一年前，DGX Spark開始陸續出現在開發者的桌面上，NVIDIA給它的定位，是讓每一位開發者桌上都有一台AI超級電腦，學生、獨立開發者、AI愛好者都能在本地完成推理、微調、數據科學等工作。
一年過去了，桌面AI的使用方式也同步發生了變化，越來越多的開發者開始在本地運行智能體和中等規模的開源模型。
這種變化，首先來自代理式 AI，OpenClaw、Hermes等智能體框架也在快速走紅。OpenRouter的數據顯示，智能體已占到該平台80%的Token用量，每月消耗約27萬億Token，約為其他AI應用的4.5倍。智能體大量生成Token，也大量消耗Token，如果把一整個代碼庫交給智能體處理，輸入端的Token量就相當可觀。
與此同步發生的，是小模型在快速逼近前沿模型，半年前只有前沿模型才有的智能水平，如今在桌面上就能跑出來。NVFP4量化、新的模型架構、KV緩存效率提升和投機解碼等技術，正在讓本地模型變得更聰明，也跑得更快。
而且，出於數據隱私和Token成本的考慮，越來越多的用戶開始把一部分工作放回本地，這也帶動了DGX Spark和OEM廠商GB10系統的需求持續增長。
對於開發者而言，本地AI的價值，在於能夠自主決定哪些數據留在本地、哪些任務交給雲端。代碼庫、內部文檔這類敏感數據可以在本地處理，長時間運行的智能體也不必為每一次調用支付雲端Token費用，只把真正需要前沿模型的任務交給雲端，整體成本和數據安全都更可控。
面向這批用戶，NVIDIA近日推出DGX Spark 64GB版本，該產品將於10月23日起通過宏碁、華碩、戴爾、技嘉、惠普、微星等OEM合作夥伴上市，起售價4999美元。
由OEM合作夥伴推出的DGX Spark 64GB系統（圖片截取自NVIDIA官網）
值得注意的是，這一版本由OEM合作夥伴獨家提供，4999美元起售價對應2TB儲存配置，各家OEM還會推出不同的儲存和外觀設計。
128GB版DGX Spark Founders Edition繼續在售，定價為6950美元，兩檔記憶體配置可以覆蓋不同規模的開發需求。OEM合作夥伴擁有良好的供貨能力，開發者可以通過各家渠道選購適合自己的機型。
01 同一顆GB10
64GB版本與128GB版本採用同樣的GB10超級晶片，CPU、AI算力、273GB/s的記憶體頻寬，以及ConnectX-7網路均與128GB統一記憶體版本保持一致，區別只在記憶體容量。
在實際測試中，單台64GB版本與單台128GB版本運行Qwen3.8 27B模型時，推理性能基本一致。這意味著，只要模型能夠完整裝入64GB記憶體，用戶以更低的入門價格，就能獲得與128GB版本相同的推理表現。
平台一致，也意味著軟體和生態完全通用。DGX Spark預裝NVIDIA AI軟體棧，從底層的CUDA和CUDA-X AI，到NVIDIA Agent Toolkit、Nemotron模型、Cosmos、Metropolis以及NVIDIA AI Enterprise，再往上是OpenAI、Meta、Mistral AI、Qwen、ComfyUI、vLLM、Anaconda等眾多生態夥伴提供的模型、框架和工具，開發者在64GB版本上可以直接沿用這套環境。
02 裝得下主流模型，也預留了上下文空間
單台DGX Spark 64GB可支持最高1000億參數的模型，系統約占用8GB，剩餘約56GB可用於模型權重和KV緩存。在NVFP4的4比特量化下，Gemma 4 26B-A4B約占15GB，Qwen3.8 27B約占16.5GB，Qwen3.6 35B-A3B約占21GB，裝下模型後仍有35GB至41GB的空間留給KV緩存，足以支撐較長的上下文輸入。
KV緩存可以理解為模型的「短期記憶」，上下文越長、並發越多，所需的KV緩存就越大。對於智能體而言，一次任務往往要讀入大量代碼、文檔和工具返回結果，留給KV緩存的空間越充裕，智能體能處理的上下文就越長，這也是64GB版本在裝下模型之外，還要保證足夠餘量的原因。
主流開源模型在DGX Spark 64GB上的記憶體占用（圖片截取自NVIDIA官網）
這背後，是NVIDIA對DGX Spark軟體棧的持續優化。NVIDIA與模型廠商合作，讓Qwen3.8 27B、LTX 2.5、Meta Muse Glimmer、Gemma 4、Poolside Laguna S 2.1、Thinking Machines Lab Inkling-Small等新模型在發布首日即可在DGX Spark上運行，藉助llama.cpp和vLLM，本地智能體速度最高提升1.9倍。Perplexity推出的Portable Computer Agent，首個可在本地運行模型的版本也選擇在DGX Spark上發布。
對於早期購買DGX Spark的用戶而言，這些優化同樣適用，機器會隨著軟體更新越跑越快。對於以推理、智能體開發和LoRA微調為主的用戶而言，64GB是一個合適的起點，如果需要處理更大模型或全量微調，則可以選擇128GB版本。
03 先買一台，再加一台
隨著工作負載變大，用戶還可以通過ConnectX-7把多台DGX Spark連成集群。NVIDIA的測試顯示，兩台64GB組成集群後，運行Qwen3.8-27B-NVFP4的吞吐量是單台的1.7倍，算力從1 PFLOPS提升到2 PFLOPS，等效記憶體頻寬也從273GB/s翻倍到546GB/s。
兩台DGX Spark 64GB組成集群後，性能提升至單台的1.7倍
這意味著，用戶可以先用一台64GB滿足當下需求，之後再按需加一台，以漸進的投入換取更高的性能。
而且按照這套上升邏輯，4台64GB版本可組成256GB記憶體的集群，4台128GB版本則可擴展到512GB，記憶體頻寬超過1000GB/s。如果需要更強的單機性能，還可以選擇DGX Station。
此外，為降低組網門檻，NVIDIA在NVIDIA Sync中提供了一整套管理工具。開發者可以從筆記本或台式機遠程連接DGX Spark，通過遠程儀錶盤查看系統狀態，並接入Cursor、VS Code、AI Workbench等常用開發環境。其中的Cluster Assistant可自動配置最多4台DGX Spark的ConnectX-7網路，無需手動編寫配置文件。
10月底，Sync還將上線Model Launcher，用於在單機或集群上直接啟動帶模型的vLLM容器，從組建集群到把模型跑起來，所需時間會進一步縮短。
從128GB到64GB，再到多機集群和DGX Station，NVIDIA的桌面AI產品線正在覆蓋從入門到進階的不同需求。對於想在本地跑智能體和中等規模模型的開發者而言，DGX Spark 64GB提供了一個更輕量的起點，也讓「每個開發者擁有一台AI超算」這件事，更近了一步。
