Nvidia Blog
At leading institutions across the globe, the NVIDIA DGX Spark desktop supercomputer is bringing data‑center‑class AI to lab benches, faculty offices and students’ systems. There’s even a DGX Spark hard at work in the South Pole, at the IceCube Neutrino Observatory run by the University of Wisconsin-Madison. The compact supercomputer’s petaflop‑class performance enables local deployment Read Article
AI 生成摘要
NVIDIA DGX Spark 桌上型超級電腦將資料中心級別的 AI 能力帶入全球高等教育機構，實現大型 AI 應用程式的本地部署，並支援包括南極在內的極端環境下的先進研究。
NVIDIA 的人工智慧運算領導地位
在全球領先的機構中，NVIDIA DGX Spark 桌面型超級電腦正將資料中心等級的人工智慧帶到實驗室工作台、教職員辦公室和學生的系統中。甚至在南極的威斯康辛大學麥迪遜分校運營的冰立方中微子觀測站，也有一台 DGX Spark 在努力工作。
這款緊湊型超級電腦的百萬兆級效能，能夠在本機部署大型人工智慧應用程式，從臨床報告評估器到機器人感知系統，同時將敏感資料保存在本地，並縮短研究人員和學習者的迭代週期。
每個 DGX Spark 單元都由 NVIDIA GB10 超級晶片和 NVIDIA DGX 作業系統驅動，支援高達 2000 億參數的人工智慧模型，並與 NVIDIA NeMo、Metropolis、Holoscan 和 Isaac 平台無縫整合，讓學生能夠使用與 DGX 生態系統中相同的專業級工具。
請閱讀以下內容，了解 DGX Spark 如何在全球領先機構中推動突破性的人工智慧工作。
在威斯康辛大學麥迪遜分校位於南極的冰立方中微子觀測站，研究人員正在使用 DGX Spark 運行人工智慧模型，以進行研究宇宙中最劇烈事件的實驗，使用稱為中微子的亞原子粒子。
威斯康辛冰立方粒子天體物理中心計算主任 Benedikt Riedel 表示，傳統的天文學方法基於檢測光波，能夠觀測到約 80% 的已知宇宙。一種探索宇宙的新方法——使用重力波和中微子等粒子——可以解鎖對最極端宇宙環境的檢測，包括涉及超新星和暗物質的環境。
Riedel 說：「南極沒有五金行，從技術上講，南極是一個沙漠，相對濕度低於 5%，海拔 10,000 英尺，這意味著電力非常有限。」「DGX Spark 讓我們能夠以模組化且簡單的方式，以低成本在如此極端的遠端環境中部署人工智慧，以便在本機對我們的中微子觀測資料進行人工智慧分析。」
在紐約大學的全球人工智慧前沿實驗室，ICARE（可解釋且基於臨床的代理報告評估）專案完全在實驗室的 DGX Spark 上運行。ICARE 使用協作人工智慧代理和多項選擇題生成來評估人工智慧生成的放射學報告與專家來源的吻合程度，從而實現即時臨床評估和持續監控，而無需將醫學影像資料發送到雲端。
紐約大學資料科學助理教授兼資料科學中心研究員 Lucius Bynum 說：「能夠在 DGX Spark 上在本機運行強大的大型語言模型，徹底改變了我的工作流程。」「我能夠將精力集中在快速迭代和改進我正在開發的研究工具上。」
紐約大學的研究人員還使用 DGX Spark 在本機運行大型語言模型，作為互動式因果建模工具的一部分，這些工具生成並完善語義因果模型——臨床變數、影像學發現和潛在診斷之間因果關係的結構化、機器可讀地圖。這種設定讓團隊能夠快速設計、測試和迭代高級模型，而無需等待叢集資源，包括醫療保健等對隱私和安全敏感的應用程式，在這些應用程式中，資料必須保留在本地。
