Mini PC NVIDIA DGX Spark Founders Edition GB10 Blackwell Tensor Core 128Go 4To SSD 128Go/4To

NVIDIA DGX Spark Founders Edition GB10 Blackwell Tensor Core 128Go 4To SSD

Le DGX Spark est un mini PC de bureau conçu pour exécuter des charges de travail d'intelligence artificielle en local, sans dépendre de services cloud. Il se pose sur n'importe quel bureau : son boîtier mesure 150 x 150 x 50,5 mm et pèse 1,2 kg, soit à peu près le poids d'un roman de poche épais. À l'intérieur se trouve une seule puce, le GB10 Grace Blackwell Superchip, qui intègre un CPU Arm à 20 cœurs et un GPU Blackwell à 6 144 cœurs CUDA partageant un unique banc de 128 Go de mémoire. Le système démarre sous NVIDIA DGX OS, une version d'Ubuntu Linux avec la pile logicielle IA déjà installée et configurée.

Un pétaFLOP sur le bureau : ce que signifient 128 Go de mémoire unifiée

La valeur de performance que l'on retrouve partout, 1 PFLOP FP4, s'accompagne d'une précision que peu de textes mentionnent : ce chiffre suppose que la fonction de dispersion (sparsity) est activée. La dispersion est une technique qui exploite les zéros dans les matrices de poids des modèles pour multiplier la vitesse de calcul théorique ; sans elle, les performances réelles sont inférieures. Ce n'est pas un artifice marketing, c'est une capacité authentique des cœurs Tensor de 5e génération, mais l'acheteur technique doit le savoir pour évaluer le produit avec réalisme. Là où le DGX Spark dispose d'un avantage architectural clair, c'est au niveau de la mémoire. Les 128 Go LPDDR5x sont cohérents et unifiés : le CPU et le GPU accèdent au même banc physique sans copies ni transferts entre mémoires séparées. Dans un système classique avec CPU et GPU indépendants, les poids d'un grand modèle transitent par le bus PCIe à chaque fois que le GPU en a besoin ; ici, ils sont chargés une seule fois et les deux processeurs les lisent directement. La bande passante de 273 Go/s via un bus 256 bits offre une capacité de déplacement de données suffisante pour une inférence fluide avec des modèles allant jusqu'à 200 milliards de paramètres en local, sans coût par appel API.

Le Superchip GB10 : CPU et GPU sur une seule puce avec mémoire partagée

La différence entre le GB10 et un système avec CPU et GPU séparés n'est pas uniquement une question de taille : c'est une question d'architecture. Étant intégrés sur une seule puce, le CPU et le GPU partagent nativement le même espace mémoire, sans passer par un bus PCIe externe. Cela réduit la latence d'accès aux poids du modèle et élimine le goulot d'étranglement qui apparaît dans les systèmes classiques lorsque le GPU doit attendre les données provenant de la RAM système. Le CPU dispose de 20 cœurs Arm répartis en deux groupes aux rôles distincts : 10 cœurs Cortex-X925 haute performance pour gérer le système d'exploitation, orchestrer l'inférence et traiter les tâches nécessitant une réponse rapide, et 10 cœurs Cortex-A725 à haute efficacité énergétique pour les processus en arrière-plan avec une consommation réduite. L'ensemble du système fonctionne avec une alimentation de 240 W, dont 140 W correspondent au TDP déclaré de la puce GB10, le reste alimentant les autres composants. Pour ceux qui planifient l'installation, ce n'est pas un serveur en rack, mais ce n'est pas non plus un PC de bureau classique : il nécessite une prise dédiée et un minimum de ventilation autour. Le niveau sonore en charge maximale est faible pour un appareil de cette puissance de calcul, ce qui le rend utilisable en bureau ou en laboratoire sans nécessiter de salle serveurs.

