тонкий корпус ноутбука. Отсюда и базовая частота: 1 665 МГц у DGX Spark против 741 МГц у RTX Spark — второму приходится почти всё время работать в турборежиме, чтобы приблизиться к паспортной производительности.

Тепловой бюджет ноутбука — главное ограничение RTX Spark

При долгой ИИ-нагрузке RTX Spark может терять 20–40% производительности из-за перегрева: тонкий корпус ноутбука не рассчитан на такой отвод тепла, как активное охлаждение настольного DGX Spark. Для разового запуска модели или короткого инференса разница не критична, но для дообучения и долгих батч-задач урезанный термопакет выходит на первый план. Меняется и программный стек: DGX Spark изначально заточен под связку CUDA и PyTorch, привычную инженерам, а RTX Spark ориентирован на Windows-экосистему и DirectML — зрелость инструментов здесь пока ниже.

Мнение DigitalRazor

Если нужен персональный ИИ-сервер для дообучения и экспериментов с моделями на 70–200 миллиардов параметров — берите DGX Spark: кластеризация до четырёх узлов и зрелый стек CUDA окупают более высокую цену. RTX Spark в ноутбуке — удобный инструмент для локального инференса в разъездах, но не замена рабочей станции: под серьёзную нагрузку мы рекомендуем закладывать в бюджет отдельный GPU-сервер, а не полагаться на тонкий термопакет ноутбука.

AMD Ryzen AI Halo
Для каких задач Запуск и дообучение больших языковых моделей до 200 млрд локально
Подробнее
Видеокарты
Radeon 8060S
Объем видеопамяти 64 ГБ
Процессоры
Ryzen AI Max+ 395
Количество ядер 16 Zen 5
RAM Объединена с VRAM
Форм-фактор SFF
NVIDIA DGX Spark
Для каких задач Запуск и дообучение больших языковых моделей до 200 млрд локально
Подробнее
Видеокарты
Grace Blackwell
Объем видеопамяти 128 ГБ
Процессоры
NVIDIA GB10
Количество ядер 20 Arm
RAM Объединена с VRAM
Форм-фактор SFF
NVIDIA RTX Spark
Для каких задач Запуск и дообучение больших языковых моделей до 200 млрд локально
Подробнее
Видеокарты
Grace Blackwell
Объем видеопамяти 128 ГБ
Процессоры
NVIDIA Grace
Количество ядер 20 Arm
RAM Объединена с VRAM
Форм-фактор Laptop
Подберём решение под ваш проект

Расскажите о задаче — предложим оптимальную конфигурацию и реализацию.

Обсудить проект
или свяжитесь с нами
Telegram Telegram WhatsApp WhatsApp ВКонтакте ВКонтакте MAX MAX
8.9К

Так же будет интересно почитать

Сайт использует cookies
Узнать подробнее