要約:
Nvidia は、現地の AI コンピューティング市場向けに DGX Spark 製品ラインを調整し、容量が少なく比較的手頃な価格の 64 GB バージョンを発売します。最新のニュースによると、GB10 Grace Blackwell スーパー チップを搭載した 64GB DGX Spark は 10 月 23 日に発売され、開始価格は 4,999 ドルとなる予定です。同時に、もともと 128GB ユニファイド メモリを搭載していた DGX Spark とその OEM バージョンの価格は最近上昇を続けており、一部の製品の実売価格は 7,000 ドルから 9,000 ドルに達しています。
64GB バージョンの発売は、主に、最近のメモリ価格の継続的な上昇と、ローカル AI モデルのメモリ容量要件の変化に対応するものです。 DGX Spark の最初のコア セールス ポイントの 1 つは、128 GB LPDDR5X ユニファイド メモリです。これにより、CPU と GPU が同じメモリ リソースのセットを共有し、独立したグラフィック メモリに依存せずに大規模な AI モデルを実行できます。
しかし、AI モデルの急速な開発により、すべてのモデルの実行に 128 GB のメモリが必要になるわけではありません。現在では、数百億のパラメータを備えた一部の効率的なモデルは、すでに約 32 GB のメモリで実行できます。コンテキストの長さと動作モードには特定の制限が適用される場合がありますが、ローカル推論のみを実行する必要があるユーザーにとって、128GB は必ずしも要件ではありません。
同時に、AI 産業の勃興により世界的なメモリ需要が高まり、LPDDR5X などの高性能メモリの供給にも影響が出ています。大量のメモリをシステムに直接統合するデバイスの場合、メモリの価格の上昇はマシン全体のコストに直接反映されます。したがって、NVIDIA は現在 64GB バージョンを追加しています。これは、価格を下げる代わりにメモリ容量の一部を犠牲にするオプションをユーザーに提供することに相当します。
64GB バージョンのコア ハードウェアは大幅に縮小されていません。 GB10 Grace Blackwellスーパーチップを引き続き使用し、20コアのArm CPUを搭載し、CPUとGPUがユニファイドメモリを共有するアーキテクチャを採用しています。メモリ帯域幅も約 273GB/秒のままであるため、64GB バージョンと 128GB バージョンの最大の違いは、コンピューティング コア自体の変更ではなく、利用可能なメモリ容量です。
ネットワーク接続も変わりません。 64GB DGX Spark には引き続き ConnectX-7 高速ネットワーク コントローラーが搭載されているため、複数のデバイスが高速相互接続を通じてクラスターを形成できます。 64GB を超えるメモリ容量のモデルを実行する必要があるユーザーの場合、複数の 64GB DGX Spark を組み合わせることで、全体的に利用可能なメモリとコンピューティング能力を拡張できます。
NVIDIA は、複数の Spark ネットワーキングの複雑さを軽減するための新しい同期クラスター アシスタント ツールもリリースしました。これまでは、2 台以上の DGX Spark を接続したい場合、ある程度手動で設定する必要がありましたが、新しいソフトウェアではデバイス間の接続と管理が自動的に完了します。
同時に、NVIDIA はモデル ランチャー機能も同期に追加しました。ユーザーが AI モデルを選択すると、システムは自動的にモデルをダウンロードして起動し、モデルを OpenCode ブラウザ側プログラミング エージェントに接続します。このようにして、複数の Spark で構成されるローカル AI クラスターをコード開発やその他のエージェント ワークフローにより直接的に使用できます。
64GB バージョンの価格は 4,999 ドルです。ただし、現在のメモリ市場価格は大きく変動しており、DGX Spark 自体の実際の市場価格も変動しているため、この価格は実際には想像されているほど安くはありません。
Acer、Asus、Dell、Gigabyte、HP、MSI などの多くの OEM メーカーが、GB10 システムの 64GB バージョンを発売する予定です。開始価格も4,999ドル程度となる見込みだ。製品の最初のバッチは 10 月 23 日に発売される予定です。
対照的に、128GB バージョンの価格は最近大幅に上昇しています。供給が限られているため、現在市場で入手可能な 128GB GB10 システムの価格は約 7,000 米ドルから 9,000 米ドルであり、一部のモデルでは小売価格がさらに高くなっています。
Nvidia 独自の DGX Spark Founders Edition の価格は以前は 3,999 米ドルでしたが、世界的なメモリ供給が逼迫しているため、Nvidia は公式希望小売価格を 4,699 米ドルに引き上げました。実際の市場での販売価格はこの数値よりさらに高くなる可能性があります。言い換えれば、128GB DGX Spark の現在の実際の価格は、最初にリリースされたときの 3,999 ドルよりもはるかに高くなっています。
これは、64GB バージョンの発売の重要な背景でもあります。多くのローカル AI ユーザーにとって、主な目的が中小規模の大型言語モデル、コード モデル、または AI エージェントを実行することである場合、数千ドルを費やして 128 GB バージョンを購入することは必ずしも費用対効果が高いとは限りません。 64GB バージョンは、大容量メモリによるコスト圧力を軽減しながら、GB10 のコンピューティング能力と NVIDIA の完全なソフトウェア エコシステムを維持できます。
