NVIDIA acaba de mover la línea que separa la estación de trabajo de la sala de servidores. La compañía ha presentado la configuración de 64 GB de su DGX Spark, un equipo de sobremesa impulsado por el superchip GB10 Grace Blackwell que ofrece un petaflop de rendimiento en FP4. Fabricantes como Acer, ASUS, Dell, Gigabyte, HP y MSI comercializarán el dispositivo, dirigido a desarrolladores que quieran ejecutar agentes, fine-tuning e inferencia sin depender de la nube.
El corazón del sistema es el GB10, una versión reducida del GB200 que combina una CPU Grace de 20 núcleos Arm Neoverse V2 con una GPU Blackwell de quinta generación. La memoria unificada de 64 GB (LPDDR5X a 1024 GB/s) elimina la copia de datos entre host y dispositivo, cuellos de botella habituales en estaciones de trabajo convencionales. NVIDIA asegura que el conjunto entrega 1 PFLOPS disperso en FP4, cifra que sitúa al DGX Spark por encima de muchas tarjetas profesionales actuales en cargas de inferencia de modelos cuantizados.
La arquitectura permite además interconectar dos unidades mediante NVLink-C2C, creando un clúster de 128 GB coherente con el doble de cómputo. Ese salto resuelve uno de los mayores dolores de cabeza del desarrollo local: ajustar modelos de 70 000 millones de parámetros en precisión de 4 bits sin fragmentar la memoria ni recurrir a offloading a disco. Para equipos pequeños y investigadores, la capacidad de empezar con una caja y escalar añadiendo una segunda sin reescribir código cambia la economía del experimento.
El movimiento encaja en la estrategia de NVIDIA de democratizar Blackwell más allá del centro de datos. Mientras Project DIGITS (el anterior nombre del Spark) apuntaba a investigadores y estudiantes, el DGX Spark 64 GB apunta a ingenieros de ML en producción que necesitan iterar rápido, mantener datos sensibles en premisas y reducir latencia en agentes locales. El stack de software —CUDA, cuDNN, TensorRT-LLM, NeMo y los microservicios NIM— viene prevalidado, acortando el tiempo de puesta en marcha.
La competencia no se queda quieta. AMD ofrece su Radeon PRO W7900 con 48 GB y Apple apuesta por la memoria unificada del M3 Ultra (hasta 192 GB), pero ninguna combina hoy petaflop en FP4, NVLink a nivel de placa y ecosistema CUDA maduro en un formato de escritorio silencioso y refrigerado por aire. El precio, aún no revelado, será el factor decisivo: si NVIDIA logra situarlo por debajo de los 10 000 dólares, el DGX Spark 64 GB se convertirá en el nuevo estándar de facto para desarrollo de IA generativa en el borde.
