Zusammenfassung:
Nvidia passt seine DGX Spark-Produktlinie an den lokalen KI-Computing-Markt an und bringt eine 64-GB-Version mit geringerer Kapazität und einem relativ günstigeren Preis auf den Markt. Die neuesten Nachrichten zeigen, dass der 64 GB große DGX Spark mit dem GB10 Grace Blackwell-Superchip voraussichtlich am 23. Oktober auf den Markt kommen wird, mit einem Startpreis von 4.999 US-Dollar. Gleichzeitig sind die Preise für DGX Spark und seine OEM-Version, die ursprünglich mit 128 GB einheitlichem Speicher ausgestattet war, in letzter Zeit weiter gestiegen, und der tatsächliche Verkaufspreis einiger Produkte hat 7.000 bis 9.000 US-Dollar erreicht.
Die Einführung der 64-GB-Version ist hauptsächlich eine Reaktion auf den jüngsten anhaltenden Anstieg der Speicherpreise und Änderungen bei den Speicherkapazitätsanforderungen für lokale KI-Modelle. Eines der ersten Hauptverkaufsargumente von DGX Spark ist der 128 GB LPDDR5X Unified Memory, der es CPU und GPU ermöglicht, die gleichen Speicherressourcen zu teilen, um größere KI-Modelle auszuführen, ohne auf unabhängigen Grafikspeicher angewiesen zu sein.
Aber aufgrund der rasanten Entwicklung von KI-Modellen benötigen nicht alle Modelle 128 GB Speicher zum Betrieb. Heutzutage können einige effiziente Modelle mit zig Milliarden Parametern bereits in etwa 32 GB Speicher ausgeführt werden. Obwohl die Kontextlänge und der Betriebsmodus bestimmten Einschränkungen unterliegen können, sind 128 GB nicht unbedingt eine Anforderung für Benutzer, die nur lokale Inferenzen durchführen müssen.
Gleichzeitig treibt der Ausbruch der KI-Branche die weltweite Speichernachfrage in die Höhe, und auch das Angebot an Hochleistungsspeichern wie LPDDR5X ist betroffen. Bei einem Gerät, das eine große Speichermenge direkt in das System integriert, wirkt sich der Anstieg der Speicherpreise direkt auf die Kosten der gesamten Maschine aus. Daher fügt NVIDIA nun eine 64-GB-Version hinzu, was gleichbedeutend damit ist, dass Benutzer die Möglichkeit haben, einen Teil der Speicherkapazität für einen niedrigeren Preis zu opfern.
Die Kernhardware der 64-GB-Version ist nicht wesentlich geschrumpft. Es verwendet immer noch den GB10 Grace Blackwell-Superchip, verfügt über eine 20-Kern-Arm-CPU und verwendet eine Architektur, bei der CPU und GPU einen einheitlichen Speicher teilen. Die Speicherbandbreite bleibt ebenfalls bei etwa 273 GB/s, sodass der größte Unterschied zwischen der 64-GB-Version und der 128-GB-Version in der verfügbaren Speicherkapazität liegt und nicht in der Änderung des Rechenkerns selbst.
Die Netzwerkkonnektivität bleibt ebenfalls unverändert. Der 64-GB-DGX Spark ist weiterhin mit dem Hochgeschwindigkeits-Netzwerkcontroller ConnectX-7 ausgestattet, sodass mehrere Geräte durch Hochgeschwindigkeitsverbindung einen Cluster bilden können. Für Benutzer, die Modelle mit mehr als 64 GB Speicherkapazität betreiben müssen, können der insgesamt verfügbare Speicher und die Rechenleistung durch die Kombination mehrerer 64 GB DGX Sparks erweitert werden.
NVIDIA hat außerdem ein neues Sync Cluster Assistant-Tool eingeführt, um die Komplexität mehrerer Spark-Netzwerke zu reduzieren. Wenn Benutzer in der Vergangenheit zwei oder mehr DGX Sparks verbinden wollten, mussten sie einen gewissen Grad an manueller Konfiguration durchführen, aber die neue Software kann die Verbindung und Verwaltung zwischen Geräten automatisch abschließen.
Gleichzeitig hat NVIDIA Sync auch um die Model Launcher-Funktionalität erweitert. Nachdem der Benutzer das KI-Modell ausgewählt hat, lädt das System das Modell automatisch herunter, startet es und verbindet das Modell mit dem browserseitigen OpenCode-Programmieragenten. Auf diese Weise kann ein lokaler KI-Cluster, der aus mehreren Sparks besteht, direkter für die Codeentwicklung und andere Agenten-Workflows verwendet werden.
