原贴链接

https://www.nvidia.com/en - us/products/workstations/dgx - spark/ 内存带宽273GB/s。运行70gb - 200gb的模型比5090便宜得多。据英伟达称，成本为3000美元。英伟达之前声称2025年5月可使用。与https://frame.work/desktop相比，每秒事务处理数（tps）会很有趣。

讨论总结

整个讨论围绕Nvidia DGX Spark展开，涉及到它的硬件规格（如内存带宽）、价格、性价比等多方面内容。大家将其与其他产品如Mac、Framework、AMD相关产品等进行对比，多数观点认为DGX Spark在性价比、内存带宽等方面表现不佳，也有部分观点讨论了它的使用场景局限性和潜在的优化可能。整体氛围对DGX Spark较为负面，且存在不少质疑声。

主要观点

  1. 👍 Framework Desktop在运行特定模型时比DGX Spark更具性价比。
    • 支持理由：Framework Desktop价格为2000美元，内存带宽256GB/s，比DGX Spark便宜且运行70gb - 200 gb模型时更划算。
    • 反对声音：无。
  2. 🔥 DGX Spark价格相对较贵。
    • 正方观点：与相似带宽的产品相比，DGX Spark价格高出1000 - 2000美元不等，如Framework Desktop 395 128GB在相似带宽下价格便宜1000美元。
    • 反方观点：无。
  3. 💡 Nvidia DGX Spark的内存带宽273 GB/s没有优势。
    • 解释：与Mac studio等产品相比，其内存带宽低，如Mac studio M4 max 128gb的内存带宽546GB/s是其两倍，且有人认为这样低的内存带宽没有市场需求。
  4. 🤔 DGX Spark主要用于设备微调，用于推理时速度会慢。
    • 解释：根据与NVIDIA工作人员交流得知，该设备主要用途是微调，由于内存速度问题，推理速度慢，从成本效益角度难以论证其价值。
  5. 😕 Nvidia的产品与Mac studio相比价值很低。
    • 解释：通过比较二者价格和内存带宽等因素，Mac studio在性价比方面表现更优，如Mac studio M4 max 128gb的价格为3150美元（教育价），内存带宽546GB/s，相比之下Nvidia产品性价比低。

金句与有趣评论

  1. “😂 Framework Desktop is 256GB/s for $2000… much cheaper for running 70gb - 200 gb models than a Spark.”
    • 亮点：直接指出Framework Desktop在运行特定模型时性价比高于DGX Spark，用数据说话，简洁明了。
  2. “🤔 Well, the overpriced Framework Desktop 395 128GB is $1000 cheaper for similar bandwidth.”
    • 亮点：通过比较相似带宽下不同产品的价格，突出DGX Spark价格偏贵。
  3. “👀 Isn’t this just a terrible value compared to mac studio?”
    • 亮点：简洁地提出Nvidia产品与Mac studio相比价值低的观点，引发思考。
  4. “😎 For $3000, it needs to be around 500 GB/sec.”
    • 亮点：表达出对DGX Spark在3000美元价格下内存带宽应达到更高数值的期望。
  5. “😏 I hate that Nvidia is somehow making Apple’s prices look reasonable.”
    • 亮点：以一种比较诙谐的方式表达了Nvidia产品价格过高的观点。

情感分析

总体情感倾向为负面。主要分歧点在于DGX Spark的性能和价格是否匹配。可能的原因是与其他产品相比，DGX Spark在内存带宽、价格等方面没有优势，且使用场景存在局限性，导致大家对其评价不高。

趋势与预测

  • 新兴话题：关于不同硬件设备在不同AI任务中的性能优化可能性，如定制的Nvidia操作系统能否优化性能。
  • 潜在影响：如果更多人认识到这些产品在性价比、性能等方面的差异，可能会影响市场上硬件产品的销售格局，促使厂商调整产品价格或改进产品性能。

详细内容：

《Nvidia DGX Spark 引发的热议：性能、价格与竞争》

近日，Nvidia 发布了 DGX Spark 相关规格，这一消息在 Reddit 上引起了热烈讨论。原帖内容为https://www.nvidia.com/en-us/products/workstations/dgx-spark/，其中提到了内存带宽为 273 GB/s，据 Nvidia 称其运行 70gb - 200 gb 模型比 5090 便宜，成本为 3000 美元，此前曾称 2025 年 5 月上市。此帖获得了众多关注，引发了关于其性能、价格以及与其他竞品对比的广泛讨论。

讨论焦点主要集中在以下几个方面：

  1. 性能评估：有人认为对于训练来说动力不足，可能会租用云 GPU。也有人指出 90%的训练框架完全不支持 AMD，虽然 AMD 在生产级推理框架中有一定支持，但设置更复杂。
  2. 价格考量：很多人觉得其价格过高，相比之下苹果产品在某些方面更具性价比。比如有用户表示：“Mac Studio 相同配置价格更低，内存带宽更高。”
  3. 应用场景：有人认为它主要用于微调，对于家庭用户来说实用价值有限，可能只适用于特定的医疗环境等小范围领域。

有用户分享道：“我有一张 9070xt，从 Nvidia 转过来后发现很多东西需要兼容性解决办法，非常累，打算早上就退货，等 5080 有货。我主要玩游戏，也是个 AI 爱好者。”还有用户提到：“我在想能否把我 PC 里的 4tb nvme 存储拆下来放到 Mac 里，然后卖掉我有 3090 和 3060 12GB 的使用了 1 年的 PC 来弥补 Mac 的价格。我之前对 digits 抱有希望，但结果令人失望。”

有趣的观点包括：“用 AMD 的 APU 可以运行 Windows 和 Linux，并且在 Linux 上用 Wine 运行 Windows 应用时性能很好。”

讨论中的共识在于大家普遍对其内存带宽不太满意，认为这是一个明显的短板。而特别有见地的观点如：“DGX Spark GPU 与多 GPU 之间在每秒令牌数上的差异较大，可能会影响其在某些高强度应用中的表现。”

总体而言，Nvidia DGX Spark 的发布引发了众多争议和思考，其在性能、价格和应用场景方面的表现能否满足用户需求还有待观察。