Modely a platformy AI

NVIDIA představuje vývojářskou sadu DGX Spark HPC pro vědecké výpočty

Theo Nash
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyČtyřuzlová sada propojuje každý systém přímo se dvěma sousedy, takže není zapotřebí…
Zobrazit více
  • Čtyřuzlová sada propojuje každý systém přímo se dvěma sousedy, takže není zapotřebí žádný síťový přepínač.
  • Společnost NVIDIA staví místní přístup k více uzlům jako způsob, jak se vyhnout čekání ve frontě na každou úlohu na sdílených serverech.
  • Příručka HPC SDK, která přináší vývojové nástroje pro superpočítače do clusteru, je stále ještě připravována.

NVIDIA představila vývojářskou sadu DGX Spark HPC 16. listopadu 2026 na konferenci SC26 v Chicagu. Výzkumníkům nabízí čtyřuzlový stolní cluster pro vědecký vývoj a vývoj AI. Systémy poskytují celkem 512 GB paměti a 20 TB úložiště NVMe.

Každý uzel je postaven na čipu NVIDIA GB10 Grace Blackwell Superchip. Sadu lze rozšířit z jednoho uzlu na čtyři; v plné konfiguraci se každý systém prostřednictvím síťového rozhraní ConnectX-7 přímo propojuje se dvěma sousedními systémy do kruhu. Díky tomu není nutné kupovat ani konfigurovat síťový přepínač. Souhrnná kapacita je určena k rozdělování modelů a vědeckých výpočtů napříč clusterem.

Podle NVIDIA umožňuje kvantizace NVFP4 lokálně nasazovat na všech čtyřech systémech modely s až 700 miliardami parametrů; jako příklad uvádí DeepSeek V4.1. Díky této možnosti lze sadu využít nejen pro vědecké simulace, ale také pro rozsáhlé modely AI, které lze rozdělit mezi jednotlivé počítače.

Software pro HPC a vývoj s více uzly

Instalační návod pro HPC SDK od NVIDIA, její sadu pro vývoj softwaru určenou pro vědecké výpočty, zatím není k dispozici. NVIDIA uvádí, že bude brzy zveřejněn a přinese kompilátory C, C++ a Fortran s akcelerací GPU, knihovny a nástroje pro rozhraní předávání zpráv — tedy stejné vývojové nástroje, jaké se používají na superpočítačích vybavených technologiemi NVIDIA.

NVIDIA chce, aby návod podporoval sestavování a testování vědeckých aplikací na čtyřech uzlech, zkoumání způsobu rozdělení výpočtů a dat i ladění komunikačních problémů před rozšířením na větší systémy. Má také usnadnit zkoumání algoritmů FP32 a algoritmů se smíšenou přesností a lokální simulace molekulární dynamiky a materiálů.

Mezi předvedené úlohy na čtyřech systémech patří simulace materiálů v LAMMPS s Kokkos a molekulární dynamika v NAMD. NVIDIA uvádí, že širší komunita uživatelů DGX Spark ověřila také GROMACS pro molekulární dynamiku, OpenFOAM pro dynamiku tekutin, WRF pro modelování počasí a mikroslužby NVIDIA NIM, například OpenFold3 a Boltz-2, pro předpovídání struktur biomolekul.

Lokální výzkumné pracovní postupy a dostupnost

Týmům s pevně stanovenými příděly výpočetního výkonu a serverových prostředků nabízí podle NVIDIA lokální přístup k více uzlům možnost vyhnout se čekání ve frontě na každou úlohu. Vývoj a ladění mohou probíhat nezávisle, sdílené serverové kapacity lze rezervovat pro produkční výpočty a nepublikované výsledky i proprietární datové sady mohou zůstat v prostorách organizace.

NVIDIA navrhuje pracovní postupy s podporou agentů, které připravují vstupy pro simulace, spouštějí výpočty a shrnují výsledky, přičemž vědci ověřují nastavení i závěry. Mezi další navrhovaná využití patří trénování modelů AI, které přibližují výsledky pomalejších simulací a pomáhají upravovat konstrukci křídel tak, aby se dosáhlo minimálního odporu, a zúžení simulace s 10 miliony buněk na 50–500 důležitých rozměrů ještě před využitím superpočítače.

Sada je vystavena na konferenci SC26 a je k dispozici k prodeji. Produkty DGX Spark a kabely lze zakoupit prostřednictvím NVIDIA Marketplace a u partnerských výrobců OEM Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI a xFusion.

Praktickou úlohou sady je fungovat jako lokální vývojová vrstva před většími sdílenými systémy: výzkumníci mohou u svých pracovních stolů ladit software pro více uzlů i komunikační problémy a zdroje datového centra přitom rezervovat pro produkční výpočty. Jedinou výhradou při uvedení je načasování dostupnosti softwaru, protože návod k HPC SDK, který do clusteru přináší vývojové nástroje používané na superpočítačích NVIDIA, teprve vyjde.

Theo Nash je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá AI infrastrukturou, výpočetní technikou a hardwarovými systémy, které pohánějí moderní umělou inteligenci. Jeho práce se soustředí na technické základy velkých AI pracovních zátěží, včetně datových center, akcelerátorů, sítí a softwarových vrstev, které je spojují.

S analytickým a inženýrsky orientovaným pohledem Theo zkoumá, jak pokroky v GPU, zakázkově navržených křemíkových čipech, paměťových architekturách a distribuovaných systémech umožňují nové generace AI modelů. Věnuje zvláštní pozornost kompromisům výkonu, energetické účinnosti, škálovatelnosti a praktickým omezením, která formují nasazení AI infrastruktury v reálném světě.

Články napsané Theem Nashem jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a odpovědné pokrytí rychle se vyvíjejícího prostředí AI výpočtů.