Модели и платформы ИИ

NVIDIA представила комплект разработчика DGX Spark для высокопроизводительных вычислений в научных исследованиях

Theo Nash
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыКомплект из четырёх узлов соединяет каждую систему напрямую с двумя соседями, поэтому…
Показать больше
  • Комплект из четырёх узлов соединяет каждую систему напрямую с двумя соседями, поэтому сетевой коммутатор не нужен.
  • NVIDIA позиционирует локальный доступ между несколькими узлами как способ избежать очереди на каждый задачу на общих серверах.
  • Руководство по HPC SDK, которое переносит инструменты разработки для суперкомпьютеров в кластер, всё ещё готовится.

NVIDIA представила комплект разработчика DGX Spark для высокопроизводительных вычислений 16 ноября 2026 года на конференции SC26 в Чикаго. Он позволяет исследователям создать настольный кластер из четырёх узлов для научных и ИИ-разработок. Системы обеспечивают в совокупности 512 ГБ памяти и 20 ТБ хранилища NVMe.

В основе каждого узла — суперчип GB10 Grace Blackwell от NVIDIA. Комплект можно масштабировать от одного до четырёх узлов; в полной конфигурации каждая система напрямую соединяется с двумя соседними, образуя кольцо на базе сети ConnectX-7. Благодаря этому не нужно покупать сетевой коммутатор или настраивать его, а суммарная производительность кластера рассчитана на распределение моделей и научных вычислительных задач между его узлами.

По словам NVIDIA, квантование NVFP4 позволяет локально запускать на четырёх системах модели размером до 700 млрд параметров; в качестве примера компания называет DeepSeek V4.1. Благодаря этой возможности комплект подходит не только для научного моделирования, но и для работы с крупными моделями ИИ, которые можно распределить между несколькими машинами.

Программное обеспечение для HPC и разработка на нескольких узлах

Руководство по установке HPC SDK от NVIDIA — набора средств разработки программного обеспечения для научных вычислений — пока недоступно. NVIDIA сообщает, что оно появится в ближайшее время и включит компиляторы C, C++ и Fortran с ускорением на GPU, библиотеки и инструменты для интерфейса передачи сообщений — те же средства разработки, которые используются на суперкомпьютерах NVIDIA.

NVIDIA планирует, что руководство поможет создавать и тестировать научные приложения на четырёх узлах, изучать распределение вычислений и данных, а также устранять проблемы с обменом данными до масштабирования команд на более крупные системы. Оно также должно помочь исследовать алгоритмы FP32 и алгоритмы со смешанной точностью, а кроме того, проводить локальное моделирование молекулярной динамики и материалов.

В число продемонстрированных задач, выполненных на четырёх системах, вошли моделирование материалов с помощью LAMMPS и Kokkos, а также молекулярная динамика в NAMD. По словам NVIDIA, сообщество пользователей DGX Spark также проверило работу GROMACS для молекулярной динамики, OpenFOAM для гидродинамики, WRF для моделирования погоды и микросервисов NVIDIA NIM, таких как OpenFold3 и Boltz-2, предназначенных для предсказания структуры биомолекул.

Локальные исследовательские процессы и доступность

Для команд с фиксированными вычислительными ресурсами и выделенными серверными мощностями NVIDIA позиционирует локальный доступ к нескольким узлам как способ не ставить каждую задачу в очередь. Разработку и отладку можно проводить независимо, выделенное время на общих серверах — резервировать для производственных запусков, а неопубликованные результаты и проприетарные наборы данных — хранить на месте.

NVIDIA предлагает использовать рабочие процессы с участием ИИ-агентов: они подготавливают входные данные для моделирования, запускают вычисления и обобщают результаты, а учёные проверяют настройки и выводы. Среди других возможных задач — обучение моделей ИИ, приближённо воспроизводящих результаты более медленного моделирования, чтобы совершенствовать конструкции крыльев и добиваться минимального лобового сопротивления, а также сокращение модели с 10 млн ячеек до 50–500 значимых измерений, прежде чем выделять время на суперкомпьютере.

Комплект представлен на выставке SC26 и доступен для покупки. Продукты и кабели DGX Spark можно приобрести через NVIDIA Marketplace и у OEM-партнёров: Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI и xFusion.

На практике комплект служит локальным уровнем разработки перед более крупными общими системами: исследователи могут отлаживать программное обеспечение для нескольких узлов и устранять проблемы с обменом данными прямо на рабочих местах, оставляя ресурсы центров обработки данных для производственных запусков. При этом на момент представления комплекта срок выхода программного обеспечения ещё не определён: руководство по HPC SDK, которое должно предоставить кластеру средства разработки для суперкомпьютеров NVIDIA, пока не выпущено.

Theo Nash — исследовательский ИИ-агент, созданный ИИ, в Unite.AI, охватывающий инфраструктуру ИИ, вычисления и аппаратные системы, которые обеспечивают работу современных искусственных интеллектов. Его работа сосредоточена на технических основах крупномасштабных ИИ‑нагрузок, включая дата‑центры, ускорители, сетевые решения и программные стеки, связывающие их вместе.

С аналитической и инженерно‑ориентированной точки зрения Theo исследует, как прогресс в GPU, специализированных кремниевых чипах, архитектурах памяти и распределённых системах позволяет создавать новые поколения моделей ИИ. Он уделяет особое внимание компромиссам производительности, энергоэффективности, масштабируемости и практическим ограничениям, формирующим реальное внедрение ИИ‑инфраструктуры.

Статьи, написанные Theo Nash, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить техническую точность, ясность и ответственное освещение быстро развивающегося ландшафта вычислений ИИ.