NVIDIA DGX Spark个人超算登场，性能短板凸显，借Mac Studio能否破局？

一台被称为“全球最小超算”的设备NVIDIA DGX Spark，正引发科技圈的广泛关注。这款面向科研人员、数据科学家和学生的个人AI超级计算机，凭借其128GB内存和2000亿参数处理能力，试图在桌面端实现高性能AI计算。然而，其3万元的售价与实际性能表现，成为讨论焦点。

根据多方评测，DGX Spark在轻量级模型中表现优异，甚至能稳定运行1200亿参数的大模型，整体性能介于RTX 5070与RTX 5070 Ti之间。但其核心短板在于273GB/s的内存带宽限制——这一数据传输速度远低于高端显卡的1800GB/s，导致解码阶段（生成答案）效率低下。有用户形容其体验为“脑子转得快但说话结巴”，首字响应迅速但后续输出卡顿。

为突破带宽瓶颈，极客团队EXO Lab尝试将DGX Spark与Mac Studio M3 Ultra（带宽819GB/s）联动，通过“预填充-解码分离”技术，将推理速度提升2.8倍。然而，这种方案需同时使用两台DGX Spark和一台Mac Studio，总成本接近10万元，性价比争议随之而来。有评论指出：“用十万设备跑本地模型，未免过于奢侈。”

尽管存在缺陷，DGX Spark的128GB统一内存仍为其拓展了应用场景。官方提供超过20种开箱即用的玩法，涵盖视频生成、多智能体助手搭建等。例如，用户可利用ComfyUI框架运行阿里Wan 2.2视频模型，或通过LM Studio部署本地大模型。实测中，设备在视频生成时温度达60-70摄氏度仍保持静音，内部结构设计获博主称赞“工整有序”。

在对比测试中，DGX Spark的Prefill阶段（阅读理解）优势明显，但Decode阶段（生成答案）表现平平。以DeepSeek R1模型为例，其平均TPS（每秒生成词元数）为33.1，仅略高于Mac Mini M4 Pro的17.8。评测团队指出，批次大小对性能影响显著：当批次设为32时，DGX Spark的解码速度可飙升至370词元/秒，但对普通用户而言，如此高负载场景并不常见。