Die 64-GB-Version kostet 4.999 US-Dollar. Allerdings ist dieser Preis tatsächlich nicht so niedrig wie gedacht, da sich der aktuelle Speichermarktpreis erheblich geändert hat und der tatsächliche Marktpreis von DGX Spark selbst schwankt.
Viele OEM-Hersteller, darunter Acer, Asus, Dell, Gigabyte, HP und MSI, planen die Einführung von 64-GB-Versionen von GB10-Systemen. Der Einstiegspreis dürfte ebenfalls bei rund 4.999 US-Dollar liegen. Die Markteinführung der ersten Produktcharge ist für den 23. Oktober geplant.
Im Gegensatz dazu ist der Preis der 128-GB-Version in letzter Zeit deutlich gestiegen. Aufgrund des begrenzten Angebots liegt der Preis des derzeit auf dem Markt erhältlichen 128-GB-GB10-Systems bei etwa 7.000 bis 9.000 US-Dollar, und für einige Modelle wurden sogar höhere Einzelhandelspreise angeboten.
Nvidias eigene DGX Spark Founders Edition kostete zuvor 3.999 US-Dollar, aber aufgrund des knappen weltweiten Speicherangebots hat Nvidia den offiziellen empfohlenen Verkaufspreis auf 4.699 US-Dollar angehoben. Der tatsächliche Verkaufspreis auf dem Markt kann noch höher als dieser Wert sein. Mit anderen Worten: Der tatsächliche Preis einer 128-GB-DGX Spark liegt heute viel höher als die 3.999 US-Dollar, als sie ursprünglich auf den Markt kam.
Dies ist auch ein wichtiger Hintergrund für die Einführung der 64-GB-Version. Wenn das Hauptziel vieler lokaler KI-Benutzer darin besteht, kleine und mittelgroße große Sprachmodelle, Codemodelle oder KI-Agenten auszuführen, ist es nicht unbedingt kosteneffektiv, Tausende von Dollar für den Kauf der 128-GB-Version auszugeben. Die 64-GB-Version kann die Rechenleistung von GB10 und dem gesamten Software-Ökosystem von NVIDIA beibehalten und gleichzeitig den durch Speicher mit großer Kapazität verursachten Kostendruck verringern.
Für Benutzer, die größere Modelle betreiben oder lokale Modelle optimieren müssen, bietet die 128-GB-Version jedoch immer noch offensichtliche Vorteile. Insbesondere da die Größe der Modellparameter weiter zunimmt, bedeutet ein einheitlicherer Speicher, dass größere Modelle direkt geladen werden können, ohne dass eine häufige Quantisierung, mehrstufiges Laden oder die Aufteilung des Modells auf mehrere Maschinen erforderlich ist.
Darüber hinaus eignet sich die 128-GB-Version weiterhin für den Einsatz in Multi-Maschinen-Clustern. Benutzer können mehrere DGX Sparks über ConnectX-7 verbinden, um den Speicher und die Rechenkapazitäten mehrerer Geräte zu kombinieren. Daher hat Nvidia die 128-GB-Version nicht durch die 64-GB-Version ersetzt, sondern eine offensichtlichere Produkthierarchie gebildet.
Aus praktischer Anwendungsperspektive reichen 64 GB aus, um einen beträchtlichen Teil der lokalen KI-Workloads abzudecken. Bei einem effizienten Modell von etwa 27 B können 32 GB unter bestimmten Bedingungen bereits die lokale Argumentation vervollständigen, während 64 GB mehr Kontextraum und Laufspielraum bieten können. Wenn Benutzer hauptsächlich quantisierte Modelle zur Inferenz verwenden, können 64 GB sogar größere Modelle verarbeiten.
Aber wenn es um die Feinabstimmung von Modellen, langen Kontext, umfangreiche Agenten-Workflows oder die gleichzeitige Ausführung mehrerer Modelle geht, können 128 GB immer noch deutlich mehr Speicherplatz bieten. Daher ist der Unterschied zwischen 64GB und 128GB letztendlich kein reiner Leistungsunterschied, sondern vielmehr eine Frage, wie groß ein Modell untergebracht werden kann und wie viele Daten gleichzeitig verarbeitet werden können.
