摘要
1) 一句话总结
NVIDIA DGX Spark 桌面超级计算机凭借其千万亿次级的本地 AI 算力和数据隐私保护优势，正助力全球顶尖高校和科研机构在极端环境探测、医疗影像分析、基因测序及机器人等领域加速科研突破。
2) 关键要点
- 核心配置与性能：DGX Spark 搭载 NVIDIA GB10 超级芯片，具备千万亿次级性能，单台设备支持高达 2000 亿参数的 AI 模型，并与 NeMo、Metropolis 等 NVIDIA 平台无缝集成。
- 极端环境部署（威斯康星大学麦迪逊分校）：在南极冰立方中微子天文台（极度干燥、高海拔、电力受限），以低成本、模块化方式实现了中微子观测数据的本地 AI 分析。
- 保障医疗数据隐私（纽约大学）：在本地端到端运行 ICARE 放射学报告评估项目及大语言模型，确保敏感医疗影像数据不上传云端，同时实现快速迭代。
- 集群扩展的桥梁（哈佛大学与斯坦福大学）：研究人员（如哈佛的癫痫基因突变研究和斯坦福的生物代理工作流）先在 DGX Spark 上进行本地原型设计和工作流验证，成功后再扩展至大型 GPU 集群。
- 赋能跨学科研究（亚利桑那州立大学与特拉华大学）：支持校园级 AI 创新，涵盖搜救机器狗、视障辅助工具、体育分析和海岸科学等项目，免除了对昂贵云资源的依赖。
- 简化本地模型训练（奥地利科学技术研究所）：基于该系统的 HP ZGX Nano 工作站配备 128GB 统一内存，可直接在桌面上训练和微调 70 亿参数的 LLM，避免了消费级 GPU 复杂的内存调度问题。
- 具体推理性能（斯坦福大学）：在 MXFP4 精度下通过 Ollama 运行 1200 亿参数的模型时，处理速度约为每秒 80 个 token，性能媲美大型云 GPU 实例。
- 教育与人才培养（密西西比州立大学）：作为计算机科学与工程系学生的实践学习平台，直接参与下一代 AI 工程师的培养。
正文
在全球顶尖学府，NVIDIA DGX Spark 桌面超级计算机正将数据中心级别的 AI 能力带入实验室、教职员工办公室和学生的系统中。甚至在威斯康星大学麦迪逊分校运营的南极冰立方中微子天文台（IceCube Neutrino Observatory），也有一台 DGX Spark 在努力工作。
这款紧凑型超级计算机具备千万亿次（petaflop）级别的性能，能够支持大型 AI 应用的本地部署——从临床报告评估系统到机器人感知系统。同时，它能确保敏感数据留在本地，并大幅缩短研究人员和学生的迭代周期。
DGX Spark 由 NVIDIA GB10 超级芯片和 NVIDIA DGX 操作系统驱动，每台设备可支持高达 2000 亿参数的 AI 模型，并与 NVIDIA NeMo、Metropolis、Holoscan 和 Isaac 平台无缝集成，让学生能够使用与整个 DGX 生态系统相同的专业级工具。
以下是 DGX Spark 如何在全球顶尖机构推动突破性 AI 研究的详细案例。
冰立方中微子天文台：在南极洲研究粒子
在位于南极洲的威斯康星大学麦迪逊分校冰立方中微子天文台，研究人员正使用 DGX Spark 运行 AI 模型，通过被称为中微子的亚原子粒子来研究宇宙中最剧烈的事件。
威斯康星冰立方粒子天体物理中心计算主任 Benedikt Riedel 表示，基于探测光波的传统天文学方法只能观测到已知宇宙的约 80%。而利用引力波和中微子等粒子探索宇宙的新方法，使得研究超新星和暗物质等最极端的宇宙环境成为可能。
Riedel 指出：“南极洲没有五金店，这里实际上是一片沙漠，相对湿度低于 5%，海拔高达 10,000 英尺，这意味着电力非常有限。DGX Spark 让我们能够在如此极端偏远的环境中，以低成本、模块化且简便的方式部署 AI，对我们的中微子观测数据进行本地 AI 分析。”
纽约大学：利用代理 AI 评估放射学报告
在纽约大学的全球 AI 前沿实验室，ICARE（可解释且基于临床的代理报告评估）项目完全在实验室的 DGX Spark 上端到端运行。ICARE 利用协作 AI 代理和多项选择题生成技术，评估 AI 生成的放射学报告与专家意见的吻合度，从而实现实时临床评估和持续监控，且无需将医学影像数据发送到云端。
纽约大学数据科学中心教职研究员 Lucius Bynum 表示：“能够在 DGX Spark 上本地运行强大的大语言模型（LLM），彻底改变了我的工作流程。我现在可以集中精力快速迭代和改进我正在开发的科研工具。”
