Nvidia rozšiřuje svou malou pracovní stanici DGX Spark o variantu se 64 GB sjednocené paměti. Podle oznámení výrobce z 2. října má být od 23. října dostupná u partnerských značek od 4 999 dolarů. Marketingový titulek o „superpočítači na stole“ zní lákavě; praktická otázka je střízlivější: kdo opravdu potřebuje vlastní stroj pro lokální AI, a kdo jen kupuje drahou zkratku kolem cloudu?
Novou konfiguraci jsme popsali v rychlé zprávě o 64GB variantě. Firma slibuje provoz modelů až se 100 miliardami parametrů přímo v zařízení a možnost propojit dvě jednotky do sestavy se 128 GB společné paměti. Jenže počet parametrů není známka toho, jak rychle model odpovídá, jak kvalitní je jeho výstup ani kolik dokumentů udrží v kontextu. A právě na tom se láme rozdíl mezi působivým číslem a užitečným nákupem.
64 GB není 64 GB jen pro model
DGX Spark staví na čipu GB10 Grace Blackwell a sjednocené paměti, kterou využívá výpočetní část systému. To je podstatné: nejde o běžnou grafickou kartu s vlastní oddělenou VRAM, ale ani o šuplík, do kterého lze bez zbytku odložit celý model. Systém, běhové prostředí, pracovní data i samotné generování si o paměť dělí prostor.
Nvidia uvádí podporu modelů až do 100 miliard parametrů. To je tvrzení o tom, co lze na platformě rozběhnout, nikoli garance konkrétní rychlosti či kvality. Hrubý přepočet ukazuje proč: sto miliard vah zabere při čtyřech bitech přibližně 50 GB v desetinném vyjádření, ještě před rezervou na kontext, další vrstvy systému a dočasné výpočty. Při osmi bitech by samotné váhy představovaly zhruba 100 GB. Čísla jsou orientační výpočet z počtu vah a bitové přesnosti; skutečné nároky se liší podle modelu a způsobu jeho provozu.
Pro uživatele tedy není zásadní jen otázka „vejde se tam model?“. Důležitější je, jak velkou část paměti spotřebuje jeho kontext, zda bude výstup dost rychlý a jestli konkrétní aplikace podporuje zvolený model. Menší model, který svižně zpracuje vlastní kód nebo dokumenty, může být lepší pracovní nástroj než největší model, který sotva udržíte v paměti.
Cena je jen začátek účtu
Cena od 4 999 dolarů — zhruba pět tisíc ještě před místními daněmi a případnými náklady na dopravu — staví DGX Spark do zvláštní pozice. Je to víc než běžný stolní počítač, ale méně než rozsáhlá serverová sestava. Smysl může dávat vývojářům, výzkumníkům nebo firmám, které často testují modely, potřebují předvídatelnou vlastní výpočetní kapacitu a chtějí omezit posílání citlivých vstupů ke cloudovému poskytovateli.
Není to však automatická úspora. Cloud se platí podle využití a přesune část správy hardwaru na dodavatele; vlastní zařízení stojí peníze předem a zůstává na uživateli, aby ho zabezpečil, aktualizoval a vytížil. Kdo spustí model několikrát týdně, může si koupit hlavně drahý pocit nezávislosti. Kdo zařízení používá každý den pro opakované inference, ladění nebo interní testy, může získat lepší kontrolu nad náklady i daty — za cenu správy dalšího stroje.
Soukromí si také nezaslouží automatickou fajfku. Lokální inference znamená, že samotný výpočet může proběhnout u uživatele, ale aplikace může přesto používat vzdálené služby, synchronizaci nebo telemetrii. Ochranu dat proto neurčuje jen krabice pod stolem; záleží na nastavení systému i na tom, co přesně dělá software, který na něm běží.
Dva stroje nejsou jedno kouzelné GPU
Nvidia nabízí propojení dvou 64GB jednotek přes síťové rozhraní ConnectX-7. Firma tvrdí, že společně poskytnou 128 GB paměti a zvládnou modely až do 200 miliard parametrů; v jejím testu s modelem Qwen 3.8 27B dosáhly až 1,7násobného výkonu proti jednomu zařízení. Jde o výsledek výrobce pro konkrétní sestavu a test, nikoli nezávislé srovnání všeho, co může uživatel na dvojici strojů provozovat.
Propojení přidává další kus hardwaru, kabel, spotřebu i složitost. Nvidia slibuje, že její nástroj Sync konfiguraci zjednoduší, ale ani snadnější nastavení nemaže limity sdílení práce mezi dvěma uzly. Pro běžné použití je proto rozumnější nejdřív vědět, jaký model a úlohu chceme provozovat, než začít počítat, kolik krabiček se vejde na pracovní stůl.
Lokální AI už na Radyz.cz provázíme i z druhé strany: Nvidia představila PAIR pro směrování úloh mezi vlastními počítači a Perplexity ukázala lokálního agenta postaveného na DGX Spark. Obě zprávy připomínají, že tato kategorie zařízení není jen o jednom čipu: skutečná hodnota vzniká až s vhodným softwarem a pracovním postupem.
Kupovat podle úlohy, ne podle počtu parametrů
DGX Spark může být užitečný pro lidi, kteří chtějí modely pravidelně spouštět, upravovat a napojovat na vlastní nástroje bez toho, aby každý požadavek posílali do cloudu. Pro většinu ostatních je důležitější zjistit, zda potřebný model běží na jejich současném počítači, jaká je cena cloudového provozu a jaká data jsou skutečně citlivá. Teprve potom dává smysl srovnávat cenu nové stanice s alternativami.
Nvidia prodává kontrolu nad vlastním výpočetním místem — a to může být cenné. Pět tisíc dolarů ale nekupuje univerzální AI ani soukromí jedním kliknutím. Kupuje počítač se specifickými limity. Jestli se vyplatí, neurčí rekordní číslo na krabici, ale práce, kterou na něm budete dělat každý týden.
