英伟达推出64GB版DGX Spark，将于10月23日由多家厂商销售，起价4999美元。该设备可在本地运行最高约1000亿参数模型，支持双机扩展至128GB内存池并借助Sync工具部署跨机模型与智能体工作流。
英伟达10月2日宣布，DGX Spark将在10月推出64GB统一内存版本，由Acer、ASUS、Dell、Gigabyte、HP和MSI等合作厂商销售。新配置保留GB10 Grace Blackwell Superchip、DGX OS和完整的NVIDIA AI软件栈，起售价为4999美元，计划于10月23日开售。
这款设备面向希望在本地运行AI模型和智能体的开发者、研究人员及AI爱好者。英伟达称，64GB版本可以在设备上运行最高约1000亿参数的模型，适用场景包括智能体开发、推理、微调、数据科学和边缘开发。
64GB配置把本地AI的门槛进一步下移
DGX Spark的核心并非传统意义上的桌面显卡，而是一套将Grace Blackwell计算平台、统一内存、ConnectX-7网络和CUDA加速软件栈整合在一起的个人AI计算设备。英伟达产品页将其定位为用于创建、测试和验证AI模型，以及构建AI智能体和AI应用的平台。
新推出的64GB版本与此前的128GB版本使用相同的GB10 Grace Blackwell Superchip和软件栈，但由合作厂商提供，价格低于更大内存配置。对需要处理本地文件、代码、模型权重和上下文的开发者而言，统一内存可以减少CPU与GPU之间的数据搬运，也让设备更适合承载长时间运行的本地推理或智能体任务。
不过，“支持最高1000亿参数模型”是英伟达基于特定模型、量化方式和软件环境给出的能力描述，并不意味着所有1000亿参数模型都能在相同速度和上下文长度下运行。实际体验仍会受到模型架构、量化精度、系统开销、上下文窗口和并发任务数量影响。
两台设备可组成128GB内存池
英伟达同时强调了64GB设备的扩展路径。两台DGX Spark可以通过QSFP线缆连接，并使用NVIDIA Sync Cluster Assistant自动检测设备、验证配置和设置ConnectX-7网络，将内存池扩展至128GB，支持最高约2000亿参数的模型。
英伟达表示，双机配置不仅将可用内存翻倍，也能提供两倍内存带宽。在公司的Qwen 3.8 27B测试中，两台64GB设备组成的集群性能最高约为单机的1.7倍。
这一数字需要放在限定条件下理解。它是英伟达针对Qwen 3.8 27B特定测试得出的厂商结果，使用的是“最高约1.7倍”的表述，目前没有看到独立第三方对同一配置、同一模型和同一工作负载的复测。因此，1.7倍不应被理解为适用于所有模型和任务的普遍性能提升。
英伟达还计划在本月底推出NVIDIA Sync Model Launcher，帮助用户在单台设备或双机集群上部署Qwen 3.8 27B，并通过Sync自动配置跨设备运行。该工具还将设置OpenCode，让开发者可以从浏览器开始编码工作流。
从运行模型转向运行完整的智能体工作流
DGX Spark预装或支持NVIDIA Agent Toolkit、CUDA-X AI库、Nemotron开放模型，以及Ollama、vLLM和带CUDA的PyTorch等运行时。英伟达表示，设备可以从开机后较快进入模型运行和智能体开发状态，而不是要求用户自行搭建完整的驱动、框架和推理环境。
这条路线与AI应用从云端逐渐向本地设备扩展的趋势相呼应。AIFlux此前报道的Perplexity本地优先Agent Portable Computer也将DGX Spark作为首发硬件平台，尝试把模型、编排器、工具路由和沙箱放在用户设备上运行，再根据授权把搜索或更强推理任务交给云端。
本地部署并不等于完全离线。需要实时网页信息、外部连接器或更强模型的任务，仍可能依赖云服务；而本地运行也会把成本从按token付费，部分转移到设备采购、电力、散热、存储和软件维护上。对于企业用户，数据留在本地的好处还必须与权限管理、日志审计和智能体误操作风险一并评估。
与此同时，软件栈正在成为本地推理体验的重要组成部分。Hugging Face近期让Transformers直接运行部分llama.cpp量化模型的尝试，显示本地AI的竞争已不只是比较芯片峰值算力，也涉及模型格式、量化、内核、服务接口和应用集成。
供应商交付仍是下一步观察重点
英伟达称，64GB版DGX Spark将于10月23日由上述合作厂商开售，起价4999美元。由于产品由不同厂商提供，具体配置、存储容量、散热设计、地区供应和最终价格仍可能存在差异，实际供货应以厂商页面为准。
这款产品的意义，在于英伟达试图把原本集中在云端或数据中心的部分AI开发能力，压缩到开发者桌面上的一台设备中。64GB单机降低了进入门槛，双机Sync则提供了从个人工作站向小型本地集群扩展的路径。
但它能否成为稳定的“个人AI超级计算机”，仍要看上市后的真实表现：包括不同量化模型的兼容范围、双机通信开销、长时间运行时的功耗和散热、开发工具的成熟度，以及独立测试能否重复英伟达公布的性能结果。