纽约大学的研究人员还使用 DGX Spark 在本地运行 LLM，作为交互式因果建模工具的一部分。这些工具用于生成和优化语义因果模型（即临床变量、影像学发现和潜在诊断之间因果关系的结构化、机器可读映射）。这种设置使团队能够快速设计、测试和迭代高级模型，而无需等待集群资源。这对于医疗保健等要求数据必须保留在本地的隐私和安全敏感型应用尤为重要。
哈佛大学：用 AI 解码癫痫
在哈佛大学 Kempner 自然与人工智能研究所，神经科学家将 DGX Spark 作为紧凑型桌面超级计算机，探究大脑中的基因突变如何引发癫痫。该系统使研究人员能够实时运行复杂的分析，而无需等待访问大型机构集群。
由 Kempner 研究所联合主任 Bernardo Sabatini 领导的团队正在研究兴奋性和抑制性神经元中的约 6,000 种突变，构建蛋白质结构和神经元功能预测图，以指导接下来在实验室中测试哪些变体。
在哈佛大学，DGX Spark 充当了工作台计算与集群规模计算之间的桥梁。研究人员首先在单台 DGX Spark 上验证工作流程和耗时，然后将成功的管道扩展到大型 GPU 集群，进行大规模的蛋白质筛选。
亚利桑那州立大学：赋能校园级创新
亚利桑那州立大学（ASU）是最早接收多台 DGX Spark 系统的大学之一。这些系统目前支持着整个校园的 AI 研究，涵盖记忆护理、交通安全和可持续能源等多个项目。
由计算与增强智能学院副教授 Yezhou “YZ” Yang 领导的 ASU 团队，正利用 DGX Spark 推动先进的感知和机器人研究，应用场景包括支持 AI 的搜救机器狗以及为视障用户提供的辅助工具。
密西西比州立大学：助力计算机科学与工程专业学生
在密西西比州立大学的计算机科学与工程系，DGX Spark 成为了下一代 AI 工程师的实践学习平台。
该校对 DGX Spark 的热情通过实验室主导的推广活动得到了充分展现，其中包括一个致力于推进应用 AI、培养 AI 劳动力并推动全州实际 AI 实验的实验室所制作的开箱视频。
特拉华大学：推动跨学科研究转型
当华硕（ASUS）交付该校首台由 DGX Spark 驱动的 Ascent GX10 时，计算机与信息科学教授兼第一州 AI 研究所（First State AI Institute）主任 Sunita Chandrasekaran 称其为“研究的变革者”。它使体育分析和海岸科学等跨学科团队能够直接在校园内运行大型 AI 模型，而无需依赖昂贵的云资源。通过华硕虚拟实验室计划，学校可以在部署前远程测试 GX10 的性能。
奥地利科学技术研究所：在小型桌面上训练大型 LLM
在奥地利科学技术研究所（ISTA），研究人员正在使用基于 NVIDIA DGX Spark 的紧凑型系统——HP ZGX Nano AI 工作站，直接在桌面上训练和微调 LLM。该团队的开源 LLMQ 软件支持处理高达 70 亿参数的模型，让更多学生和研究人员能够接触到高级 LLM 训练。
由于 ZGX Nano 配备了 128GB 的统一内存，整个 LLM 及其训练数据可以保留在系统上，避免了消费级 GPU 通常需要的复杂内存调度。这有助于团队加快工作速度，并将敏感数据保留在本地。
斯坦福大学：原型设计的流水线
在斯坦福大学，研究人员正在使用 DGX Spark 建立完整的训练和评估管道原型，以便在扩展到大型 GPU 集群之前，在本地运行其 Biomni 生物代理工作流程。这为模型开发和基准测试提供了紧密的迭代循环，并直接在实验室环境中实现了复杂分析和实验计划的自动化。
斯坦福研究团队报告称，DGX Spark 提供了与大型云 GPU 实例相近的性能——通过 Ollama 在 MXFP4 精度下运行 1200 亿参数的 gpt-oss 模型时，速度约为每秒 80 个 token——同时将整个工作负载保留在桌面上。
此外，来自全球的大学生受邀参加 Treehacks，这是一场将于 2 月 13 日至 15 日在斯坦福大学举行的大型学生黑客马拉松，届时将展示由华硕提供的 DGX Spark 设备。如需了解 DGX Spark 如何改变斯坦福大学的高等教育和学生创新，可关注太平洋时间 2 月 13 日（星期五）上午 9 点的直播。
相关文档
- 印度携手 NVIDIA 推进国家 AI 战略；关联理由：延伸思考；说明：两文都明确涉及 DGX Spark，前者聚焦高校科研实践，后者补充国家级主权 AI 基础设施落地。