Die zentrale Wettbewerbsfähigkeit von DGX Spark liegt nicht nur in der Speicherkapazität. GB10 übernimmt die Grace-Blackwell-Architektur, ist mit einer Blackwell-GPU und einem Tensor-Core der fünften Generation ausgestattet und kann eine FP4-KI-Rechenleistung von bis zu etwa 1 PFLOP bieten. Das System verwendet ein kleines Gehäuse von etwa 150 x 150 x 50 mm, wiegt etwa 1,2 kg und verbraucht etwa 240 W.
Dieses Design platziert DGX Spark zwischen traditionellen Workstations und großen KI-Servern. Es ist nicht auf unabhängige Grafikkarten und Systemspeicher angewiesen, um KI-Aufgaben separat zu erledigen, wie es bei gewöhnlichen Gaming-PCs der Fall ist. Stattdessen wird eine einheitliche Speicherarchitektur verwendet, um der GPU den direkten Zugriff auf den gesamten Systemspeicherplatz zu ermöglichen. Dies ist auch einer der Hauptgründe, warum es bei so geringer Größe 128 GB oder sogar 64 GB KI-Speicher mit großer Kapazität bereitstellen kann.
Gleichzeitig fördert NVIDIA auch den Markteintritt der RTX Spark-Produktlinie. RTX Spark verwendet ebenfalls eine Grace-CPU und eine Blackwell-GPU und bietet bis zu 128 GB einheitlichen LPDDR5X-Speicher, seine Positionierung ist jedoch eher auf Windows-PCs, Entwickler und KI-Agent-Anwendungen ausgerichtet. NVIDIA geht davon aus, dass entsprechende Desktop- und Notebook-Produkte im Oktober 2026 auf den Markt kommen.
Das bedeutet, dass sich die Konkurrenz für DGX Spark verändert. Wenn Benutzer bisher einen kleinen lokalen KI-Supercomputer kaufen wollten, gab es nur wenige direkte Alternativen zu DGX Spark; Jetzt, da RTX Spark und Plattformen wie AMD und Apple die einheitliche Speicherkapazität weiter erhöhen, steigt die Zahl der lokalen KI-Hardware-Verbraucher, aus denen sie wählen können, rapide an.
Was den Preis solcher Geräte derzeit jedoch begrenzt, ist nicht nur die GPU oder der SoC selbst, sondern auch der Hochgeschwindigkeitsspeicher mit hoher Kapazität. Bei Geräten mit einheitlicher Speicherarchitektur wie DGX Spark sind 128 GB LPDDR5X Teil des Chipdesigns, und im Gegensatz zu gewöhnlichen Desktop-Computern können Speichermodule jederzeit zur Aufrüstung erworben werden. Sobald die Speicherpreise deutlich steigen, wirken sich daher auch die Kosten der gesamten Maschine direkt aus.
Aus dieser Perspektive ist Nvidias Einführung der 64-GB-Version nicht nur eine einfache Produkterweiterung, sondern eine Reaktion auf die Realität des aktuellen KI-Hardwaremarktes. Da KI-Modelle weiter optimiert werden, können immer mehr Modelle mit weniger Speicher ausgeführt werden und der Preis für Speicher mit hoher Kapazität steigt weiter. 64 GB könnten für einige lokale KI-Benutzer eine realistischere Kapazitätswahl sein.
Für Nvidia kann die 64-GB-Version auch die potenzielle Nutzerbasis der GB10-Plattform erweitern. Nutzer, die den DGX Spark ursprünglich aufgrund des hohen Preises der 128-GB-Version nicht akzeptieren konnten, können sich jetzt für 4.999 US-Dollar für das 64-GB-Modell entscheiden. Sollten die Speicherpreise in Zukunft weiter steigen, ermöglicht diese Kapazitäts-Tiering-Strategie Nvidia auch eine flexiblere Kontrolle der Produktkosten.
Infolgedessen entwickelt sich DGX Spark schrittweise von einem einzelnen lokalen 128-GB-KI-Supercomputer zu einer Plattform, die verschiedene Speicherkapazitäten und Preisklassen abdeckt. Die 64-GB-Version macht die 128-GB-Version nicht bedeutungslos, könnte aber für mehr lokale KI-Entwickler zu einer Einstiegsmöglichkeit in das GB10-Ökosystem werden. Da bei KI-Modellen immer mehr Wert auf Effizienz gelegt wird und der Speichermarkt weiterhin angespannt ist, wird es für Verbraucher bei der Auswahl solcher Geräte immer wichtiger, ob lokale KI-Hardware künftig Rechenleistung oder Speicherkapazität priorisieren sollte.
Kommentare