Το NVIDIA επεκτείνει το AI Computing με DGX Spark και DGX σταθμό Supercomputers Station

Η NVIDIA επαναπροσδιορίζει το AI Computing με την εισαγωγή του σταθμού DGX Spark και DGX, δύο υπερυπολογιστές επιφάνειας εργασίας AI που χτίστηκαν στην πλατφόρμα GRACECLEWEL Grace Blackwell . Τα νέα συστήματα έχουν σχεδιαστεί για να παρέχουν στους ερευνητές, τους προγραμματιστές και τις επιχειρήσεις με τις δυνατότητες AI της κατηγορίας του σταθμού εργασίας χωρίς εξάρτηση από τους πόρους του cloud ή του κέντρου δεδομένων. Η NVIDIA στοχεύει να αλλάξει αυτό προσφέροντας προσωπικούς υπερυπολογιστές AI που παρέχουν υψηλής απόδοσης κατάρτισης AI και συμπερασμάτων τοπικά. Συνδυάζοντας Οι διασυνδέσεις υψηλής ταχύτητας, η εκκίνηση του DGX spark και του dgx station που κατασκευάζει το NV. Οι προηγούμενες προσπάθειες με τα ψηφία του έργου, ένα σταθμό εργασίας AI που ανακοινώθηκε στο CES 2025. Το σύστημα αυτό, που τιμολογήθηκε στα 3.000 δολάρια, σχεδιάστηκε για προγραμματιστές και φοιτητές, με το GB10 Grace Blackwell Superchip και ένα Petaflop της AI. Το DGX Spark επεκτείνεται σε αυτή την έννοια με σημαντικά υψηλότερο εύρος ζώνης μνήμης και πολλαπλών μονάδων κλιμάκωσης, σηματοδοτώντας τη στρατηγική μετατόπιση της Nvidia προς τον τοπικό AI Computing. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mty4mzoxmdi2-1, base64, phn2zyb2awv3qm94psiwidagmtaynca1nz Uiihdpzhropsixmdi0iibozwlnahq9iju3nsigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>>

Το DGX Spark είναι ένας συμπαγής σταθμός AI που χτίστηκε γύρω από το GB10 Grace Blackwell Superchip, ένα υβριδικό σχεδιασμό CPU-GPU σχεδιασμένο για μηχανική μαθησιακή απόδοση. Σύμφωνα με το nvidia’s recovercement Το σύστημα είναι ικανό να παρέχει 1,000 τρισδιάστατες λειτουργίες ανά δευτερόλεπτο (κορυφαίες) στο FP4. και τα μοντέλα συμπερασμάτων σε τοπικά. Το σύστημα διαθέτει επίσης nvlink-c2c Ένα ultra-high-bandwidth διασύνδεση που ενισχύει τη μεταφορά δεδομένων μεταξύ των εξαρτημάτων επεξεργασίας, μειώνει τις εφαρμογές και τις εφαρμογές, για να ζητήσει από περισσότερες πληροφορίες, Η NVIDIA επέτρεψε την επεκτασιμότητα πολλαπλών μονάδων, επιτρέποντας τη σύνδεση δύο συστημάτων DGX Spark. Αυτή η διαμόρφωση υποστηρίζει μοντέλα AI με έως και 405 δισεκατομμύρια παραμέτρους, καθιστώντας την οικονομικά αποδοτική εναλλακτική λύση για τους ερευνητές και τις ομάδες που προηγουμένως βασίστηκαν σε μεγάλες ομάδες με βάση το σύννεφο. Το εύρος ζώνης, ο σταθμός DGX της NVIDIA παραδίδει το κέντρο AI Computing του κέντρου δεδομένων σε έναν συντελεστή μορφής σταθμού εργασίας. Σε αντίθεση με το DGX Spark, αυτό το σύστημα τροφοδοτείται από το GB300 Grace Blackwell Ultra Superchip, μια προχωρημένη επανάληψη της αρχιτεκτονικής Blackwell της Nvidia που έχει σχεδιαστεί για την κατάρτιση και την ανάπτυξη μεγάλης κλίμακας μοντέλα μηχανικής μάθησης. και εκπαίδευση μοντέλων μετασχηματιστή μεγάλης κλίμακας. Το σύστημα ενσωματώνει nvidia’s Cuda-x AI Libraries href=”https://docs.nvidia.com/dgx/dgx-os-6-user-guide/introduction.html”> dgx os , εξασφαλίζοντας τη συμβατότητα με τις σύγχρονες ροές εργασίας AI. src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mty5odoxmjq0-1, base64, phn2zyb2awv3qm94psiwidagmtaynca1nzyiiii Hdpzhropsixmdi0iibozwlnahq9iju3niigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”> nvidia Ο σταθμός DGX Spark και DGX (Εικόνα: NVIDIA)

Ο σταθμός DGX διαθέτει επίσης CPU 72-core Grace (Neoverse V2 Architecture), μέχρι 288GB μνήμης HBM3E GPU και 496GB της μνήμης CPU LPDDR5X, καθιστώντας την μία από τις πιο ισχυρές διαθέσιμες εργασίες AI. Οι λύσεις δικτύωσης υψηλής ταχύτητας της NVIDIA επιτρέπουν περαιτέρω αποτελεσματική επεξεργασία πολλαπλών GPU, καθιστώντας αυτό το σύστημα μια πρακτική επιλογή για ερευνητές που απαιτούν άμεση πρόσβαση σε υψηλής απόδοσης Hardware. Διάφορες διαμορφώσεις του σταθμού DGX Spark και DGX. Οι προεξοχές για το DGX Spark ξεκίνησαν στις 18 Μαρτίου 2025, με τις αποστολές που αναμένεται να αρχίσουν το καλοκαίρι του 2025. Εφαρμογές. Με τη μετατόπιση του φόρτου εργασίας του AI από το σύννεφο στους τοπικούς σταθμούς εργασίας, το τελευταίο υλικό της NVIDIA μειώνει την καθυστέρηση, τις ανησυχίες για την προστασία της ιδιωτικής ζωής και τα συνεχιζόμενα έξοδα υπηρεσιών cloud. Ωστόσο, η κατανάλωση ενέργειας τέτοιων συστημάτων παραμένει ένα ανοιχτό ερώτημα. Ενώ η NVIDIA δεν έχει ακόμη απελευθερώσει λεπτομερή σημεία αναφοράς κατανάλωσης ενέργειας, τα υψηλά ζώνη μνήμης και οι απαιτήσεις επεξεργασίας αυτών των συστημάτων υποδηλώνουν ότι θα απαιτήσουν προηγμένες λύσεις ψύξης και σημαντικούς ενεργειακούς πόρους.