在哈佛大學的肯普納自然與人工智慧研究所，神經科學家正在使用 DGX Spark 作為緊湊型桌面超級電腦，來探究大腦中的基因突變如何導致癲癇。該系統讓研究人員能夠即時運行複雜的分析，而無需等待訪問大型機構叢集。
由肯普納研究所聯合主任 Bernardo Sabatini 領導的團隊正在研究約 6,000 個興奮性和抑制性神經元中的突變，建立蛋白質結構和神經元功能預測圖，以指導接下來在實驗室中測試哪些變體。
DGX Spark 充當哈佛大學工作台和叢集規模計算之間的橋樑。研究人員首先在單個 DGX Spark 上驗證工作流程和時序，然後將成功的工作流程擴展到大型 GPU 叢集，以進行大規模蛋白質篩選。
亞利桑那州立大學是最早收到多個 DGX Spark 系統的大學之一，這些系統現在支援整個校園的人工智慧研究，涵蓋記憶護理、交通安全和永續能源等計畫。
亞利桑那州立大學的一個團隊由計算和增強智慧學院副教授 Yezhou “YZ” Yang 領導，正在使用 DGX Spark 來推動先進的感知和機器人研究，包括用於人工智慧支援的搜救機器狗和視障用戶輔助工具等應用程式。
在密西西比州立大學的電腦科學和工程系，DGX Spark 作為下一代人工智慧工程師的實踐學習平台。
密西西比州立大學對 DGX Spark 的熱情體現在實驗室驅動的推廣中，包括一個實驗室創建的開箱影片，該實驗室致力於推進應用人工智慧、促進人工智慧勞動力發展並推動全州範圍內的真實世界人工智慧實驗。
當 ASUS 交付該校的第一台 Ascent GX10（由 DGX Spark 驅動）時，電腦和資訊科學教授兼第一州人工智慧研究所所長 Sunita Chandrasekaran 稱其「對研究具有變革性意義」，使體育分析和沿海科學等學科的團隊能夠直接在校園內運行大型人工智慧模型，而不是依賴昂貴的雲端資源。透過 ASUS 虛擬實驗室計畫，學校可以在部署前遠端測試 GX10 的效能。
在奧地利科學技術研究所，研究人員正在使用 HP ZGX Nano AI 工作站（基於 NVIDIA DGX Spark 的緊湊型系統）直接在桌面上訓練和微調大型語言模型。該團隊的開源 LLMQ 軟體能夠處理高達 70 億參數的模型，使更多學生和研究人員能夠進行高級大型語言模型訓練。
由於 ZGX Nano 包含 128GB 的統一記憶體，因此整個大型語言模型及其訓練資料都可以保留在系統上，從而避免了消費級 GPU 上通常需要的複雜記憶體管理。這有助於團隊更快地行動並將敏感資料保留在本地。請閱讀這篇關於 ISTA 的 LLMQ 軟體的研究論文。
在史丹佛大學，研究人員正在使用 DGX Spark 來對完整的訓練和評估管道進行原型設計，以便在擴展到大型 GPU 叢集之前在本機運行其 Biomni 生物代理工作流程。這為模型開發和基準測試提供了一個緊密的迭代迴圈，並直接在實驗室環境中自動執行複雜的分析和實驗規劃。
史丹佛大學的研究團隊報告說，DGX Spark 提供了與大型雲端 GPU 實例相似的效能——在使用 Ollama 的 MXFP4 上，在 1200 億參數的 gpt-oss 模型上約為每秒 80 個 token——同時將整個工作負載保留在桌面上。
來自全球各地的大學生受邀參加 Treehacks，這是一個將於 2 月 13 日至 15 日在史丹佛大學舉行的大型學生黑客松，屆時將展出 ASUS 的 DGX Spark 單元。
如欲了解 DGX Spark 如何改變史丹佛大學的高等教育和學生創新，請於太平洋時間 2 月 13 日上午 9 點加入此直播。
開始使用 DGX Spark 並在此網頁上尋找購買選項。
GeForce NOW 將螢幕變成遊戲機
GeForce NOW 慶祝串流六年，二月推出 24 款遊戲
NVIDIA CEO 黃仁勳在 3DEXPERIENCE World 上表示，一切都將在虛擬雙生中呈現
Mercedes-Benz 推出基於 NVIDIA DRIVE AV 打造的全新 S-Class，可實現 L4-Ready 架構
進入 Omniverse：物理人工智慧開放模型和框架推進機器人和自主系統
朋友的電子郵件地址
您的姓名
您的電子郵件地址
評論
發送電子郵件