ただし、より大きなモデルを実行する必要があるユーザーや、ローカル モデルを微調整する必要があるユーザーにとっては、128 GB バージョンにも明らかな利点があります。特にモデル パラメーターのサイズが増加し続けるにつれて、統合メモリの増加により、頻繁な量子化、段階的な読み込み、または複数のマシン間でのモデルの分割を必要とせずに、より大きなモデルを直接読み込むことができるようになります。
さらに、128GB バージョンは引き続きマルチマシン クラスターでの使用に適しています。ユーザーは ConnectX-7 を介して複数の DGX Spark を接続し、複数のデバイスのメモリとコンピューティング機能を組み合わせることができます。したがって、Nvidia は 128GB バージョンを 64GB バージョンに置き換えませんでしたが、より明確な製品階層を形成しました。
実際のアプリケーションの観点から見ると、ローカル AI ワークロードのかなりの部分をカバーするには 64 GB で十分です。約 27B の効率的なモデルの場合、特定の条件下では 32GB ですでにローカル推論を完了できますが、64GB ではより多くのコンテキスト領域と実行マージンを提供できます。ユーザーが主に推論に量子化モデルを使用する場合、64 GB でさらに大きなモデルを処理できます。
ただし、モデルの微調整、長いコンテキスト、大規模なエージェント ワークフロー、または複数のモデルの同時実行が含まれる場合は、128 GB でも大幅に多くのスペースを提供できます。したがって、64GB と 128GB の違いは、最終的には純粋なパフォーマンスの違いではなく、どのくらいのサイズのモデルに対応できるか、および同時に処理できるデータの量に関係します。
DGX Spark の核となる競争力はメモリ容量だけではありません。 GB10はGrace Blackwellアーキテクチャを採用し、Blackwell GPUと第5世代Tensorコアを搭載し、最大約1PFLOPのFP4 AIコンピューティング性能を提供できます。このシステムは、約150×150×50mm、重量約1.2kg、消費電力約240Wの小型筐体を採用しています。
この設計では、DGX Spark を従来のワークステーションと大規模な AI サーバーの間に配置します。通常のゲーミング PC のように AI タスクを個別に処理するために、独立したグラフィック カードやシステム メモリに依存しません。代わりに、統合メモリ アーキテクチャを使用して、GPU がシステム メモリ空間全体に直接アクセスできるようにします。これは、このような小さなサイズで 128 GB、さらには 64 GB の大容量 AI メモリを提供できる主な理由の 1 つです。
同時に、NVIDIA は RTX Spark 製品ラインの市場参入も推進しています。 RTX Spark も Grace CPU と Blackwell GPU を使用し、最大 128 GB のユニファイド LPDDR5X メモリを提供しますが、その位置付けは Windows PC、クリエイター、AI エージェント アプリケーションにより偏っています。 NVIDIA は、関連するデスクトップおよびノートブック製品が 2026 年 10 月に発売されると予想しています。
これは、DGX Spark が直面する競争が変化していることを意味します。以前は、ユーザーが小型のローカル AI スーパーコンピューターを購入したい場合、DGX Spark に直接代わるものはほとんどありませんでした。現在、RTX Spark や AMD や Apple などのプラットフォームがユニファイド メモリ容量を増やし続けているため、消費者が選択できるローカル AI ハードウェアの数は急速に増加しています。
しかし、現在このようなデバイスの価格を制限しているのは、GPU や SoC 自体だけではなく、大容量、高速メモリです。 DGX Spark などのユニファイド メモリ アーキテクチャ デバイスの場合、128GB LPDDR5X がチップ設計の一部となっており、通常のデスクトップ コンピュータとは異なり、メモリ モジュールをいつでも購入してアップグレードできます。したがって、メモリの価格が大幅に上昇すると、マシン全体のコストも直接影響を受けます。
この観点から見ると、Nvidia の 64GB バージョンの発売は、単なる製品拡張ではなく、現在の AI ハードウェア市場の現実への対応であると言えます。 AI モデルの最適化が進むにつれて、より少ないメモリで実行できるモデルが増えており、大容量メモリの価格は上昇し続けています。一部のローカル AI ユーザーにとっては、64 GB がより現実的な容量の選択となる可能性があります。
Nvidia の場合、64 GB バージョンは GB10 プラットフォームの潜在的なユーザー ベースを拡大することもできます。当初は 128GB バージョンの価格が高かったため DGX Spark を受け入れることができなかったユーザーも、4,999 ドルの 64GB モデルを選択できるようになりました。メモリ価格が将来的に上昇し続けた場合、この容量階層化戦略により、Nvidia は製品コストをより柔軟に管理できるようになります。
その結果、DGX Spark は、単一の 128 GB ローカル AI スーパーコンピューターから、さまざまなメモリ容量と価格帯をカバーするプラットフォームへと徐々に開発されています。 64GB バージョンが 128GB バージョンの意味をなくすわけではありませんが、より多くの地元の AI 開発者が GB10 エコシステムに参入するための選択肢となる可能性があります。 AI モデルは効率性をますます重視しており、メモリ市場は引き続き逼迫しているため、将来的にローカル AI ハードウェアがコンピューティング能力とメモリ容量のどちらを優先すべきかは、消費者がそのようなデバイスを選択する際にますます重要な問題となるでしょう。
コメント