NVIDIA推出的DGX Spark是一款售价约4000美元的桌面"AI超级计算机"，尺寸类似Mac mini但外观更具科幻感。虽然硬件性能强大，但目前配套生态系统仍处于早期发展阶段。作者获得了评测样机但强调内容保持独立客观。

英伟达DGX Spark评测：硬件惊艳，生态初现

英伟达近日推出了一款面向AI研究者的桌面级"AI超级计算机"DGX Spark，我有幸获得了预览机型。这款售价约4000美元的设备将于明日正式发售。

硬件配置： - 尺寸与Mac mini相仿，采用独特纹理表面设计 - ARM64架构，20核CPU（10个Cortex-X925性能核+10个Cortex-A725能效核） - 128GB统一内存（GPU与CPU共享） - 配备NVIDIA GB10显卡（Blackwell架构），119.68GB显存 - 4TB NVMe SSD存储

使用体验： 1. 软件生态挑战： - 多数AI工具基于x86架构开发，ARM64支持尚不完善 - PyTorch等框架的ARM版安装复杂 - 通过官方Docker容器（CUDA 13.0.1）可部分解决问题

2. 开发辅助：

• Claude Code在解决Ubuntu环境配置、CUDA驱动等问题上表现出色
• 成功运行llama.cpp等工具，实现GPU加速的模型推理

3. 远程访问：

• 通过Tailscale实现全球任意地点访问
• 支持SSH和Open WebUI等移动端操作

生态进展： 随着产品解禁，多个项目已快速适配： - Ollama实现开箱即用 - llama.cpp开发者发布详细性能测试 - LM Studio推出专用版本 - vLLM提供官方NGC容器

购买建议： 目前仍存在ARM64生态适配的学习曲线，但近期的快速进步令人鼓舞。建议观望数周，待生态更成熟后再做决定。

（注：评测基于厂商提供的样机，但内容保持独立客观）

以下是评论内容的总结：

1. 软件配置问题

• 负面评价：NVIDIA硬件优秀但软件配置复杂困难

  • "great hardware, an effing nightmare figuring out how to setup the pile of crap they call software" (ur-whale)
  • "Deviate from the anointed versions...nothing runs without a lot of hacking" (rcarmo)

• 正面评价：随着生态完善，配置已变得更简单

  • "as simple as: docker run..." (simonw)
  • "PyTorch has been building official wheels...Has the rest of the ecosystem not kept up?" (saagarjha)

2. 性能与性价比争议

• 质疑性能：显存带宽低影响推理速度

  • "video memory bandwidth is very low...decode speed will be very slow" (jhcuii)
  • "inference speed is slower than a 5090" (rcarmo)

• 对比方案：MacBook Pro可能是更好选择

  • "M4 Max...twice the memory bandwidth...should probably get a Mac" (smallnamespace)
  • "a Mac will outlive everything else" (rcarmo)

• 成本考量：与云服务或传统设备比较

  • "how this compares financially with renting on cloud" (two_handfuls)
  • "compare with cloud-based GPU costs...returns from a more conventional rig" (rcarmo)

3. 架构支持问题

• ARM架构支持不足
  • "x86 is so assumed...that it is painful" (physicsguy)
  • "hopeful this makes Nvidia take aarch64 seriously" (rgovostes)

4. 实用性质疑

• 显存容量是否足够

  • "Is 128 GB enough?...useless for anything realistic" (reenorap)

• 产品定位争议

  • "feels like a paper launch...kneecapped for training" (monster_truck)

其他

• 计量单位澄清："128GB equals 119GiB" (fisian)
• 幽默评论："missing the obligatory pelican" (fnordpiglet)

总结显示评论主要围绕软件易用性、性能比较和架构支持展开，既有对NVIDIA的批评，也有对其生态发展的肯定，同时提出了与其他硬件方案的对比思考。