AI-modeller och plattformar
NVIDIA introducerar DGX Spark-utvecklingspaket för HPC inom vetenskapliga beräkningar

Viktiga punkterSatsen med fyra noder kopplar varje system direkt till två grannar så ingen…
Visa mer
- Satsen med fyra noder kopplar varje system direkt till två grannar så ingen nätverksswitch behövs.
- NVIDIA positionerar lokal åtkomst till flera noder som ett sätt att undvika köande för varje jobb på delade servrar.
- HPC SDK-playbooken som för superdatorutvecklingsverktyg till klustret är fortfarande på väg.
NVIDIA presenterade DGX Spark-utvecklingspaket för HPC den 16 november 2026 på SC26 i Chicago. Paketet ger forskare ett stationärt kluster med fyra noder för vetenskaplig utveckling och AI-utveckling. Systemen har sammanlagt 512 GB minne och 20 TB NVMe-lagring.
Varje nod bygger på NVIDIA:s GB10 Grace Blackwell Superchip. Paketet kan skalas från en till fyra noder. I den fullständiga konfigurationen ansluts varje system direkt till två grannar i en ring via ConnectX-7-nätverk. Den lösningen gör att man inte behöver köpa eller konfigurera en nätverksswitch, samtidigt som den sammanlagda kapaciteten är avsedd för att fördela modeller och vetenskapliga arbetslaster över klustret.
NVIDIA uppger att NVFP4-kvantisering möjliggör lokal driftsättning av modeller med upp till 700 miljarder parametrar över de fyra systemen, och nämner DeepSeek V4.1 som exempel. Därmed kan paketet användas till mer än vetenskapliga simuleringar: även stora AI-modeller som kan delas upp mellan maskinerna ryms inom användningsområdet.
HPC-programvara och utveckling för flera noder
En installationshandbok för NVIDIA:s HPC SDK, företagets utvecklingspaket för vetenskapliga beräkningar, finns ännu inte tillgänglig. NVIDIA uppger att den kommer snart och att den innehåller GPU-accelererade kompilatorer för C, C++ och Fortran, bibliotek och verktyg för meddelandeöverföring – samma utvecklingsverktyg som används på superdatorer med NVIDIA-teknik.
NVIDIA avser att handboken ska stödja byggande och testning av vetenskapliga program över fyra noder, undersökning av hur beräkningar och data fördelas samt felsökning av kommunikationsproblem innan team skalar upp till större system. Handboken är också tänkt att stödja utforskning av algoritmer med FP32 och blandad precision, samt lokala simuleringar av molekyldynamik och material.
De arbetslaster som demonstrerades på fyra system omfattar LAMMPS med Kokkos för simulering av material och NAMD för molekyldynamik. NVIDIA uppger att den bredare DGX Spark-gemenskapen också har validerat GROMACS för molekyldynamik, OpenFOAM för strömningsdynamik, WRF för vädermodellering samt NVIDIA NIM-mikrotjänster som OpenFold3 och Boltz-2 för att förutsäga biomolekylära strukturer.
Lokala forskningsarbetsflöden och tillgänglighet
För team med fasta tilldelningar av beräkningsresurser och servrar lyfter NVIDIA fram lokal åtkomst till flera noder som ett sätt att slippa stå i kö för varje jobb. Utveckling och felsökning kan ske oberoende av varandra, delade servertimmar kan reserveras för produktionskörningar och opublicerade resultat och proprietära datauppsättningar kan stanna på plats.
NVIDIA föreslår agentstödda arbetsflöden som förbereder simuleringsindata, startar körningar och sammanfattar resultat, medan forskarna validerar konfigurationen och slutsatserna. Andra föreslagna användningsområden är att träna AI-modeller som approximerar långsammare simuleringar för att förfina vingkonstruktioner mot minimalt luftmotstånd, och att begränsa en simulering med 10 miljoner celler till de 50–500 dimensioner som spelar roll innan man använder superdatorresurser.
Paketet visas på SC26 och finns att köpa. DGX Spark-produkter och kablar kan köpas via NVIDIA Marketplace och OEM-partnerna Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI och xFusion.
Paketets praktiska roll är att fungera som ett lokalt utvecklingslager framför större, delade system: forskare kan felsöka programvara för flera noder och kommunikationsproblem vid sina skrivbord, samtidigt som de reserverar datacenterresurser för produktionskörningar. Den reservation som gjordes vid lanseringen gäller tidplanen för programvaran, eftersom HPC SDK-handboken, som för in NVIDIA:s utvecklingsverktyg för superdatorer i klustret, ännu inte har släppts.












