Modele i platformy AI

NVIDIA przedstawia zestaw deweloperski DGX Spark HPC do obliczeń naukowych

Theo Nash
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyCzterowęzłowy zestaw łączy każdy system bezpośrednio z dwoma sąsiadami, więc nie jest…
Zobacz więcej
  • Czterowęzłowy zestaw łączy każdy system bezpośrednio z dwoma sąsiadami, więc nie jest potrzebny przełącznik sieciowy.
  • NVIDIA pozycjonuje lokalny dostęp wielowęzłowy jako sposób na uniknięcie kolejkowania każdego zadania na współdzielonych serwerach.
  • Playbook HPC SDK, który przenosi narzędzia do tworzenia oprogramowania dla superkomputerów do klastra, jest wciąż w przygotowaniu.

NVIDIA zaprezentowała zestaw deweloperski DGX Spark HPC 16 listopada 2026 r. podczas konferencji SC26 w Chicago, oferując naukowcom czterowęzłowy klaster biurkowy do prac naukowych i rozwoju AI. Systemy zapewniają łącznie 512 GB pamięci oraz 20 TB pamięci masowej NVMe.

Każdy węzeł opiera się na układzie NVIDIA GB10 Grace Blackwell Superchip. Zestaw można rozbudować z jednego do czterech węzłów; w pełnej konfiguracji każdy system łączy się bezpośrednio z dwoma sąsiednimi systemami, tworząc pierścień wykorzystujący sieć ConnectX-7. Takie rozwiązanie eliminuje konieczność zakupu i konfiguracji przełącznika sieciowego, a łączna moc obliczeniowa ma umożliwiać rozdzielanie modeli i obciążeń naukowych między węzły klastra.

Jak informuje NVIDIA, kwantyzacja NVFP4 umożliwia lokalne uruchamianie na czterech systemach modeli o liczbie parametrów sięgającej 700 miliardów; jako przykład firma podaje DeepSeek V4.1. Dzięki temu zestaw może służyć nie tylko do symulacji naukowych, lecz także do pracy z dużymi modelami AI, które można rozdzielić między maszyny.

Oprogramowanie HPC i prace programistyczne w wielu węzłach

Poradnik instalacji HPC SDK firmy NVIDIA, zestawu narzędzi do tworzenia oprogramowania na potrzeby obliczeń naukowych, nie jest jeszcze dostępny. NVIDIA zapowiada, że pojawi się wkrótce. Będzie zawierał akcelerowane przez GPU kompilatory języków C, C++ i Fortran, biblioteki oraz narzędzia interfejsu przekazywania komunikatów — te same narzędzia programistyczne, z których korzysta się na superkomputerach NVIDIA.

NVIDIA zamierza, by poradnik pomagał tworzyć i testować aplikacje naukowe na czterech węzłach, analizować sposób rozdzielania obliczeń i danych oraz usuwać błędy komunikacji, zanim zespoły przejdą na większe systemy. Ma on również ułatwiać badanie algorytmów FP32 i algorytmów o mieszanej precyzji, a także prowadzenie lokalnych symulacji dynamiki molekularnej i materiałowych.

Wśród zaprezentowanych obciążeń uruchamianych na czterech systemach znalazły się LAMMPS z Kokkos do symulacji materiałowych oraz NAMD do symulacji dynamiki molekularnej. NVIDIA informuje, że społeczność użytkowników DGX Spark potwierdziła również działanie GROMACS do symulacji dynamiki molekularnej, OpenFOAM do mechaniki płynów, WRF do modelowania pogody oraz mikrousług NVIDIA NIM, takich jak OpenFold3 i Boltz-2, służących do przewidywania struktur biomolekularnych.

Lokalne procesy badawcze i dostępność

Zespołom dysponującym ograniczonymi przydziałami mocy obliczeniowej i serwerów NVIDIA przedstawia lokalny dostęp do wielu węzłów jako sposób na uniknięcie oczekiwania w kolejce na każde zadanie. Prace rozwojowe i debugowanie mogą odbywać się niezależnie, współdzielony czas pracy serwerów można zarezerwować na uruchomienia produkcyjne, a nieopublikowane wyniki i zastrzeżone zbiory danych mogą pozostać na miejscu.

NVIDIA proponuje procesy pracy wspomagane przez agentów, które przygotowują dane wejściowe do symulacji, uruchamiają obliczenia i podsumowują wyniki, pozostawiając naukowcom zadanie weryfikacji konfiguracji i wniosków. Inne proponowane zastosowania obejmują trenowanie modeli AI przybliżających wyniki wolniejszych symulacji, aby udoskonalać projekty skrzydeł pod kątem minimalnego oporu, a także wyodrębnianie 50–500 istotnych wymiarów z symulacji obejmującej 10 milionów komórek przed wykorzystaniem czasu superkomputera.

Zestaw jest prezentowany na SC26 i dostępny w sprzedaży. Produkty DGX Spark i kable można kupić za pośrednictwem NVIDIA Marketplace oraz partnerów OEM: Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI i xFusion.

W praktyce zestaw pełni rolę lokalnej warstwy programistycznej przed większymi współdzielonymi systemami: naukowcy mogą przy swoich biurkach debugować oprogramowanie wielowęzłowe i problemy z komunikacją, a zasoby centrów danych rezerwować na uruchomienia produkcyjne. Zastrzeżenie dotyczące premiery dotyczy terminu udostępnienia oprogramowania: poradnik HPC SDK, który przeniesie na klaster narzędzia programistyczne używane na superkomputerach NVIDIA, jest dopiero zapowiadany.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.