英伟达推出64GB版DGX Spark：售价4999美元 128GB版本价格已突破6000美元

英伟达正在调整面向本地AI计算市场的DGX Spark产品线，并推出容量更低、价格相对更容易接受的64GB版本。最新消息显示，搭载GB10 Grace Blackwell超级芯片的64GB DGX Spark预计将于10月23日上市，起售价为4999美元。与此同时，原本配备128GB统一内存的DGX Spark及其OEM版本近期价格持续上涨，部分产品实际售价已经达到7000至9000美元。

64GB版本的推出，主要是为了应对近期持续上涨的内存价格以及本地AI模型对内存容量需求发生变化的问题。DGX Spark最初的核心卖点之一就是128GB LPDDR5X统一内存，让CPU和GPU可以共享同一套内存资源，从而在不依赖独立显存的情况下运行规模较大的AI模型。

但随着AI模型快速发展，并非所有模型都需要128GB内存才能运行。如今一些参数量在数百亿级别的高效模型已经可以在32GB左右的内存中运行，虽然上下文长度和运行方式可能受到一定限制，但对于只需要进行本地推理的用户来说，128GB并不一定是刚需。

与此同时，AI产业爆发正在推高全球内存需求，LPDDR5X等高性能内存的供应也受到影响。对于一台将大量内存直接集成在系统中的设备而言，内存价格上涨会直接反映到整机成本上。因此，英伟达现在增加64GB版本，相当于给用户提供一个牺牲部分内存容量、换取更低价格的选择。

64GB版本的核心硬件并没有明显缩水。它仍然使用GB10 Grace Blackwell超级芯片，拥有20核心Arm CPU，并采用CPU和GPU共享统一内存的架构。内存带宽同样维持在273GB/s左右，因此64GB版本与128GB版本之间最大的区别就是可用内存容量，而不是计算核心本身发生变化。

网络连接能力也保持不变。64GB DGX Spark继续配备ConnectX-7高速网络控制器，因此多台设备可以通过高速互联组成集群。对于需要运行超过64GB内存容量模型的用户而言，可以通过多台64GB DGX Spark组合的方式扩展整体可用内存和计算能力。

英伟达还推出了新的Sync Cluster Assistant工具，用于降低多台Spark组网的复杂程度。过去用户如果希望将两台或更多DGX Spark连接起来，需要进行一定程度的手动配置，而新的软件可以自动完成设备之间的连接和管理。

与此同时，英伟达还为Sync增加了Model Launcher功能。用户可以选择AI模型后，由系统自动完成模型下载和启动，并将模型连接到OpenCode浏览器端编程智能体。这样一来，多台Spark组成的本地AI集群可以更加直接地用于代码开发以及其他智能体工作流。

64GB版本的定价为4999美元。不过，这个价格实际上并没有想象中那么低，因为当前内存市场价格已经发生明显变化，而且DGX Spark的实际市场价格本身也一直处于波动状态。

包括Acer、华硕、戴尔、技嘉、惠普和微星在内的多家OEM厂商都计划推出64GB版本的GB10系统，起售价同样预计在4999美元左右，首批产品计划于10月23日开始上市。

相比之下，128GB版本的价格近期已经明显上涨。由于供应有限，目前市场上能够实际购买到的128GB GB10系统价格大约在7000至9000美元之间，部分型号甚至曾经出现更高的零售报价。

英伟达自己的DGX Spark Founders Edition此前售价为3999美元，但由于全球内存供应紧张，英伟达已经将官方建议零售价上调至4699美元。市场实际销售价格还可能进一步高于这一数字。也就是说，如今一台128GB DGX Spark的实际价格已经远远高于最初发布时的3999美元。

这也是64GB版本推出的一个重要背景。对于很多本地AI用户来说，如果主要目标只是运行中小型大语言模型、代码模型或者AI智能体，那么花费数千美元购买128GB版本并不一定划算。64GB版本可以保留GB10的计算能力以及英伟达完整的软件生态，同时降低因为大容量内存带来的成本压力。

