它是什么
NVIDIA DGX Spark 是一台个人 AI 超级计算机，体积只有一本厚平装书大小——一个 150 mm 的铝制立方体，围绕 NVIDIA 的 GB10 Grace Blackwell Superchip 打造。它将一颗 20 核 Arm CPU 与一颗 Blackwell GPU 封装于同一颗芯片上，挂载 128 GB 统一内存，并运行 NVIDIA 自家的 DGX OS，让完整的 CUDA 软件栈开箱即用。售价 3,999 美元（在 2026 年初内存涨价后已接近 4,699 美元），它在任何通常意义上都不是一台迷你 PC。它是一台开发者工作站，用于在你的桌面上运行和微调大语言模型，而非租用云端 GPU。
这是参考版 GB10 机器——其他每个厂商的变体都以这台 Founders Edition 为标尺衡量。如果你在对比 ASUS Ascent GX10 或任何其他 Grace Blackwell 桌面机，这就是基准。它同时也是即将面世的消费级 ASUS ProArt RTX Spark 迷你 PC 的已上市姊妹机型，后者将同一 GB10 级别的芯片重新打磨，面向不同的受众。
它适合做什么：本地 AI 与 LLM 开发
DGX Spark 的存在只为一项工作，而且它做得很好：在本地运行大模型，无需云账户。
- 本地 LLM 推理。 128 GB 统一内存意味着你可以将高达约 2,000 亿参数（量化后）的模型完全加载到设备上。一个 4-bit 的 70B 模型可舒适地驻留在内存中，还能留出长上下文窗口的空间。
- 微调与原型开发。 那些原本需要租用 A100 的 LoRA 和 QLoRA 微调任务，都能在这台机器上跑起来。它是一个真正的 CUDA 开发环境，而非模拟层。
- 从第一天起即原生 CUDA。 与 Apple Mac Studio 或 AMD Ryzen AI Max 机器不同，DGX Spark 运行的正是你在生产环境部署所用的同一套 CUDA、cuDNN、TensorRT 和 NIM 软件栈。在这里写好的代码可原封不动地迁移到 DGX 服务器上。
- 轻度创作和办公使用。 DGX OS 是一个桌面 Linux，因此它能处理浏览器、终端和创意工具——但请把这当作附赠，而非重点。
Tom’s Hardware 总结得很到位：一个样样精通的 AI 沙盒，在对开发者真正重要的工作负载上击败了 AMD 的 Ryzen AI Max+ 395。
GB10 超级芯片与统一内存
GB10 Grace Blackwell Superchip 是整个故事的核心。NVIDIA 用 NVLink-C2C 这条远比 PCIe 宽得多的相干互联，将一颗 Grace 级 CPU（10× Cortex-X925 性能核心 + 10× Cortex-A725 能效核心）与一颗 Blackwell GPU 粘合在一起。该 GPU 搭载第 5 代 Tensor Cores 和第 4 代 RT cores，提供 1 PetaFLOP 的 FP4 算力（1,000 TOPS）。
由于 CPU 和 GPU 共享一个 128 GB LPDDR5x 相干内存池，无需跨 PCIe 总线复制张量，也无需在 VRAM 和系统 RAM 之间拆分模型。GPU 可直接寻址全部 128 GB。这个统一内存池正是为什么一台不足 2 升的小机器能容纳一个 200B 参数的模型——这样的模型在别处需要多块独立 GPU 才能装下。
做工、连接性与集群
机箱借鉴了大号 DGX Station 那金色的”奶酪刨”前脸，缩小到 1.2 kg。它可横放也可竖放，由一个 240 W 外置电源供电（GB10 本身额定 140 W TDP）。
连接性体现出它面向开发者的意图：
- ConnectX-7 网卡，配 2× 200 Gbps QSFP 端口——这是招牌特性。你可以将两台 DGX Spark 直接连成一个 256 GB 集群，运行单台机器装不下的大模型。
