RTX Spark و DGX Spark انویدیا—بیش و کم—تراشه‌ی مشترکی دارند، اما شباهت‌ها همین‌جا به پایان می‌رسد. DGX Spark به‌عنوان یک ابررایانه‌ی شخصی هوش مصنوعی معرفی شده است، در حالی که RTX Spark یک لپ‌تاپ یا دسکتاپ ویندوزی است که برای هوش مصنوعی و استفاده‌ی روزمره بهینه شده است.
سخت‌افزار هر دو دستگاه واقعاً چشمگیر است، اما بعد از یک هفته کار با RTX Spark، تقریباً حس ناتمام‌بودن می‌دهد.
RTX Spark و DGX Spark یک GPU مشترک دارند
هر دو از یک سوپرتراشه‌ی یکسان استفاده می‌کنند
RTX Spark و DGX Spark دو دستگاه کاملاً متفاوت هستند—RTX Spark یک لپ‌تاپ ویندوزی کوچک یا دسکتاپ کوچک است، در حالی که DGX Spark یک مینیPC مبتنی بر لینوکس است.
این دو در واقع «زیرِ کاپوت» وجوه مشترک قابل‌توجهی با هم دارند.
هر دو دستگاه Spark به چیپ GB10 (یا نسخه N1X که در RTX Sparkها به کار رفته) مجهزند؛ یکی از ابرتراشه‌های فشرده انویدیا که به‌طور اختصاصی برای بارهای کاری هوش مصنوعی طراحی شده است. GB10 دارای ۶٬۱۴۴ هسته CUDA، ۱۹۲ هسته Tensor و ۴۸ هسته RT است. همچنین نسخه‌ای اندکی سبک‌تر از N1X وجود دارد که ۵٬۱۲۰ هسته CUDA دارد. این مشخصات آن‌ها را تقریباً هم‌رده نسخه موبایل RTX 5070 انویدیا قرار می‌دهد.
GB10 و نسخه رده‌بالای N1X هر دو از حافظه تا سقف ۱۲۸ گیگابایت پشتیبانی می‌کنند، در حالی که نسخه پایین‌رده N1X می‌تواند حداکثر با ۳۲ گیگابایت حافظه عرضه شود.
هر دو از حافظه‌ای تا ۱۲۸ گیگابایت پشتیبانی می‌کنند و حدود یک پتافلاپ عملکرد FP4 ارائه می‌دهند.
با این حال، شباهت‌ها همین‌جا به پایان می‌رسند.
RTX Spark محدودیت توان دارد
اگرچه سیلیکون این دو یکسان (یا تقریباً یکسان) است، محدودیت‌های توانشان چنین نیست. DGX Spark با TDP ۱۴۰ واتی چیپ GB10 کار می‌کند و ۱۰۰ وات دیگر نصیب سایر بخش‌های سیستم می‌شود. در مقابل، لپ‌تاپ‌های RTX Spark بین ۴۵ تا ۸۰ وات سقف دارند. نسخه‌های دسکتاپی RTX Spark همان سقف توان DGX Spark را دارند.
شبکه و مقیاس‌پذیری
اینجاست که DGX Spark واقعاً خود را متمایز می‌کند. این دستگاه به شبکه ConnectX-7 با سرعت ۲۰۰ گیگابیت بر ثانیه مجهز است و به شما امکان می‌دهد دو دستگاه را با یک کابل QSFP به یکدیگر متصل کنید. از اکتبر ۲۰۲۶ می‌توانید حداکثر هشت دستگاه ۱۲۸ گیگابایتی را به‌صورت دستی خوشه‌بندی کنید و مجموع حافظه‌ای ۱ ترابایتی بسازید. RTX Spark چنین قابلیتی ندارد؛ لپ‌تاپ دوم RTX Spark نمی‌تواند حافظه خود را با دستگاه اول تجمیع کند.
RTX Spark DGX و DGX Spark کاربردهای کاملاً متفاوتی دارند
DGX Spark یک ابررایانه مینی است
دستگاه DGX Spark به‌عنوان یک «ابررایانه شخصی هوش مصنوعی» طراحی شده است. این دستگاه چهار درگاه USB-C، یک درگاه HDMI 2.1a، یک درگاه شبکه اترنت 10GbE و دو درگاه QSFP دارد.
هیچ جک هدفون، درگاه USB-A، کارت‌خوان یا سایر درگاه‌هایی که معمولاً در دستگاه‌های مصرفی پیدا می‌شود، در آن وجود ندارد.
