Nvidia представила ИИ-суперкомпьютер DGX Spark с 64 ГБ памяти за $4,999, а цена модели с 128 ГБ превысила $6,000

В этом месяце Nvidia намерена представить новую конфигурацию своего компактного суперкомпьютера для искусственного интеллекта DGX Spark с 64 гигабайтами памяти, установив начальную цену на уровне $4,999 и одновременно повысив стоимость существующего варианта с 128 гигабайтами свыше $6,000. Корректировка цен на оборудование фактически увеличивает стоимость одного гигабайта памяти для корпоративных разработчиков и исследовательских лабораторий, использующих настольное оборудование для ускорения ИИ. Появление нового продуктового уровня происходит на фоне устойчивого спроса на локальное оборудование для разработки искусственного интеллекта со стороны инженеров и исследовательских институтов, стремящихся запускать большие языковые модели среднего масштаба без абсолютной зависимости от облачных дата-центров.

## Ключевые факты - Nvidia выпускает вариант компактного ИИ-суперкомпьютера DGX Spark с 64 ГБ памяти в октябре 2026 года. - Новая модель с 64 ГБ стоит $4,999, что соответствует начальной цене, которую ранее имела версия с большей емкостью. - Цена системы DGX Spark с 128 ГБ выросла свыше $6,000, что означает подорожание топовой конфигурации. - Изменения в линейке оборудования меняют порог входа для локального обучения и инференса моделей ИИ, предназначенных для разработчиков и исследовательских лабораторий. - Информация была первоначально опубликована технологическим аналитиком Hassan Mujtaba 2 октября 2026 года.

## Что произошло Предстоящий вывод на рынок реструктурирует линейку компактного ИИ-оборудования Nvidia путем ввода конфигурации с меньшим объемом памяти по цене, которую ранее занимало устройство с более высокой емкостью. Согласно сообщению Hassan Mujtaba, Nvidia запустит 64-гигабайтную версию настольного суперкомпьютера DGX Spark в октябре 2026 года по розничной цене $4,999.

В то же время существующая 128-гигабайтная модель DGX Spark дорожает, преодолевая отметку в $6,000. Ранее модель с 128 ГБ была основным предложением по цене около $4,999, что означает, что покупатели, ищущие максимальный объем памяти, сталкиваются с ростом стоимости более чем на 20 процентов. Между тем покупатели, выбирающие новый начальный уровень за $4,999, получают вдвое меньший объем памяти по сравнению с тем, что ранее предлагалось за этот бюджет.

Это изменение разделяет серию DGX Spark на два четких аппаратных уровня. Вариант с 64 ГБ ориентирован на начальные задачи разработки искусственного интеллекта, небольшие процессы тонкой настройки и инференс локальных моделей. Вариант с 128 ГБ по-прежнему предназначен для работы с увеличенными контекстными окнами, оценки высокопараметрических моделей и выполнения мультимодальных нейросетей, требующих большего объема памяти во избежание сброса данных в системную ОЗУ через более медленные шины связи.

## Почему это важно Реструктуризация продуктовой линейки DGX Spark подчеркивает сохраняющееся экономическое и логистическое давление в секторах высокопроизводительной памяти и полупроводников. Объем памяти представляет собой одно из самых критических узких мест оборудования при современных нагрузках искусственного интеллекта. Большим языковым моделям и генеративным трансформерным архитектурам требуются огромные объемы быстрой памяти для хранения весов моделей, KV-кэшей и состояний активации непосредственно на шине памяти ускорителя.

Предлагая конфигурацию с 64 ГБ за $4,999 и повышая цену версии с 128 ГБ свыше $6,000, Nvidia фактически переопределяет базовую структуру затрат для локальной разработки искусственного интеллекта. Для инженеров-программистов, академических лабораторий и небольших корпоративных отделов, работающих в рамках фиксированных annual бюджетов на оборудование, смещение цен вынуждает идти на прямой компромисс между объемом памяти и общими расходами. Система, ограниченная 64 ГБ памяти, существенно ограничивает максимальный размер параметров моделей, которые могут запускаться локально без квантования весов до более низкой разрядности, такой как 4-битные или 8-битные форматы, что может снизить точность модели.

Кроме того, пересмотр цен подчеркивает рыночные позиции и ценовое влияние Nvidia в индустрии специализированного ИИ-оборудования. В то время как коммерческие облачные платформы предлагают аренду корпоративных графических процессоров, таких как H100 или B200, по запросу, локальные рабочие станции обеспечивают нулевую задержку при итерациях, повышенную конфиденциальность данных и предсказуемые операционные расходы в течение длительных многолетних циклов эксплуатации. Повышение фактической стоимости одного гигабайта локальных ИИ-вычислений отражает высокий устойчивый спрос на прямой доступ к оборудованию со стороны исследовательских организаций и разработчиков программного обеспечения, создающих проприетарные ИИ-приложения.

## Предыстория Программа Nvidia DGX изначально создавалась как инициатива по разработке высокоплотных корпоративных серверов, предназначенных для поставки готовых кластеров обучения ИИ в дата-центры и крупным корпоративным клиентам. На протяжении сменяющих друг друга поколений оборудования — от архитектур Volta и Ampere до Hopper и Blackwell — Nvidia расширяла линейку DGX от многоузловых стойковых установок до более компактных форм-факторов класса рабочих станций, предназначенных для офисных и лабораторных условий.

