К содержанию
Гаджеты Новость

Nvidia собрала четыре мини-ПК DGX Spark в один настольный суперкомпьютер

Nvidia представила комплект разработчика DGX Spark HPC из четырёх мини-ПК на платформе GB10 Grace Blackwell Superchip, соединённых по кольцевой топологии. Устройство позволяет исследователям и разработчикам запускать многоузловые научные задачи и модели ИИ на рабочем столе без ожидания очереди в облаке.

Nvidia представила комплект разработчика DGX Spark HPC, объединяющий четыре мини-ПК DGX Spark в единый настольный кластер. Узлы соединяются по кольцевой топологии с помощью сетевых адаптеров Nvidia ConnectX-7, что исключает необходимость в отдельном коммутаторе. Каждый мини-ПК оснащён суперчипом GB10 Grace Blackwell, включающим графический процессор Blackwell с 6144 ядрами CUDA и 20-ядерный процессор Arm (10 ядер Cortex-X925 до 4 ГГц и 10 ядер Cortex-A725 до 2,8 ГГц). Система использует 128 Гбайт когерентной унифицированной памяти LPDDR5X с пропускной способностью 273 Гбайт/с, а энергопотребление чипа составляет 140 Вт.

В конфигурации из четырёх узлов кластер обеспечивает 512 Гбайт общей памяти и 20 Тбайт дискового пространства NVMe. С использованием формата NVFP4 на таком кластере можно развёртывать модели размером до 700 млрд параметров, например DeepSeek V4.1. В ближайшее время Nvidia выпустит руководство по использованию HPC SDK, которое позволит задействовать компиляторы C, C++ и Fortran с поддержкой GPU, библиотеки и инструменты MPI (интерфейс передачи сообщений) — те же средства, что применяются на суперкомпьютерах компании. Платформа уже продемонстрировала работу с приложениями для моделирования материалов (LAMMPS), молекулярной динамики (NAMD, GROMACS), гидродинамики (OpenFOAM) и прогнозирования погоды (WRF), а также с микросервисами Nvidia NIM, включая OpenFold3 и Boltz-2 для биомолекулярных структур.

Практические примеры включают квантово-химические расчёты с моделированием систем до 70 кубитов (Kvantify), ускорение обработки спутниковых снимков JPEG 2000 (CYRAN AI), дообучение моделей предсказания структуры белков (OpenFold), прогнозирование свойств бактерий по геному и запуск модели размером 12 млрд параметров. Для исследователей и разработчиков, работающих с ИИ, это означает возможность запускать многоузловые научные задачи и дообучать крупные модели прямо на рабочем столе, не дожидаясь очереди на доступ к большому GPU-кластеру, что существенно ускоряет цикл экспериментов и снижает зависимость от облачных ресурсов.

Первоисточник

3dnews.ru ↗

Отправить в Telegram

Новость подготовлена с помощью ИИ на основе открытых источников и может содержать неточности. Нашли ошибку — напишите на hello@tolk.media.