NVIDIA DGX Spark

NVIDIA a livré le DGX Spark en octobre 2025 — une superpuce Grace Blackwell GB10, 128 Go de mémoire unifiée LPDDR5X et un pétaflop de calcul FP4 dans un boîtier de bureau de 150 mm qui se branche sur n’importe quelle prise domestique. C’est la réponse de NVIDIA à la question que posaient les Mac à mémoire unifiée et les boîtiers Strix Halo : à quoi ressemble un appareil d’IA locale conçu exprès quand il vient du côté CUDA de la clôture ?

D-Central vend et configure le DGX Spark. C’est un produit assemblé sur commande, sur devis, comme le reste de notre gamme IA — voyez la page produit NVIDIA DGX Spark pour demander un devis, ou lisez le guide d’achat canadien pour le contexte souveraineté et Loi 25.

Ce qu’il y a dans la boîte

• Superpuce GB10 Grace Blackwell : GPU Blackwell avec Tensor Cores de 5e génération et CPU Arm à 20 cœurs (10× Cortex-X925 + 10× Cortex-A725, co-conçu avec MediaTek)
• 128 Go de LPDDR5X unifiée sur un bus 256 bits à 273 Go/s — CPU et GPU partagent un seul pool, pas de va-et-vient PCIe
• Jusqu’à 1 pétaflop de calcul IA FP4 (avec sparsité), NVFP4 comme format basse précision natif
• 4 To de NVMe, Wi-Fi 7, 10GbE et deux ports ConnectX-7 200 Gb — deux Spark se relient directement pour faire tourner des modèles jusqu’à la classe ~405B
• Bloc d’alimentation externe de 240 W (le SoC lui-même est une pièce de 140 W) — trivial sur n’importe quel circuit 120V/15A
• Tourne sous DGX OS de NVIDIA (basé Ubuntu) avec la stack CUDA complète préinstallée

Calcul honnête : roi de la capacité, pas de la vitesse

La spec qui définit cette machine n’est pas le pétaflop — c’est les 273 Go/s de bande passante mémoire. La génération de tokens sur les gros modèles est limitée par la bande passante, et 273 Go/s représente environ le tiers d’un M3 Ultra (~800 Go/s) et le quart d’une RTX 5090 (1 792 Go/s). Un modèle dense de 70B en Q4 rentre facilement dans 128 Go, mais génère nettement plus lentement ici que sur le Mac.

Ce en quoi le Spark excelle vraiment, c’est la charge de travail que 2025–2026 a réellement produite : les modèles MoE épars de la classe 60–120B totaux. gpt-oss-120b en est l’affiche — 117B de paramètres totaux qui demandent ~61 Go en MXFP4 natif, mais seulement 5,1B actifs par token : le plafond de bande passante fait à peine mal pendant que le pool de 128 Go contient les poids, un long contexte et toute votre stack de service à la fois. Le traitement de prompt et le fine-tuning s’appuient sur le calcul plutôt que sur la bande passante, et ce pétaflop de FP4 plus l’écosystème CUDA est là où le Spark distance le Mac — les fine-tunes LoRA, l’inférence par lots et tout ce qui s’attend à ce que nvidia-smi existe fonctionnent, tout simplement.

Prix, en juillet 2026 : la Founders Edition a été lancée à 3 999 $ US en octobre 2025 ; la pénurie de DRAM de 2026 a poussé le prix actuel à ~4 699 $ US chez les grands revendeurs. Les variantes partenaires (ASUS, Dell, Lenovo, HP) avec des SSD plus petits s’affichent un peu moins cher. Le prix canadien bouge avec le taux de change — demandez un devis à jour et nous le dimensionnerons contre votre charge de travail réelle plutôt que contre la fiche technique.

Qui devrait l’acheter — et qui devrait passer

Achetez-le si : vous voulez les plus gros modèles à poids ouverts qu’un seul boîtier silencieux peut contenir, vous fine-tunez ou prototypez contre la stack CUDA que les grappes de production font tourner, ou vous avez besoin de 128 Go de mémoire modèle sur un circuit 120V sans monter un rig multi-GPU. C’est aussi le rare appareil d’IA qui tire moins qu’une console de jeu sous charge — chaleur et bruit sont des non-enjeux.

Passez votre tour si : vos modèles tiennent dans 24–32 Go (une RTX 3090 d’occasion ou une 5090 vous donne plusieurs fois la vitesse de tokens pour moins cher), ou votre priorité est le maximum de tok/s sur du chat dense 70B — la bande passante du M3 Ultra gagne ce combat. Nous avons documenté le compromis complet, y compris le coût total de possession face à une station montée soi-même, dans DGX Spark vs montage IA sur mesure.

Le cadre de souveraineté, comme toujours : c’est du calcul que vous possédez, dans votre bâtiment, sans compteur au token ni politique de rétention autre que la vôtre — l’argument de l’IA souveraine au Canada et du Manifeste de l’IA souveraine. Rendons à César : le Spark s’appuie sur les épaules de Grace Hopper, le travail Arm de MediaTek et une décennie d’ingénierie des systèmes DGX réduite à la taille d’un bureau. Nous sommes heureux de le documenter — et plus heureux encore d’en mettre un sur votre bureau.