Компактные ИИ-станции, заполняющие нишу между потребительскими игровыми видеокартами и полномасштабными серверами для дата-центров, стали жизненно важным сегментом рынка оборудования. Потребительские графические процессоры, хотя и доступны по цене, часто ограничены жесткими тепловыми лимитами, меньшим общим объемом видеопамяти (обычно от 16 ГБ до 24 ГБ) и программными ограничениями драйверов в отношении корпоративных функций. И наоборот, полномасштабные серверные лезвия для дата-центров требуют выделенной трехфазной электроинфраструктуры, контуров жидкостного охлаждения и шумных серверных помещений, что делает их непрактичными для отдельных инженерных команд или небольших офисов.

Форм-фактор DGX Spark был разработан для устранения этого разрыва путем предоставления автономного, тихого настольного узла, оснащенного специализированной архитектурой объединенной памяти, высокоскоростными межсоединениями и предустановленным программным стеком ИИ, включая библиотеки Nvidia CUDA, движки оптимизации TensorRT и среды выполнения контейнеризированных фреймворков. Большой объем памяти критически важен в этих системах, поскольку современные большие языковые модели с открытым весом, такие как варианты Llama или Mistral объемом от 30 до 70 миллиардов параметров, требуют значительных объемов памяти только для загрузки необработанных параметров, без учета накладных расходов на обработку.

Поскольку высокоскоростная память и специализированные модули LPDDR или DDR5 столкнулись с серьезными ограничениями в цепочках поставок и повышенными закупочными ценами во всей полупроводниковой промышленности, производители оборудования все чаще корректируют конфигурации продуктов и прейскурантные цены, чтобы сохранить маржинальность, пытаясь удовлетворить устойчивый мировой спрос на специализированные ИИ-ускорители.

## Реакция Ожидается, что анонс 64-гигабайтного варианта за $4,999 наряду с повышением цен на модель с 128 ГБ привлечет пристальное внимание независимых разработчиков, академических исследователей и специалистов по закупкам корпоративного оборудования. Аналитики аппаратного обеспечения и инженеры-программисты часто оценивают рабочие станции ИИ на основе пропускной способности памяти и стоимости одного гигабайта доступной высокоскоростной ОЗУ, поскольку объем памяти определяет параметры выполнения моделей.

Отраслевые наблюдатели ожидают, что менеджеры по закупкам в компаниях пересмотрят свои планы обновления оборудования. Организациям, заложившим в бюджет $5,000 на рабочее место для станций с 128 ГБ, теперь придется решать, принять ли скачок цен свыше $6,000 или согласиться на урезанный объем памяти в 64 ГБ. Академические учреждения, зависящие от фиксированного грантового финансирования, особенно чувствительны к ценовым сдвигам, поскольку внезапное повышение цен может изменить запланированные закупки оборудования в середине цикла.

Nvidia не публикует подробную региональную разбивку цен или графики корпоративных скидок для оптовых покупателей обновленных конфигураций DGX Spark. Ожидается, что дистрибьюторы оборудования и партнеры по системной интеграции обновят свои коммерческие каталоги и системы расчета цен по мере начала официальной дистрибуции в конце этого месяца.

## Что пока неизвестно Несколько технических деталей и коммерческих параметров, касающихся обновленной линейки DGX Spark, остаются неподтвержденными в первоначальных сообщениях. Хотя общий объем памяти и базовые ценовые категории определены, конкретные внутренние архитектурные детали — такие как общая пропускная способность памяти, измеряемая в гигабайтах в секунду, точное количество процессорных ядер и пределы теплового пакета (TDP) для варианта с 64 ГБ — еще не были подробно раскрыты. Остается неясным, использует ли система с 64 ГБ точно такой же полупроводниковый кристалл, как и версия с 128 ГБ с отключенными каналами памяти, или же она имеет измененную компоновку платы, влияющую на общую пропускную способность памяти.

Кроме того, стандартные сроки поставки, коммерческие сроки выполнения заказов и первоначальная региональная доступность как для 64-гигабайтной, так и для обновленной 128-гигабайтной моделей публично не разглашаются. Доступность поставок может определить, столкнутся ли покупатели с длительными задержками заказов на модель с большей емкостью или же оба уровня будут широко доступны через стандартных канальных партнеров с момента запуска.

## За чем следить Среди ключевых событий, за которыми стоит следить в ближайшие недели, — официальные спецификации от Nvidia с подробным описанием пропускной способности памяти, скорости межсоединений и требований к питанию для модели DGX Spark с 64 ГБ. Бенчмарки, сравнивающие производительность выполнения локальных моделей, в частности скорость генерации токенов и максимальный размер пакета (batch size) в конфигурациях на 64 ГБ и 128 ГБ, предоставят практические данные о компромиссах в производительности.

Кроме того, отраслевые наблюдатели будут следить за ответными шагами альтернативных производителей чипов и рабочих станций, предлагающих оборудование для локальной разработки ИИ, а также за возможными корректировками цен на облачных платформах для краткосрочной аренды графических процессоров. Объявления о закупках университетскими лабораториями и корпоративными исследовательскими группами в области ИИ в четвертом квартале также покажут, склоняются ли покупатели к более доступному начальному узлу за $4,999 или готовы взять на себя более высокие расходы на флагманскую систему стоимостью свыше $6,000.

Этот материал основан на сообщении, опубликованном технологическим аналитиком Hassan Mujtaba 2 октября 2026 года.