من از لپ‌تاپ هوش مصنوعی انویدیا و ابررایانه شخصی هوش مصنوعی آن استفاده کرده‌ام و تنها یکی احساس می‌کند کامل است
این دستگاه طوری طراحی شده که از طریق دسترسی از راه دور بدون رابط گرافیکی استفاده شود، چه به عنوان یک سرور از راه دور برای وظایف هوش مصنوعی و چه برای کار مستقیم‌تر بر روی مدل‌های هوش مصنوعی. برخی از این فعالیت‌ها شامل ایجاد LoRA، تنظیم دقیق مدل‌های متراکم یا حذف مدل‌های مجموعه‌نما از متخصصان (MoE) است.
پورت‌های QSFP به شما این امکان را می‌دهند از درایور ConnectX-7 انویدیا که حداکثر پهنای باند آن ۲۰۰ گیگابیت بر ثانیه است، برای اتصال چندین اسپارک استفاده کنید. از نظر تئوری، می‌توانید تا هشت اسپارک را برای دستیابی به مجموع ۱ ترابایت حافظه به هم متصل کنید.
اسپارک‌های DGX از یک نسخه سفارشی از اوبونتو استفاده می‌کنند که متناسب با کاربردهای هوش مصنوعی تنظیم شده است.
RTX Spark یک رایانه شخصی معمولی است
مجموعه RTX Spark که هم شامل دسکتاپ‌های کوچک و هم لپ‌تاپ‌ها است، رویکردی کاملاً متفاوت اتخاذ کرده است. RTX Spark از همان کارت گرافیک استفاده می‌کند، اما گزینه ConnectX-7 را به طور کامل حذف کرده، و مدل‌هایی از RTX Spark با تنها ۲۴ گیگابایت حافظه در دسترس هستند. در حالی که اسپارک فقط نسخه‌های ۶۴ و ۱۲۸ گیگابایتی را ارائه می‌دهد.
ابعاد فیزیکی نیز اهمیت دارد. مجموعه RTX Spark طوری تنظیم شده است که نسبت به DGX Spark مصرف برق کمتری داشته باشد؛ GB10 در DGX Spark حدود ۱۴۰ وات مصرف خواهد کرد، در حالی که لپ‌تاپ‌های RTX Spark در قدرتمندترین مدل‌ها به ۸۰ وات محدود می‌شوند.
این یک مصالحه برای بهبود عمر باتری بود. تجربه شخصی من با لنوو یوگا ۹n دو منظوره نشان می‌دهد که این معاوضه ارزش خود را دارد. من بیش از یک هفته آن را داشته‌ام، و در طول استفاده معمولی تنها چند بار آن را شارژ کرده‌ام، اگرچه استفاده حداکثری از آن با یک کار هوش مصنوعی در کمتر از دو ساعت آن را کاملاً تخلیه می‌کند.
تمامی RTX Sparks به صورت پیش‌فرض و با ویندوز اجرا می‌شوند که به نظر من مهم‌ترین اختلاف بین این دو مجموعه است.
عملکرد RTX Spark در مقابل DGX Spark
عملکرد به طرز شگفت‌آوری نزدیک است
با وجود تفاوت در توان مصرفی بین RTX Spark و DGX Spark، RTX Spark در چندین موقعیت مهم از DGX Spark پیشی می‌گیرد. بخش عمده این امر را می‌توان به حافظه نسبت داد؛ RTX Spark که من استفاده می‌کنم دارای رم با سرعتی است که حدود ۱۰٪ سریع‌تر از DGX Spark است (۳۰۰ گیگابیت بر ثانیه در مقابل ۲۷۳ گیگابیت بر ثانیه).
این تفاوت به افزایش تعداد توکن‌ها در هر ثانیه منجر می‌شود.
و نکته مهم این است که این موضوع چه از llama.cpp استفاده کنید و چه از Ollama، صادق است.
DGX Spark همچنان در هر کاربردی که به قدرت پردازش خام وابسته باشد و محدودیت حافظه نداشته باشد، مانند ضرب ماتریسی‌ها یا کدهای n-body، برنده است.
RTX Spark ناپخته به نظر می‌رسد
سخت‌افزار عالی است، اما کل مجموعه حس ناتمامی می‌دهد
با وجود اشتراک بخش زیادی از سخت‌افزار و توانایی اجرای بخش عمده‌ای از همان نرم‌افزارها، RTX Spark به نظر من بسیار «ناکامل‌تر» از DGX Spark بود.
