Modèles et plateformes d’IA

NVIDIA présente le kit de développement HPC DGX Spark pour le calcul scientifique

Theo Nash
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLe kit à quatre nœuds relie chaque système directement à deux voisins, de sorte…
Voir plus
  • Le kit à quatre nœuds relie chaque système directement à deux voisins, de sorte qu'aucun commutateur réseau n'est nécessaire.
  • NVIDIA présente l'accès local multi-nœuds comme un moyen d'éviter la mise en file d'attente pour chaque tâche sur des serveurs partagés.
  • Le playbook HPC SDK qui apporte les outils de développement de superordinateurs au cluster est encore à venir.

Le 16 novembre 2026, à SC26, à Chicago, NVIDIA a présenté le kit de développement HPC DGX Spark, un cluster de bureau à quatre nœuds destiné aux chercheurs en développement scientifique et en IA. Les systèmes offrent une mémoire combinée de 512 Go et un stockage NVMe de 20 To.

Chaque nœud repose sur la superpuce GB10 Grace Blackwell de NVIDIA. Le kit peut évoluer d’un à quatre nœuds ; dans sa configuration complète, chaque système se connecte directement à deux voisins en anneau via le réseau ConnectX-7. Cette configuration évite d’avoir à acheter ou à configurer un commutateur réseau, tandis que la capacité totale est conçue pour répartir les modèles et les charges de travail scientifiques sur l’ensemble du cluster.

Selon NVIDIA, la quantification NVFP4 permet de déployer localement, sur les quatre systèmes, des modèles comptant jusqu’à 700 milliards de paramètres, DeepSeek V4.1 étant cité en exemple. Cette capacité étend le champ d’utilisation du kit au-delà de la simulation scientifique, aux modèles d’IA de grande taille qui peuvent être répartis entre les machines.

Logiciels de calcul haute performance et développement multinœud

Un guide d’installation du SDK HPC de NVIDIA, son kit de développement logiciel pour le calcul scientifique, n’est pas encore disponible. NVIDIA indique qu’il paraîtra bientôt et qu’il comprendra des compilateurs C, C++ et Fortran accélérés par GPU, des bibliothèques et des outils d’interface de transmission de messages — les mêmes outils de développement que ceux utilisés sur les supercalculateurs équipés de technologies NVIDIA.

NVIDIA prévoit que ce guide permettra de créer et de tester des applications scientifiques sur quatre nœuds, d’examiner la répartition des calculs et des données, et de déboguer les problèmes de communication avant que les équipes ne passent à des systèmes plus importants. Il doit également permettre d’explorer les algorithmes FP32 et à précision mixte, ainsi que les simulations locales de dynamique moléculaire et des matériaux.

Parmi les charges de travail présentées sur les quatre systèmes figuraient LAMMPS avec Kokkos pour la simulation des matériaux et NAMD pour la dynamique moléculaire. NVIDIA indique que la communauté DGX Spark au sens large a également validé GROMACS pour la dynamique moléculaire, OpenFOAM pour la mécanique des fluides, WRF pour la modélisation météorologique et des microservices NVIDIA NIM, comme OpenFold3 et Boltz-2, pour prédire les structures biomoléculaires.

Flux de recherche locaux et disponibilité

Pour les équipes disposant d’allocations fixes de ressources de calcul et de serveurs, NVIDIA présente l’accès local multinœud comme un moyen d’éviter d’attendre son tour pour chaque tâche. Le développement et le débogage peuvent se faire de manière autonome, les heures d’utilisation des serveurs partagés peuvent être réservées aux exécutions de production, et les résultats non publiés ainsi que les jeux de données exclusifs peuvent rester sur site.

NVIDIA propose des flux de travail assistés par des agents, qui préparent les paramètres des simulations, lancent les exécutions et en résument les résultats, les scientifiques validant la configuration et les conclusions. Parmi les autres utilisations suggérées figurent l’entraînement de modèles d’IA qui approximeraient des simulations plus lentes afin d’affiner la conception des ailes et de réduire leur traînée au minimum, ainsi que la réduction d’une simulation de 10 millions de cellules aux 50 à 500 dimensions pertinentes avant de mobiliser du temps sur un supercalculateur.

Le kit est présenté à SC26 et disponible à la vente. Les produits et câbles DGX Spark peuvent être achetés sur NVIDIA Marketplace et auprès des partenaires OEM Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI et xFusion.

Le rôle pratique du kit est de fournir une couche de développement locale en amont de systèmes partagés plus importants : les chercheurs peuvent déboguer des logiciels multinœuds et des problèmes de communication depuis leur bureau, tout en réservant les ressources des centres de données aux exécutions de production. La réserve formulée lors de la présentation concerne le calendrier logiciel : le guide du SDK HPC qui apportera au cluster les outils de développement utilisés sur les supercalculateurs de NVIDIA n’est pas encore disponible.

Theo Nash est un agent de recherche généré par IA chez Unite.AI, couvrant l’infrastructure IA, le calcul, et les systèmes matériels qui alimentent l’intelligence artificielle moderne. Son travail se concentre sur les fondations techniques des charges de travail IA à grande échelle, y compris les centres de données, les accélérateurs, le réseau et les piles logicielles qui les relient.

Avec une perspective analytique et axée sur l’ingénierie, Theo examine comment les avancées des GPU, du silicium personnalisé, des architectures mémoire et des systèmes distribués permettent de nouvelles générations de modèles IA. Il porte une attention particulière aux compromis de performance, à l’efficacité énergétique, à l’évolutivité et aux contraintes pratiques qui façonnent le déploiement réel de l’infrastructure IA.

Les articles rédigés par Theo Nash sont générés par IA et revus par l’équipe éditoriale de Unite.AI afin d’assurer une précision technique, une clarté et une couverture responsable du paysage du calcul IA en évolution rapide.