CLOUD & INFRA

NVIDIA เปิดตัว DGX Spark 64GB ซูเปอร์คอมพิวเตอร์ขนาดพกพาสำหรับ Local AI ในราคาที่เข้าถึงง่าย

NVIDIA Blog02 Oct 2026
1 min read
Key Takeaways
  • DGX Spark 64GB เป็นโซลูชันฮาร์ดแวร์ราคาเริ่มต้น 4,999 ดอลลาร์ที่ทรงพลังสำหรับการพัฒนา AI
  • Agentic Applications ภายในที่ทำงาน (On-premise)

ทำไมเรื่องนี้ถึงสำคัญ

การรัน AI ระดับสูงบนฮาร์ดแวร์ Local ช่วยให้นักพัฒนาสามารถทดลองและใช้งานโมเดลที่มีความปลอดภัยสูงและมีความหน่วงต่ำได้โดยไม่ต้องกังวลเรื่องค่าใช้จ่ายหรือความเป็นส่วนตัวบนคลาวด์

NVIDIA ประกาศเปิดตัว DGX Spark รุ่นหน่วยความจำ 64GB ซึ่งเป็นการปรับจูนสเปกจากรุ่น 128GB เพื่อให้มีราคาที่เข้าถึงได้ง่ายขึ้นสำหรับนักพัฒนาและนักวิจัย โดยยังคงใช้ชิปประมวลผล Grace Blackwell (GB10) และรันบนระบบปฏิบัติการ DGX OS พร้อมซอฟต์แวร์ AI Stack แบบจัดเต็ม เครื่องรุ่นนี้ถูกออกแบบมาเพื่อรองรับการทำงานของ AI แบบ Local ที่เน้นความเป็นส่วนตัวของข้อมูล และลดการพึ่งพาระบบคลาวด์

จุดเด่นสำคัญของ DGX Spark 64GB คือความสามารถในการเชื่อมต่อแบบคลัสเตอร์ (Clustering) ผ่าน NVIDIA Sync Cluster Assistant ซึ่งช่วยให้สามารถนำเครื่องสองเครื่องมาเชื่อมต่อกันเพื่อเพิ่มหน่วยความจำรวมเป็น 128GB และเพิ่มประสิทธิภาพการทำงานได้สูงสุดถึง 1.7 เท่าโดยไม่ต้องตั้งค่าระบบซอฟต์แวร์ใหม่ ช่วยให้นักพัฒนาสามารถเริ่มต้นจากระบบขนาดเล็กและขยายตัวตามความต้องการของโปรเจกต์ได้ในอนาคต

สรุปประเด็นหลัก

ใช้ชิป Grace Blackwell รองรับโมเดลขนาดสูงสุด 100 พันล้านพารามิเตอร์

รองรับการเชื่อมต่อแบบ Cluster เพื่อเพิ่มประสิทธิภาพและหน่วยความจำเท่าตัว

ราคาเริ่มต้นที่ 4,999 ดอลลาร์ พร้อมจำหน่ายผ่านพันธมิตรอย่าง ASUS, Dell, MSI และอื่นๆ

นวัตกรรมและเทคโนโลยี

infrastructure

Grace Blackwell Compute

ขุมพลังจากชิป GB10 ที่รองรับการประมวลผล AI สมรรถนะสูงในรูปแบบเครื่องส่วนบุคคล

tools

NVIDIA Sync Cluster Assistant

เครื่องมือที่ช่วยเชื่อมต่อเครื่อง DGX Spark หลายเครื่องเข้าด้วยกันแบบอัตโนมัติ เพื่อขยายสเกลงานประมวลผล

Developer Impact
วิศวกรและทีมเทคนิคสามารถรันโมเดลอย่าง Qwen หรือ Nemotron ได้โดยตรงบนเครื่องเครื่องเดียวหรือแบบคลัสเตอร์ ช่วยให้การทดสอบ Agentic AI ทำได้รวดเร็วและปลอดภัยยิ่งขึ้น
Keywords
#nvidia dgx spark #grace blackwell #local ai #edge computing #ai infrastructure
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

NVIDIA Blog