La consegna del primo sistema DGX Spark segna l’avvio concreto della nuova generazione di supercalcolo distribuito di NVIDIA, orientata a portare la potenza dell’intelligenza artificiale oltre i confini del data center. La prima unità è stata consegnata personalmente da Jensen Huang, fondatore e CEO di NVIDIA, a Elon Musk presso la sede di SpaceX a Starbase, in Texas, simbolicamente a pochi metri dai vettori Starship in preparazione per il loro undicesimo test di volo.
La scena rappresenta un punto di svolta tecnico più che mediatico. Con DGX Spark, NVIDIA concretizza una strategia di miniaturizzazione che mira a rendere disponibili capacità computazionali di fascia data center in formati portatili e integrabili in contesti di sviluppo, ricerca e produzione locali.
Architettura e prestazioni: un petaflop in formato compatto con NVIDIA DGX Spark
DGX Spark pesa 1,2 chilogrammi e ha dimensioni paragonabili a un libro rilegato. Al suo interno integra il nuovo superchip NVIDIA GB10 Grace Blackwell, una soluzione che combina CPU e GPU in un’architettura unificata capace di raggiungere 1 petaflop di potenza di calcolo in precisione FP4.
La dotazione di 128 GB di memoria unificata consente l’esecuzione locale di modelli linguistici e multimodali fino a 200 miliardi di parametri, senza la necessità di distribuire i carichi di lavoro tra più macchine o servizi cloud. La connettività è garantita da interfacce NVIDIA NVLink-C2C, con una banda cinque volte superiore rispetto a PCIe, e da soluzioni ConnectX per il clustering. Il sistema include inoltre storage NVMe e uscita HDMI, configurandosi come una piattaforma di sviluppo completa in un formato di dimensioni ridotte.
Software e stack di sviluppo
Come tutti i sistemi DGX, anche Spark è fornito con l’intero stack software NVIDIA AI, comprendente framework, librerie, modelli preaddestrati e i microservizi NVIDIA NIM. L’obiettivo è consentire la creazione e l’ottimizzazione di applicazioni AI direttamente in locale, riducendo la dipendenza dall’infrastruttura remota e accelerando i cicli di sviluppo.
Tra i casi d’uso previsti, NVIDIA cita la personalizzazione di modelli di generazione d’immagini come FLUX.1, la costruzione di agenti di ricerca e sintesi visiva con NVIDIA Cosmos e l’implementazione di chatbot ottimizzati basati su Qwen3. In prospettiva, DGX Spark si propone come nodo di prossimità per il calcolo AI, adatto a scenari edge e ambienti in cui la latenza e la sovranità dei dati rappresentano fattori critici.
Ecosistema e disponibilità
La distribuzione dei primi esemplari di DGX Spark coinvolge un ampio spettro di partner industriali e accademici. Tra i primi destinatari figurano Ollama a Palo Alto, impegnata nello sviluppo di ambienti per l’esecuzione locale di modelli linguistici; l’Arizona State University, che utilizzerà il sistema per la simulazione robotica e l’elaborazione visiva; lo studio dell’artista Refik Anadol, per la creazione di opere basate su intelligenza artificiale; e Zipline, specializzata in sistemi autonomi di consegna.
Sul fronte dei produttori hardware, NVIDIA ha annunciato la collaborazione con Acer, ASUS, Dell Technologies, GIGABYTE, HP, Lenovo e MSI, che realizzeranno configurazioni basate su DGX Spark destinate a portare capacità di calcolo da petaflop direttamente sulle postazioni desktop professionali. Questa convergenza tra hardware compatto e stack AI integrato definisce un nuovo paradigma per lo sviluppo di applicazioni avanzate in ambiti di ricerca, industria creativa e automazione.
Nvidia, dal data center all’edge con DGX Spark
Con DGX Spark, NVIDIA prosegue un percorso iniziato nel 2016 con il DGX-1, primo sistema progettato specificamente per l’intelligenza artificiale. Dopo quasi un decennio di evoluzione, il calcolo ad alte prestazioni si avvicina al punto di utilizzo, offrendo a sviluppatori e ricercatori una piattaforma capace di estendere le frontiere dell’AI senza la complessità infrastrutturale tipica dei supercomputer tradizionali.
L’adozione di architetture compatte ad alte prestazioni come DGX Spark apre la strada a una nuova generazione di laboratori distribuiti, dove la sperimentazione avviene in tempo reale, con risorse locali e tempi di iterazione significativamente ridotti. La disponibilità generale del sistema è prevista dal 15 ottobre, tramite NVIDIA.com e i partner globali dell’azienda.
