NVIDIA DGX Spark Duo — 2 supercalculateurs IA Grace Blackwell
💻 Deux DGX Spark pour vos projets IA à deux nœuds.
Ce lot réunit deux systèmes NVIDIA Grace Blackwell, chacun doté de 128 Go de mémoire unifiée et d’un SSD de 4 To. Travaillez sur deux environnements séparés ou préparez des charges distribuées compatibles.
⚡ L’intérêt d’une seconde machine
✓ Deux espaces de travail. Répartissez vos expérimentations ou mettez un système à disposition d’un autre utilisateur.
✓ Une base pour le calcul distribué. ConnectX-7 permet de relier les unités pour les logiciels prévus à cet effet.
✓ Des ressources locales par nœud. CPU et GPU partagent la mémoire unifiée de chaque appareil ; modèles et données disposent d’un stockage local distinct.
Pour quels projets ?
Pour les développeurs IA, chercheurs et équipes de data science dont le besoin de deux machines est identifié. Si votre charge tient sur une unité, évaluez d’abord l’intérêt réel du second nœud.
Le contenu annoncé du lot
Systèmes : 2 NVIDIA DGX Spark GB10 Grace Blackwell
Par unité : CPU Arm 20 cœurs, 128 Go LPDDR5x unifiée et SSD NVMe 4 To
Environnement : NVIDIA DGX OS
Réseau : ConnectX-7 jusqu’à 200 Gbit/s et Ethernet 10 GbE
Accessoires annoncés : câble de liaison et deux adaptateurs secteur
🔎 Une interconnexion à configurer
Le câble ne répartit pas automatiquement les programmes entre les deux machines. Un environnement réseau et logiciel compatible est nécessaire ; le débit dépend aussi du câble.
Confirmez sa référence et le contenu exact du colis auprès du vendeur. Vérifiez vos dépendances Linux Arm et les exigences du moteur d’inférence choisi.
Vos questions
Est-ce un ordinateur unique de 256 Go ?
Non. Les 256 Go physiques sont répartis entre deux systèmes de 128 Go. Leur exploitation conjointe exige une solution distribuée adaptée.
Les SSD forment-ils un seul disque de 8 To ?
Non. Chaque machine possède son SSD de 4 To ; le stockage n’est pas automatiquement fusionné.
Deux unités doublent-elles les performances ?
Non. Le gain dépend du logiciel, du modèle, de la répartition des traitements et des échanges réseau. Le calcul local ne garantit pas non plus, à lui seul, la confidentialité des données.
