記憶體減半、價格省三分之二：DGX Spark 64GB 把本地 AI 代理的入門價降到 4,999 美元

NVIDIA 找到了一個宣示「本地 AI 越來越便宜」的新方法：記憶體砍半、價格降三分之一。10 月 2 日，NVIDIA 宣布推出 DGX Spark 的 64GB 配置版本——這台搭載 Grace Blackwell 架構的桌上型 AI 主機，將於 10 月 23 日（週五）透過 Acer、ASUS、Dell、Gigabyte、HP 與 MSI 等合作夥伴開賣，起始價 4,999 美元，比 128GB 版本約 7,499 美元的市價便宜了約 2,400 美元。

訴求很直接：64GB 版本保留了這個平台的所有核心——GB10 Grace Blackwell Superchip、DGX OS、ConnectX-7 網路，以及完整的 NVIDIA AI 軟體堆疊——只犧牲了記憶體容量。根據 NVIDIA 的說法，這仍然足以在單機上完整運行最高 1,000 億（100B）參數的模型，以及建立在其上的代理應用，完全在本地、私密地執行，不依賴任何雲端。

新版本到底是什麼

DGX Spark 一直是個奇特但有魅力的產品：一台約 240W 的緊湊桌上型主機，把 Grace Blackwell 運算晶片、統一定址的 LPDDR5X 記憶體、200GbE ConnectX-7 網路，以及 CUDA 加速的軟體堆疊，全部裝進一個放在螢幕旁邊、而非資料中心機櫃裡的盒子。它從一開始就被定位為「個人 AI 超級電腦」——一個讓你用當今最強的開放權重模型和自己的資料做實驗、而不必為每個任務開一台雲端執行個體的環境。

64GB 配置僅透過 NVIDIA 的製造夥伴獨家銷售而非直營，這大概也是合作夥伴能夠壓低售價的原因。Tom’s Hardware 將此舉形容為「rampocalypse（產能爬坡災難）」中丟給本地 AI 愛好者的救生圈——過去一年記憶體供應緊縮，讓高容量 LPDDR5X 配置既昂貴又稀缺。對於工作負載裝得進 64GB 的買家來說，這台新機器就是同一台設備，只是便宜了不少。

核心規格數字：單機可跑最高 100B 參數模型。這足以涵蓋現今最受歡迎的開放權重主力模型，而且 NVIDIA 表示系統開箱即可投入代理開發——NVIDIA Agent Toolkit、CUDA-X AI 函式庫、Nemotron 開放模型，以及 Ollama、vLLM、llama.cpp、LM Studio、PyTorch with CUDA 等執行環境全部預先支援。Blender 也成為最早支援此平台的大型創作應用之一，預建的安裝程式即將推出。

叢集故事：兩台 Spark，一顆大腦

這次發表真正有趣的部分不是記憶體縮減，而是隨之推出的軟體。NVIDIA Sync Cluster Assistant 的目標，是讓從一台 DGX Spark 擴充到兩台的過程近乎無痛：用一條 QSFP 線直連兩台機器，記憶體就會池化為 128GB，模型支援上限提高到 2,000 億（200B）參數，記憶體頻寬翻倍，而在 NVIDIA 用 Qwen 3.8 27B 做的測試中，兩機叢集帶來了最高 1.7 倍的效能。

Sync 應用程式負責處理叢集設定中最麻煩的部分：自動偵測已連接的機器、驗證裝置配置、設定 ConnectX-7 網路。每個節點執行相同的 NVIDIA 軟體堆疊，因此從一台擴充到兩台不需要重新設定任何東西。實務上，這讓 64GB 版變成了一塊積木——先買一台，等模型裝不下 64GB 時再加購第二台，把兩台當成一台 128GB 機器使用。

月底前 NVIDIA 還計畫推出 Sync Model Launcher，官方形容它讓本地 AI「簡單到點幾下滑鼠就行」：它能下載並啟動 Qwen3.8 27B 這類模型（單機或叢集皆可）、設定模型跨裝置執行、從使用者的筆電連線存取，甚至會自動設定 OpenCode，讓開發者直接在瀏覽器裡對著模型寫程式。

為什麼重要

本地推論的經濟學一直在兩條戰線上改善：開放模型的每參數能力持續提升，而可用記憶體的每 GB 成本持續下降。一台 4,999 美元、能跑 100B 參數模型、沒有訂閱費、資料不出門的機器，是「本地優先 vs. 雲端優先」這場持續辯論中一個有意義的數據點——對於全天候運行程式碼或研究代理的開發者尤其如此，因為雲端的按 token 計費成本會快速累積。

NVIDIA 為新配置勾勒了三個具體工作流程：全天候運行一個程式碼或研究代理（叢集可為更大的模型、更長的上下文或多個並行代理提供額外容量）；把模型推論從日常電腦卸載到 Spark，讓筆電保持輕鬆；以及當單一任務超出單機負荷時，跨兩台機器擴充，且完全不必更動軟體環境。

競爭背景也很清楚。Apple 的 M5 Ultra Mac Studio 在每美元記憶體的比較中，一直對 128GB Spark 拿下編輯首選；而本月也有一波來自 Acer、ASUS、Dell、HP、Lenovo、Microsoft 與 MSI 的 Windows「RTX Spark」PC 上市。64GB 版本加上通往 128GB 的叢集升級路徑，正是 NVIDIA 對兩者的回應：今天的入門價更低，而且提供一條庫比蒂諾那台一體成形桌上主機真正給不了的升級路線。

但也要注意

一半的記憶體終究是一半。目標模型落在 100B 到 200B 參數之間的人，不是得買 128GB 版，就是得叢集兩台 64GB——屆時價格優勢就消失了（兩台 9,998 美元對比單台 128GB 約 7,499 美元，儘管換來雙倍的運算與記憶體頻寬）。LPDDR5X 相對有限的頻寬，也意味著在單一串流工作負載上，token 生成速度仍落後於獨立顯卡 setup。此外這個平台仍建立在 ARM64 之上，儘管經過一年的生態成熟，對某些 CUDA 軟體來說仍是摩擦點。

但作為起點，這筆帳很難反駁：同樣的 Grace Blackwell 平台、同樣的軟體堆疊、開箱即可跑代理，入門門檻低了 2,400 美元。對於被 128GB 版本價格拒於門外、或者單純厭倦了搶雲端 GPU 產能的本地 AI 社群來說，64GB DGX Spark 將在 10 月 23 日登場。

資料來源

• NVIDIA Blog — DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI
• Tom’s Hardware — Nvidia introduces 64GB DGX Spark, starts at $4,999
• NVIDIA — DGX Spark 產品頁
• NVIDIA Developer Forums — DGX Spark 64GB 公告