這是一個把本地 AI 從單張顯卡推向「完整軟硬體平台」的產品更新;64GB 版減少一次性容量,換來較低的進入規格,但價格與效能仍不能只看 NVIDIA 自己的示範。
已確認的事實
NVIDIA 於 2026 年 10 月 2 日公布 DGX Spark 64GB,預計 10 月 23 日由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等合作夥伴供貨,起始價格為 4,999 美元。
64GB 版本沿用 GB10 Grace Blackwell Superchip、DGX OS、CUDA 軟體堆疊與 ConnectX-7 網路;差異主要是統一記憶體從原本 128GB 降為 64GB,而且不提供 NVIDIA Founders Edition。
NVIDIA 宣稱單機可在本地執行最多約 1,000 億參數模型,支援 llama.cpp、Ollama、vLLM、LM Studio 等框架;「可執行」仍取決於量化格式、上下文長度、KV cache 和同時請求數。
兩台 64GB 機器可透過 ConnectX-7 直連,建立 128GB 記憶體池;NVIDIA 以 Qwen3.8 27B 的特定測試宣稱,雙機效能最高可達單機的 1.7 倍。
PC Watch 報導指出,NVIDIA 同日把 128GB Founders Edition 的價格調升至 6,950 美元,理由與記憶體供給及成本上升有關;這使 64GB 版看似較便宜,卻不能直接和當初 128GB 的上市價相比。
StorageReview 交叉整理上市日、價格、硬體與叢集方式,但目前沒有足夠的獨立長時間評測來證明不同模型、功耗、噪音、驅動版本和實際吞吐量。
訊號報分析
這次不是單純把記憶體砍半,而是把本地 AI 包成可直接開機使用的工作平台:作業系統、CUDA、模型工具和叢集助手都被放進同一套產品。對想跑代理、私有文件或研究資料的人,少了自行拼裝驅動的成本。
64GB 版的限制也很直接。模型權重、作業系統、上下文和工具會一起吃掉統一記憶體;「100B 模型」通常要依賴量化,不能理解成任何 100B 模型都能有實用速度。
兩台 64GB 組成 128GB 並不等於一台 128GB:網路拓撲、跨節點通訊、軟體支援和額外電力都會影響體驗。NVIDIA 的 1.7 倍是單一 Qwen3.8 27B 工作負載,不是所有模型或代理工作都能複製。
起價 4,999 美元仍把產品放在專業工作站和研究設備區間。對多數個人使用者,雲端 API、既有桌機加 GPU,或較小的本地模型可能更划算;對有資料主權、持續推理或多代理需求的團隊,本機成本才可能合理。
價格變動本身也是訊號:本地 AI 的瓶頸不只在 GPU 算力,還包含高容量記憶體供應、封裝與網路。要判斷市場方向,需觀察 OEM 實際到貨與街價,而不是只看 NVIDIA 的起始價。
仍未知的部分
- 台灣及其他地區的實際售價、保固、到貨時間、鍵盤/電源規格,以及六家 OEM 是否都會提供相同配置。
- 64GB 可用於哪些具體模型與上下文長度;NVIDIA 所說的最多 100B 參數是否以特定量化、批次和延遲條件為前提。
- 單機和雙機在不同模型、代理工具、長上下文及多使用者並發下的吞吐、延遲、功耗、噪音與穩定度。
- NVIDIA Sync Cluster Assistant、Model Launcher 和支援框架的版本相容性、授權條款、離線能力與長期更新承諾。
- 64GB 版與一般高階 GPU 工作站、Mac Studio 或雲端租用相比的總持有成本;目前公開資料不足以做公平的效能/價格結論。
讀者可以怎麼核對
- 先列出自己的模型參數量、量化格式、上下文長度、同時使用者數和是否需要微調,再看 64GB 是否真的足夠,不要只看「100B」標籤。
- 把 NVIDIA 的產品規格、廠商測試和獨立實測分開;尤其是 1.7 倍效能,必須確認模型、批次、版本和比較基準。
- 計算整機、儲存、網路線材、電力、散熱、軟體維護與兩台叢集的成本,再和 API 或現有 GPU 的每月支出比較。
- 若用於敏感資料,確認模型、遙測、更新和遠端管理是否會把資料或中間結果送出本機;「local」不自動等於零外傳。
後續追蹤
- 六家 OEM 的正式規格、台灣通路價格、上市日期與實際到貨情況
- 獨立媒體對單機/雙機在常見開源模型、代理工作與長上下文的效能、功耗和噪音測試
- NVIDIA Sync、Model Launcher、Ollama、vLLM 和 PyTorch 對 64GB 及多節點叢集的版本支援
- 128GB 版本後續價格與供貨,以及高容量記憶體供應是否繼續推高本地 AI 設備成本
本文提供資訊與研究脈絡,不構成個別投資、法律或財務建議。數據和政策可能更新,決策前請核對最新原文。