NVIDIA DGX Spark助力全球高等教育AI研究突破

在全球领先的教育机构中，NVIDIA DGX Spark桌面超级计算机正在将数据中心级别的AI能力带到实验台、教师办公室和学生系统中。甚至在南极的威斯康星大学麦迪逊分校运营的冰立方中微子天文台，也有一台DGX Spark在努力工作。

这款紧凑型超级计算机具备千万亿次级别的性能，能够在本地部署大型AI应用程序，从临床报告评估器到机器人感知系统，既能保证敏感数据留在本地，又能缩短研究人员和学习者的迭代周期。

DGX Spark采用NVIDIA GB10超级芯片和NVIDIA DGX操作系统，每台设备支持高达2000亿参数的AI模型，并与NVIDIA NeMo、Metropolis、Holoscan和Isaac平台无缝集成，让学生能够使用与整个DGX生态系统相同的专业级工具。

威斯康星大学麦迪逊分校南极研究突破

在威斯康星大学麦迪逊分校位于南极洲的冰立方中微子天文台，研究人员正在使用DGX Spark运行AI模型，研究宇宙中最剧烈的事件，使用被称为中微子的亚原子粒子。

根据威斯康星冰立方粒子天体物理中心计算主任本尼迪克特·里德尔的说法，基于探测光波的传统天文学方法只能观测到已知宇宙的约80%。使用引力波和中微子等粒子探索宇宙的新方法，能够解锁对最极端宇宙环境的研究，包括超新星和暗物质相关的环境。

"南极没有五金店，那里在技术上是沙漠，相对湿度低于5%，海拔10000英尺，意味着电力极其有限，"里德尔说。"DGX Spark让我们能够在如此偏远的环境中，以低成本、分块化和简便的方式部署AI，对我们的中微子观测数据进行本地AI分析。"

纽约大学医疗AI创新

在纽约大学全球AI前沿实验室，ICARE项目在实验室的一台DGX Spark上端到端运行。ICARE使用协作AI智能体和多选题生成来评估AI生成的放射学报告与专家资源的匹配程度，实现实时临床评估和持续监控，而无需将医学影像数据发送到云端。

"能够在DGX Spark上本地运行强大的大语言模型完全改变了我的工作流程，"纽约大学数据科学中心数据科学助理教授兼研究员卢修斯·拜纳姆说。"我能够专注于快速迭代和改进我正在开发的研究工具。"

纽约大学研究人员还使用DGX Spark在本地运行大语言模型，作为交互式因果建模工具的一部分，生成和完善语义因果模型——临床变量、影像发现和潜在诊断之间因果关系的结构化、机器可读映射。这种设置让团队能够快速设计、测试和迭代先进模型，无需等待集群资源，包括隐私和安全敏感的应用，如医疗保健领域，数据必须保留在本地。

哈佛大学神经科学研究

在哈佛大学自然与人工智能研究肯普纳研究所，神经科学家正在使用DGX Spark作为紧凑型桌面超级计算机，探索大脑基因突变如何驱动癫痫。该系统让研究人员能够实时运行复杂分析，无需等待大型机构集群的访问权限。

由肯普纳研究所联合主任贝尔纳多·萨巴蒂尼领导的团队正在研究兴奋性和抑制性神经元中的约6000个突变，构建蛋白质结构和神经元功能预测图谱，指导下一步在实验室测试哪些变异。

DGX Spark在哈佛充当台式计算和集群级计算之间的桥梁。研究人员首先在单个DGX Spark上验证工作流程和时间安排，然后将成功的流程扩展到大型GPU集群进行大规模蛋白质筛选。

亚利桑那州立大学跨领域应用

亚利桑那州立大学是首批获得多个DGX Spark系统的大学之一，现在支持整个校园的AI研究，涵盖记忆护理、交通安全和可持续能源等倡议。

由计算与增强智能学院副教授杨业州领导的ASU团队正在使用DGX Spark推动先进感知和机器人研究，包括AI驱动的搜救机器狗和视觉障碍用户辅助工具等应用。

密西西比州立大学教育创新

在密西西比州立大学计算机科学与工程系，DGX Spark作为下一代AI工程师的实践学习平台。

密西西比州立大学对DGX Spark的热情通过实验室驱动的推广活动得到体现，包括一个致力于推进应用AI、促进AI人才发展和推动全州实际AI实验的实验室制作的开箱视频。

特拉华大学研究加速

当华硕向学校交付第一台由DGX Spark驱动的Ascent GX10时，计算机与信息科学教授兼第一州AI研究所主任苏尼塔·钱德拉塞卡兰称其为"研究的变革性工具"，使体育分析和海岸科学等跨学科团队能够直接在校园运行大型AI模型，而不是依赖昂贵的云资源。通过华硕虚拟实验室程序，学校可以在部署前远程测试GX10性能。

奥地利科学技术研究院开源贡献

在奥地利科学技术研究院，研究人员正在使用基于NVIDIA DGX Spark的HP ZGX Nano AI工作站，直接在桌面上训练和微调大语言模型。该团队的开源LLMQ软件支持处理高达70亿参数的模型，使更多学生和研究人员能够接触到先进的大语言模型训练。

由于ZGX Nano包含128GB统一内存，整个大语言模型及其训练数据可以保留在系统中，避免了消费级GPU通常需要的复杂内存管理。这帮助团队更快地工作并将敏感数据保留在本地。

斯坦福大学生物AI研究

在斯坦福大学，研究人员使用DGX Spark在扩展到大型GPU集群之前，本地原型化完整的训练和评估流程来运行他们的Biomni生物智能体工作流程。这实现了模型开发和基准测试的紧密迭代循环，并直接在实验室环境中自动化复杂分析和实验规划。

斯坦福研究团队报告称，DGX Spark提供了与大型云GPU实例相似的性能——在通过Ollama的MXFP4上的1200亿参数gpt-oss模型上约每秒80个Token——同时将整个工作负载保留在桌面上。

来自全球的大学生被邀请参加Treehacks，这是2月13-15日在斯坦福举行的大型学生黑客马拉松，将配备华硕的DGX Spark设备。

Q&A

Q1：NVIDIA DGX Spark是什么？它有什么特点？

A：NVIDIA DGX Spark是一款桌面超级计算机，具备千万亿次级别的AI计算性能。它采用NVIDIA GB10超级芯片和DGX操作系统，支持高达2000亿参数的AI模型，能够在本地部署大型AI应用程序，保证敏感数据不外流的同时缩短研究迭代周期。

Q2：DGX Spark在高等教育中有哪些具体应用？

A：DGX Spark在高等教育中应用广泛，包括威斯康星大学的中微子天体物理研究、纽约大学的医疗AI报告评估、哈佛大学的癫痫基因研究、亚利桑那州立大学的机器人感知研究，以及斯坦福大学的生物智能体研究等，覆盖了从基础科学到工程应用的多个领域。

Q3：使用DGX Spark相比云计算有什么优势？

A：DGX Spark相比云计算的主要优势包括：能够将敏感数据保留在本地，特别适合医疗等隐私敏感领域；无需等待集群资源，研究人员可以实时运行复杂分析；在极端环境（如南极）也能稳定运行；成本更低，无需依赖昂贵的云资源；支持快速迭代和原型验证。