روی کاغذ، RTX Spark اولین لپ‌تاپ واقعی هوش مصنوعی ویندوزی است که حافظه کافی برای اجرای مدل‌های قدرتمند هوش مصنوعی را دارد؛ اما داستان اکوسیستم نرم‌افزاری چیز دیگری است.
وقتی لپ‌تاپ RTX Spark خود را روشن کردم، نیمی از وجودم انتظار داشت با دست‌کم چند قابلیت مفید هوش مصنوعی مواجه شوم که از این سخت‌افزار استفاده کنند. اما بعد از گشتن و جست‌وجو، تنها چند فیلتر ویدیویی و صوتی یافتم که از NPU بهره می‌بردند. هیچ جا چیزی نبود که به من بگوید: «این یک رایانه شخصی طراحی‌شده برای هوش مصنوعی است.»
برای شفافیت بگویم که انویدیا مستنداتی و همچنین یک پاپ‌آپ (که در لپ‌تاپ من ظاهر نشد) برای RTX Spark دارد که برای شروع کار با ابزارهای مختلف third-party مانند OpenClaw، Hermes و Perplexity Portable Computer طراحی شده‌اند، اما این‌ها ابزارهایی برای علاقه‌مندان حرفه‌ای هستند. چنین چیزهایی نیستند که در اولین برخورد کسی را شگفت‌زده کنند یا بلافاصله او را به استفاده بیشتر ترغیب کنند. هوش مصنوعی باید مانند یک امتداد طبیعی سیستم‌عامل احساس شود، نه چیزی که صرفاً به آن اضافه کرده باشید.
البته این به آن معنا نیست که این پلتفرم نمی‌تواند چنین کارهایی را انجام دهد. چند ابزار هوش مصنوعی دارم که برای کارت 5070 Ti ساخته‌ام و به RTX Spark منتقل کرده‌ام؛ آن‌ها به‌طرز فوق‌العاده‌ای کار می‌کنند. حافظه اضافی حتی به من اجازه داده دستیار صوتی خانگی‌ام را مستقیماً روی لپ‌تاپ پیاده کنم و مدل‌های بسیار باهوشی را اجرا کنم.
اما هیچ‌کدام از این قابلیت‌ها خودشان را معرفی نمی‌کنند—باید خودتان به‌دنبالشان بگردید.
DGX Spark در مقایسه، پخته و کامل به نظر می‌رسید
اگر کنتراستی با DGX Spark وجود نداشت، شاید RTX Spark این‌قدر ناتمام به نظر نمی‌رسید. DGX Spark مخاطب علاقه‌مندان و حرفه‌ای‌هاست، اما به‌محض اینکه شروع به استفاده از اکوسیستم نرم‌افزاری پیرامون آن کنید، بلافاصله مشخص می‌شود که انویدیا تلاش جدی کرده تا آن را ساده و آسان‌برای‌استفاده کند. اپلیکیشن Sync به‌تنهایی که یک داشبورد مرتب برای مدیریت از راه دور Spark (یا Sparkهای) شما فراهم می‌کند، بسیار کارآمد است؛ مخصوصاً اینکه می‌تواند جفت‌سازی چند DGX Spark را به‌طور خودکار انجام دهد.
سیستم‌عامل همراه با بسته‌ها، کتابخانه‌ها و نرم‌افزارهایی عرضه می‌شود که برای شروع سریع به آن‌ها نیاز خواهید داشت.
همان تراشه، دو کار متفاوت انجام می‌دهد
تراشه GB10 چشمگیر است، اما تجربه استفاده از آن کاملاً به این بستگی دارد که آن را کجا به کار ببرید. DGX Spark یک دستگاه اختصاصی هوش مصنوعی مبتنی بر لینوکس است که برای طراحی گردش‌کارهای مراکز داده ساخته شده است. RTX Spark برای استفاده از هوش مصنوعی به‌صورت سرگرمی یا حرفه‌ای طراحی شده است.
لپ‌تاپ RTX Sparkی که من آزمایش کردم—یک Lenovo Yoga 9n دوکاره (2-in-1)—دستگاه فوق‌العاده‌ای است. سریع و پاسخگوست و احتمالاً بهترین لپ‌تاپ ویندوزی است که تاکنون استفاده کرده‌ام. با این حال، نقطه فروش اصلی آن هوش مصنوعی است و در این برهه از زمان، ویژگی‌های هوش مصنوعی بسیار اندکی به‌صورت پیش‌فرض در اختیار شما قرار دارد. مگر اینکه حاضر باشید برای ساختن یا یافتن ابزارهای هوش مصنوعی خودتان زحمت بکشید، ارزشش را…
دیدگاهتان را بنویسید