Station de développement IA,
128 Go de mémoire unifiée
partagés entre CPU et GPU
Un système complet NVIDIA DGX Spark dédié à un seul client, sans partage.
Accès SSH · CUDA préinstallé avec DGX OS
Un seul client par DGX Spark, avec un pool de 128 Go non partagé.
Le seul système disponible est NVIDIA DGX OS (basé sur Ubuntu 24.04), avec la pile logicielle NVIDIA AI ci-dessous préinstallée. L’accès root permet d’installer d’autres outils ; aucun modèle n’est préinstallé.
Un système complet, trois points vérifiables
Le modèle, la capacité et le calcul du tarif sont indiqués dans la fiche. Sur une machine dédiée, pas de file d’attente ni de préemption liée au partage du GPU.
128 Go de mémoire unifiée LPDDR5x
Le CPU et le GPU partagent le même pool de mémoire. Les poids du modèle, le cache KV et les programmes CUDA y sont gérés ensemble, sans copies répétées entre la mémoire système et le GPU.
GB10 Grace Blackwell dédié
Chaque système NVIDIA DGX Spark est attribué à un seul client, sans partage. Les tâches ne font pas la queue et ne sont pas interrompues par d’autres locataires.
Sans frais d’installation, sans engagement, sans remise
Total = nombre de jours × tarif journalier. Le tarif affiché est le tarif facturé, sans frais uniques ni durée minimale d’utilisation.
Poids, cache KV et programmes CUDA dans le même pool
La mémoire unifiée LPDDR5x de 128 Go du NVIDIA GB10 Grace Blackwell est accessible à la fois par le CPU Grace et le GPU Blackwell. Selon les données officielles de NVIDIA, ce pool peut accueillir l’inférence quantifiée de modèles d’environ 200B paramètres, ou le fine-tuning LoRA/QLoRA de modèles d’environ 70B paramètres.
Voir les tailles de modèles prises en chargeUn GB10,un seul client
Les pilotes et les outils sont prêts avec DGX OS. L’accès root est réservé au locataire, qui peut installer les versions nécessaires.
20 cœurs Arm et GPU Blackwell dédiés
Le CPU comprend 10×Cortex-X925 et 10×Cortex-A725, avec une architecture ARM64. L’accès se fait par SSH avec les privilèges root. La machine n’est pas partagée : compilation, débogage et inférence longue durée s’effectuent sans file d’attente.
Voir la fiche technique TcpNode DGX SparkLocation à la journée, une formule de facturation
Le DGX Spark se loue uniquement à la journée, de 1 à 365 jours, sans remise, frais d’installation ni engagement. À la fin de la période, les données du système sont effacées. Les poids, le code et les journaux à conserver doivent être transférés avant l’échéance.
Découvrir le DGX Spark TcpNodeDeux usages, une même machine
Système NVIDIA DGX OS (basé sur Ubuntu 24.04), CUDA et conteneurs NGC prêts à l’emploi.
Compiler et déboguer des noyaux CUDA sur ARM64
L’environnement de développement CUDA est prêt avec le système : inutile d’installer les composants un à un en partant des pilotes. Les conteneurs NGC permettent le déploiement ; les images ARM64 peuvent être récupérées et exécutées directement.
Inférence locale et expérimentation de fine-tuning
Convient à l’inférence locale, au fine-tuning LoRA et au prototypage d’applications IA. Aucun modèle n’est préinstallé : les poids sont à télécharger. À 1 Gbit/s théorique, 40 Go prennent environ 5,5 minutes.
Quels usages conviennent au DGX Spark ?
Configuration et système fixes : ces deux listes permettent de vérifier l’adéquation avant commande.
Convient
- Développement et débogage CUDA
- Déploiement de conteneurs ARM64 et test d’images NGC
- Inférence locale et tests de débit sur des LLM
- Expérimentation de fine-tuning LoRA
- Prise en main de DGX OS et prototypage d’applications IA
Ne convient pas
- Programmes x86 et Windows, incompatibles avec ARM64
- Clusters multi-machines et entraînement inter-machines
- Besoin de modifier la bande passante, d’ajouter une IP ou un disque
- Besoin d’augmenter la mémoire ou de changer de système
Questions fréquentes avant commande
Que deviennent les données à l’échéance ?
Les données du système sont effacées à l’échéance. Les poids des modèles, le code et les journaux à conserver doivent être transférés vers un autre espace de stockage avant cette date.
Les programmes x86 ou Windows peuvent-ils fonctionner ?
Non. Le DGX Spark repose sur l’architecture ARM64 et seul NVIDIA DGX OS est disponible. Les images x86 doivent être remplacées par leurs versions ARM64.
Des modèles sont-ils préinstallés ?
Aucun modèle n’est préinstallé. La pile logicielle NVIDIA AI, notamment CUDA, cuDNN et TensorRT, est prête avec le système ; les poids des modèles sont à télécharger.
Où trouver les identifiants et signaler un problème ?
Après la mise à disposition, l’adresse IP et les identifiants de connexion figurent dans les détails de la machine sur le portail, accessible par SSH. Les demandes concernant une panne, un redémarrage forcé ou une réinstallation du système se font depuis le portail.
DGX Spark complet, $16.7 par jour
NVIDIA GB10 Grace Blackwell · 128 Go de mémoire unifiée LPDDR5x · Centre de données à Tokyo, au Japon
Vérifier les dépendances entre streams CUDA sur DGX Spark
Un exemple compilable relie producteur et consommateur par un événement, vérifie chaque élément et définit quand réutiliser les tampons sans risque.
Automatisation IAValider les artefacts CUDA sur DGX Spark : cibles GPU, SASS et PTX
Compiler pour la cible GPU détectée, inspecter le code embarqué et vérifier séparément l’exécution native et le recours au JIT PTX.
Automatisation IARepérer les accès CUDA hors limites sur DGX Spark
Une écriture invalide contrôlée relie le diagnostic dans le code source, les erreurs asynchrones et les codes de sortie à la validation du correctif.
De nouveaux articles sont en préparation. En attendant, consulter la liste du blog.