不过，对于需要运行更大型模型或者进行本地模型微调的用户来说，128GB版本依然具有明显优势。特别是在模型参数规模不断增加的情况下，更多统一内存意味着能够直接装载更大的模型，而不需要频繁进行量化、分层加载或者将模型拆分到多台机器上。

此外，128GB版本仍然适合用于多机集群。用户可以通过ConnectX-7将多个DGX Spark连接起来，把多台设备的内存和计算能力组合使用。因此，英伟达并没有用64GB版本取代128GB版本，而是形成了更加明显的产品层次。

从实际应用来看，64GB已经足以覆盖相当一部分本地AI工作负载。对于27B左右的高效模型而言，32GB已经可以在一定条件下完成本地推理，而64GB则可以提供更多上下文空间和运行余量。如果用户主要使用量化模型进行推理，64GB甚至可以处理更大规模的模型。

但如果涉及模型微调、长上下文、大规模智能体工作流或者多个模型同时运行，128GB仍然能够提供明显更多的空间。因此，64GB和128GB之间的差异最终并不是单纯的性能差异，而更多体现在能够容纳多大的模型以及能够同时处理多少数据。

DGX Spark的核心竞争力也不仅仅是内存容量。GB10采用Grace Blackwell架构，配备Blackwell GPU以及第五代Tensor Core，并能够提供最高约1 PFLOP的FP4 AI计算性能。其系统采用150×150×50毫米左右的小型机箱，重量约1.2公斤，功耗约240W。

这种设计让DGX Spark介于传统工作站和大型AI服务器之间。它不像普通游戏PC那样依靠独立显卡和系统内存分别处理AI任务，而是通过统一内存架构，让GPU能够直接访问整个系统内存空间。这也是它能够在如此小的体积内提供128GB甚至64GB大容量AI内存的关键原因之一。

与此同时，英伟达还正在推动RTX Spark产品线进入市场。RTX Spark同样采用Grace CPU和Blackwell GPU，并提供最高128GB统一LPDDR5X内存，但定位更加偏向Windows PC、创作者和AI智能体应用。英伟达预计相关桌面和笔记本产品将在2026年10月陆续上市。

这意味着DGX Spark面临的竞争正在发生变化。此前，用户如果想购买一台小型本地AI超级计算机，DGX Spark几乎没有太多直接替代产品；如今随着RTX Spark以及AMD、苹果等平台不断提高统一内存容量，消费者能够选择的本地AI硬件正在迅速增加。

不过，当前真正限制这类设备价格的已经不只是GPU或SoC本身，而是高容量高速内存。对于DGX Spark这样的统一内存架构设备来说，128GB LPDDR5X是芯片设计的一部分，并不像普通台式机那样可以随时购买内存条进行升级。因此，一旦内存价格大幅上涨，整机成本也会受到直接影响。

从这个角度来看，英伟达推出64GB版本并不只是一次简单的产品扩充，而是对当前AI硬件市场现实的一种回应。随着AI模型不断优化，越来越多模型能够以更少的内存运行，同时高容量内存价格又持续上涨，64GB可能成为部分本地AI用户更加现实的容量选择。

而对于英伟达而言，64GB版本也可以扩大GB10平台的潜在用户群。那些原本因为128GB版本价格过高而无法接受DGX Spark的用户，现在可以选择4999美元的64GB机型。如果未来内存价格继续上涨，这种容量分级策略也能够让英伟达更灵活地控制产品成本。

因此，DGX Spark正在从最初单一的128GB本地AI超级计算机，逐渐发展成覆盖不同内存容量和价格区间的平台。64GB版本并不会让128GB版本失去意义，但它可能成为更多本地AI开发者进入GB10生态的入门选择。随着AI模型越来越强调效率以及内存市场持续紧张，未来本地AI硬件究竟应该优先追求计算能力还是内存容量，也将成为消费者选择这类设备时越来越重要的问题。