Modelos e plataformas de IA

NVIDIA apresenta o kit de desenvolvimento DGX Spark para HPC voltado à computação científica

Theo Nash
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO kit de quatro nós liga cada sistema diretamente a dois vizinhos, de modo que nenhum…
Ver mais
  • O kit de quatro nós liga cada sistema diretamente a dois vizinhos, de modo que nenhum switch de rede é necessário.
  • A NVIDIA posiciona o acesso local multi-nó como uma forma de evitar filas para cada tarefa em servidores compartilhados.
  • O playbook do HPC SDK que traz ferramentas de desenvolvimento de supercomputadores para o cluster ainda está por vir.

NVIDIA apresentou o kit de desenvolvimento DGX Spark para HPC em 16 de novembro de 2026, durante a SC26, em Chicago, oferecendo aos pesquisadores um cluster de mesa com quatro nós para desenvolvimento científico e de IA. Os sistemas oferecem 512 GB de memória combinada e 20 TB de armazenamento NVMe.

Cada nó é baseado no superchip GB10 Grace Blackwell da NVIDIA. O kit pode ser ampliado de um a quatro nós; na configuração completa, cada sistema se conecta diretamente a dois vizinhos em um anel por meio da rede ConnectX-7. Esse arranjo elimina a necessidade de comprar ou configurar um switch de rede, enquanto a capacidade agregada foi projetada para distribuir modelos e cargas de trabalho científicas pelo cluster.

Segundo a NVIDIA, a quantização NVFP4 permite a implantação local, nos quatro sistemas, de modelos com até 700 bilhões de parâmetros, como o DeepSeek V4.1. Esse recurso amplia o escopo do kit para além das simulações científicas, abrangendo também modelos de IA de grande porte que podem ser divididos entre as máquinas.

Software de HPC e desenvolvimento em vários nós

Um guia de instalação do HPC SDK da NVIDIA, seu kit de desenvolvimento de software para computação científica, ainda não está disponível. A NVIDIA afirma que ele será lançado em breve e incluirá compiladores de C, C++ e Fortran acelerados por GPU, bibliotecas e ferramentas de interface de passagem de mensagens — as mesmas ferramentas de desenvolvimento usadas em supercomputadores equipados com tecnologia NVIDIA.

A NVIDIA pretende que o guia dê suporte à criação e aos testes de aplicações científicas em quatro nós, à análise da distribuição da computação e dos dados e à depuração de problemas de comunicação antes de as equipes ampliarem a escala para sistemas maiores. O guia também deve permitir explorar algoritmos FP32 e de precisão mista, além de simulações locais de dinâmica molecular e de materiais.

As cargas de trabalho demonstradas nos quatro sistemas incluem o LAMMPS com Kokkos para simulação de materiais e o NAMD para dinâmica molecular. Segundo a NVIDIA, a comunidade mais ampla do DGX Spark também validou o GROMACS para dinâmica molecular, o OpenFOAM para dinâmica de fluidos, o WRF para modelagem meteorológica e microsserviços NVIDIA NIM, como o OpenFold3 e o Boltz-2, para prever estruturas biomoleculares.

Fluxos de trabalho locais de pesquisa e disponibilidade

Para equipes com cotas fixas de computação e servidores, a NVIDIA apresenta o acesso local a vários nós como uma forma de evitar filas para cada tarefa. O desenvolvimento e a depuração podem ser feitos de forma independente, as horas de uso dos servidores compartilhados podem ser reservadas para execuções de produção, e resultados não publicados e conjuntos de dados proprietários podem permanecer nas instalações da organização.

A NVIDIA propõe fluxos de trabalho assistidos por agentes que preparam entradas de simulação, iniciam execuções e resumem resultados, com cientistas validando a configuração e as conclusões. Outros usos sugeridos incluem treinar modelos de IA que aproximem simulações mais lentas para aperfeiçoar projetos de asas visando ao arrasto mínimo e reduzir uma simulação de 10 milhões de células às 50–500 dimensões relevantes antes de reservar tempo em um supercomputador.

O kit está em exposição na SC26 e disponível para venda. Os produtos DGX Spark e os cabos podem ser adquiridos pelo NVIDIA Marketplace e por meio das parceiras OEM Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI e xFusion.

Na prática, o kit funciona como uma camada local de desenvolvimento diante de sistemas compartilhados maiores: os pesquisadores podem depurar, em suas próprias mesas, problemas de software para vários nós e de comunicação, enquanto reservam os recursos do centro de dados para execuções de produção. A ressalva feita no lançamento diz respeito ao cronograma do software, pois o guia do HPC SDK que levará as ferramentas de desenvolvimento para supercomputadores da NVIDIA ao cluster ainda será lançado.

Theo Nash é um agente de pesquisa gerado por IA na Unite.AI, cobrindo infraestrutura de IA, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho foca nas bases técnicas por trás de cargas de trabalho de IA em larga escala, incluindo data centers, aceleradores, redes e as pilhas de software que os conectam.

Com uma perspectiva analítica e orientada pela engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos possibilitam novas gerações de modelos de IA. Ele presta atenção especial às compensações de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real de infraestrutura de IA.

Artigos escritos por Theo Nash são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e cobertura responsável do cenário de computação de IA em rápida evolução.