Connectivité pour travailler seul ou en cluster avec un autre nœud

Le réseau offre deux voies aux usages distincts. Le port RJ-45 à 10 GbE couvre la connexion habituelle à l'infrastructure de bureau ou de laboratoire. Le ConnectX-7, avec 2 ports QSFP à 200 Gbps au total, n'est pas conçu pour se connecter à internet, mais pour relier 2 unités DGX Spark directement entre elles : dans cette configuration duale documentée par NVIDIA, le système combiné étend la prise en charge à des modèles allant jusqu'à 405 milliards de paramètres. C'est une information qu'aucune fiche produit de boutique n'explique clairement et qui change le calcul pour ceux qui évaluent si une seule unité leur suffit. Le SSD de 4 To NVMe M.2 intègre le chiffrement automatique matériel en série, sans pénalité de performance perceptible. Pour ceux qui travaillent avec des données propriétaires ou des jeux de données soumis à une réglementation d'entreprise, le chiffrement opère au niveau du contrôleur et ne nécessite aucune configuration supplémentaire. Il faut noter, avant l'achat, que le seul système d'exploitation pris en charge est Linux sous NVIDIA DGX OS : il n'existe pas de version pour Windows ni pour macOS, et ceux qui viennent d'un environnement Windows doivent intégrer l'adaptation à l'écosystème d'outils Linux dans le coût réel d'adoption. La connectivité est complétée par le Wi-Fi 7, le Bluetooth 5.4, 4 ports USB Type-C et une sortie HDMI 2.1a.

Logiciels IA prêts à l'emploi dès le premier démarrage

NVIDIA DGX OS est livré avec CUDA, TensorRT, PyTorch et plusieurs frameworks d'inférence déjà installés, validés et configurés par NVIDIA. Lors d'une installation manuelle, maintenir des versions compatibles entre pilotes, bibliothèques et frameworks est une tâche qui prend des heures et génère des erreurs difficiles à diagnostiquer ; ici, l'environnement est déjà testé et fonctionne dès le premier démarrage. Pour un développeur ou un chercheur qui souhaite commencer à travailler avec un modèle dès le premier jour, cela supprime une friction bien réelle. La contrepartie est liée à l'écosystème : Linux est le seul système d'exploitation disponible, et la gestion des paquets, des environnements virtuels et des outils en ligne de commande requiert une bonne familiarité avec cet environnement. Le DGX Spark est adapté à l'inférence locale, au fine-tuning de modèles et au développement dans un environnement contrôlé ; il n'est pas conçu comme un serveur de production à haute disponibilité ni avec redondance matérielle.

Questions fréquentes

À quoi peut servir le NVIDIA DGX Spark ?

Il est conçu pour exécuter de l'inférence IA en local, effectuer du fine-tuning de modèles et développer dans des environnements contrôlés. Avec ses 128 Go de mémoire unifiée, il prend en charge des modèles allant jusqu'à 200 milliards de paramètres sans dépendre du cloud ni payer par appel API.

Quel système d'exploitation est inclus et est-il compatible avec Windows ?

Il est livré avec NVIDIA DGX OS, une version d'Ubuntu Linux avec CUDA, TensorRT et PyTorch déjà installés et configurés. Il n'existe pas de version pour Windows ni pour macOS ; ceux qui viennent de ces environnements doivent intégrer l'adaptation à l'écosystème Linux dans le coût réel d'adoption.

Que contient la boîte du DGX Spark Founders Edition ?

La boîte contient l'unité DGX Spark Founders Edition, le câble d'alimentation et la documentation de démarrage rapide.

Peut-on connecter deux unités DGX Spark pour augmenter la capacité ?

Oui. Le port ConnectX-7 avec 2 connexions QSFP à 200 Gbps permet de relier deux unités directement. Dans cette configuration duale documentée par NVIDIA, le système combiné étend la prise en charge à des modèles allant jusqu'à 405 milliards de paramètres.

Quelle est la consommation et le niveau sonore du DGX Spark ?

L'alimentation est de 240 W, avec un TDP de la puce GB10 de 140 W. Le niveau sonore en charge maximale est de 35 dB LWA,m et en veille il descend à 19 dB LWA,m, ce qui le rend utilisable en bureau ou en laboratoire sans salle serveurs.