- 10 GbE RJ-45，Wi-Fi 7，Bluetooth 5.4
- 4× USB-C，1× HDMI 2.1a，通过 USB-C 最多支持 3× DisplayPort
- 4 TB 自加密 NVMe —— 快速、安全，但属焊死级别：并非用户可自行更换的盘位
能把两台 DGX Spark 组成集群吗？
可以——ConnectX-7 双 200GbE 互联结构正是为此而生。两台机器绑定后可提供 256 GB 统一内存，用于 400B 参数级别的模型。这是选择 NVIDIA 这台机器而非 Mac Studio 的最大单一理由：集群路径是原生的，而非靠魔改。
内存带宽——现实世界的天花板
这是实话部分。DGX Spark 的内存带宽是 约 273 GB/s，而这——而非算力——才是限制因素。
LLM 的 token 生成速度几乎与内存带宽呈线性关系。Mac Studio 约 546 GB/s 的带宽几乎是 Spark 的两倍，这意味着在同一模型上每秒 token 更高。RTX 5090 的 GDDR7 则完全是另一个量级。所以尽管 DGX Spark 能装下一个 5090 装不下的 200B 模型，但在任何能塞进其较小 VRAM 的模型上，5090 生成 token 都更快。
要点是：DGX Spark 为容量和 CUDA 保真度优化，而非原始吞吐。它是那种用来回答”我到底能不能跑通并迭代这个巨大模型”的机器，而不是”我桌上最快的交互式聊天机器人是什么”的机器。Tom’s Hardware 和 ServeTheHome 的评测者得出了相同的结论——带宽是其阿喀琉斯之踵，你买它时应当心知肚明。
价格与购买渠道
DGX Spark 于 2025 年 10 月以 3,999 美元 上市。一场全球内存短缺将渠道价格推高至 2026 年初，因此请按 3,999–4,699 美元 的区间做预算，视供货情况而定。它通过 NVIDIA 合作伙伴销售，并在 Amazon 上架；联盟链接对应的是 Founders Edition。
以这个价格，你买到的是 NVIDIA 的芯片、NVIDIA 的操作系统和 NVIDIA 的集群互联结构，作为一个受官方支持的整体软件包。像 ASUS Ascent GX10 这样的合作伙伴变体有时价格更低——如果散热和 SSD 代际对你比 Founders 品牌更重要，值得对比一下。
我们要提示的几点
对一台优秀但专用的机器，做出公允的评价：
- 273 GB/s 带宽限制 token 速度。 对于交互式单用户推理，一块高 VRAM 的独立 GPU 或一台 Mac Studio 在它们能装下的模型上可能感觉更快。
- DGX OS 是 Arm Linux，不是 Windows。 这是一个 CUDA 开发环境。如果你想要一台通用桌面机，这是错误的产品。
- 内存和存储均不可由用户升级。 128 GB 和 4 TB 就是你拥有的全部。请预先规划好配置。
- 价格波动。 上市后的加价意味着你可能要比 MSRP 多付几百美元。请留意上架信息。
结论
NVIDIA DGX Spark 是目前你能买到的最连贯的个人 AI 超级计算机——前提是你明白它是什么。GB10 Grace Blackwell 超级芯片、128 GB 统一内存、原生 CUDA 以及双 200GbE 集群，使它成为一个真正可在本地运行和微调高达 200B 参数模型的家园，并拥有通往云端 DGX 部署的清晰升级路径。
请清醒地认识 273 GB/s 的内存带宽：这是一台关乎容量与兼容性的机器，而非吞吐冠军。对于生活在 CUDA 中的 AI 开发者、研究人员和 ML 工程师而言，这个取舍恰到好处，DGX Spark 值得一个自信的推荐。对于想要一台快速通用桌面机、或追求单次聊天会话最大每秒 token 的人，请另寻他处——而如果你想要同样的芯片，在下单前请先对比 ASUS Ascent GX10。