انویدیا از دو ابررایانههای هوش مصنوعی شخصی با نامهای DGX Spark و DGX Station رونمایی کرده است. این محصولات که بر پایه پلتفرم Grace Blackwell ساخته شدهاند، به کاربران امکان میدهند مدلهای بزرگ هوش مصنوعی را مستقیماً روی دسکتاپ خود توسعه داده و اجرا کنند. در این مقاله از ای بازی به بررسی ویژگیهای این ابررایانههای هوش مصنوعی شخصی، مشخصات فنی و کاربردهای آنها میپردازیم.
ابررایانههای هوش مصنوعی شخصی انویدیا
انویدیا با معرفی ابررایانههای هوش مصنوعی شخصی DGX Spark و DGX Station، فناوری هوش مصنوعی را از مراکز داده به رایانههای شخصی آورده است. این دستگاهها برای محققان، دانشمندان، توسعهدهندگان هوش مصنوعی و دانشجویان طراحی شدهاند تا بتوانند به راحتی مدلهای خود را نمونهسازی، تنظیم و استنتاج کنند.
این دو محصول از معماری Grace Blackwell بهره میبرند که پیشتر تنها در مراکز داده در دسترس بود. اکنون کاربران میتوانند این مدلها را هم روی سیستم خود اجرا کنند و هم آنها را روی NVIDIA DGX Cloud یا سایر زیرساختهای ابری مستقر نمایند.
سخنان مدیرعامل انویدیا
«جنسن هوانگ»، بنیانگذار و مدیرعامل انویدیا، درباره این محصولات میگوید:
«هوش مصنوعی هر لایه از پشته محاسباتی را متحول کرده است. بنابراین منطقی است که کلاس جدیدی از رایانهها ظهور کند که مخصوص توسعهدهندگان هوش مصنوعی طراحی شدهاند. با این رایانههای شخصی DGX، هوش مصنوعی میتواند از خدمات ابری تا برنامههای دسکتاپ و لبه (Edge) گسترش یابد.»

DGX Spark: کوچکترین ابرکامپیوتر هوش مصنوعی جهان
DGX Spark که پیشتر با نام پروژه DIGITS شناخته میشد، اکنون به عنوان کوچکترین ابرکامپیوتر هوش مصنوعی جهان معرفی شده است. این دستگاه به میلیونها محقق، دانشمند داده، توسعهدهنده رباتیک و دانشجو امکان میدهد که در حوزه هوش مصنوعی تولیدی و فیزیکی فعالیت کنند.
مشخصات فنی DGX Spark
هسته اصلی این سیستم، سوپرچیپ NVIDIA GB10 Grace Blackwell است که برای دستگاههای دسکتاپ بهینهسازی شده است. از دیگر مشخصات این سیستم میتوان به موارد زیر اشاره کرد:
ویژگی | مشخصات |
---|---|
پردازنده | سوپرچیپ NVIDIA GB10 Grace Blackwell |
پردازنده گرافیکی | Blackwell با هستههای تنسور نسل پنجم |
دقت پردازشی | پشتیبانی از FP4 |
توان پردازشی | 1000 تریلیون عملیات در ثانیه |
کاربردها | تنظیم و استنتاج مدلهای هوش مصنوعی |
این ویژگیها باعث میشود DGX Spark گزینهای ایدهآل برای توسعهدهندگان و پژوهشگران باشد که میخواهند مدلهای خود را در سطحی پیشرفته و با سرعت بالا اجرا کنند.
DGX Station: قدرت مراکز داده روی دسکتاپ

DGX Station نسخهای پیشرفتهتر از ابررایانههای هوش مصنوعی شخصی انویدیا است که عملکردی در سطح مراکز داده را به دسکتاپها میآورد.
مشخصات فنی DGX Station
این دستگاه با سوپرچیپ NVIDIA GB300 Grace Blackwell Ultra عرضه میشود و ویژگیهای زیر را ارائه میدهد:
ویژگی | مشخصات |
---|---|
پردازنده | سوپرچیپ NVIDIA GB300 Grace Blackwell Ultra |
حافظه | 784 گیگابایت حافظه هماهنگ |
پردازنده گرافیکی | Blackwell Ultra با هستههای تنسور نسل جدید |
دقت پردازشی | FP4 |
اتصال پردازنده به گرافیک | فناوری NVLink-C2C |
شبکه | پشتیبانی از سرعت تا 800 گیگابیت بر ثانیه |
این سیستم برای آموزش و استنتاج مدلهای هوش مصنوعی در مقیاس بزرگ طراحی شده است و به لطف تکنولوژی NVLink-C2C پردازنده گرافیکی آن مستقیماً به یک CPU Grace متصل شده است.
قابلیتهای ویژه DGX Station
علاوه بر سختافزار قدرتمند، DGX Station از فناوری NVIDIA ConnectX-8 SuperNIC بهره میبرد که بارهای کاری سنگین هوش مصنوعی را با سرعت بالاتر پردازش میکند. این فناوری امکان اتصال چندین دستگاه DGX Station را برای اجرای پروژههای بزرگ فراهم میکند.
دسترسی و عرضه محصولات جدید انویدیا
رزرو DGX Spark هماکنون آغاز شده است و انتظار میرود DGX Station در سال جاری از طریق شرکای تولیدی انویدیا مانند ایسوس، BOXX، دل، اچپی، Lambda و Supermicro عرضه شود.
کلام آخر
انویدیا با معرفی DGX Spark و DGX Station، امکان اجرای مدلهای بزرگ هوش مصنوعی روی دسکتاپ را فراهم کرده است. این محصولات با بهرهگیری از معماری Grace Blackwell، به توسعهدهندگان، دانشمندان و دانشجویان امکان توسعه و استنتاج مدلهای پیچیده را میدهند. DGX Spark با ابعاد کوچک و توان پردازشی بالا، گزینهای ایدهآل برای تحقیقات و توسعه در مقیاس کوچکتر است، در حالی که DGX Station با حافظه گسترده و قابلیت اتصال پیشرفته، کارایی مراکز داده را به دسکتاپها میآورد.
آیا DGX Spark یا DGX Station برای شما مناسب است؟
اگر به دنبال یک ابررایانه هوش مصنوعی دسکتاپی با ابعاد کوچک هستید، DGX Spark گزینهای عالی است. اما اگر نیاز به توان پردازشی در سطح مراکز داده دارید، DGX Station انتخاب بهتری خواهد بود.
تاریخ آخرین آپدیت: 3 ماه قبل