PNY DGX Spark Founders Edition

• Ejecuta inferencia local con hasta 200.000 millones de parámetros según el modelo y la configuración utilizada.
• Permite ajustar localmente modelos de hasta 70.000 millones de parámetros en flujos compatibles.
• Conserva modelos y datasets en un SSD NVMe de 4 TB con autocifrado.
• Integra una plataforma NVIDIA completa en un chasis de 1,2 kg.

• Desarrolladores que validan agentes y aplicaciones de IA sin enviar cada prueba a la nube.
• Investigadores que trabajan con memoria compartida y modelos grandes en un laboratorio compacto.
• Equipos técnicos que conectan el sistema a almacenamiento de red mediante 10 GbE.
• Aulas, demostraciones y puestos profesionales con poco espacio disponible.

Superchip GB10 para desarrollar inteligencia artificial local

PNY DGX Spark Founders Edition reúne en 1,2 kg una CPU Arm de 20 núcleos, GPU NVIDIA Blackwell y 128 GB de memoria LPDDR5x compartida. La arquitectura permite probar inferencia, pipelines de datos y agentes cerca del equipo que almacena la información, sin depender de una máquina remota para cada iteración.

El GB10 alcanza hasta 1 PFLOP FP4 con sparsity y utiliza Tensor Cores de quinta generación. Esta combinación encaja en desarrollo, prototipado y validación de modelos; no convierte el barebone en una estación gráfica universal para renderizado, gaming o cargas x86 convencionales.

Los 128 GB de memoria unificada funcionan con interfaz de 256 bits, 16 canales y 273 GB/s de ancho de banda. CPU y GPU acceden al mismo espacio, de modo que el modelo, los datos y el preprocesado pueden permanecer próximos sin repartirlos entre RAM y VRAM independientes. La memoria queda fijada en 128 GB y no se amplía como la RAM modular de una workstation.

El SSD NVMe M.2 de 4 TB con autocifrado permite mantener pesos, imágenes de contenedor, checkpoints, librerías y datasets de trabajo junto al entorno de ejecución. Cuando el repositorio crece más allá de esa capacidad, la red de 10 GbE permite apoyarse en un NAS o servidor sin convertir el almacenamiento local en el único límite del proyecto.

La red combina RJ-45 de 10 GbE, ConnectX-7 Smart NIC y dos conectores QSFP. RJ-45 resuelve la conexión rápida convencional; QSFP abre la posibilidad de enlaces especializados en un laboratorio distribuido. Wi-Fi 7 y Bluetooth 5.4 cubren el puesto inalámbrico, aunque para aprovechar el ancho de banda cableado también se necesita una infraestructura compatible.

NVIDIA DGX OS integra CUDA, contenedores, NVIDIA Container Runtime, NGC y herramientas del ecosistema NVIDIA. El entorno permite comenzar con PyTorch, TRT-LLM y modelos compatibles sin preparar desde cero la base de controladores y bibliotecas. DGX OS no equivale a Windows, y las aplicaciones que solo dispongan de versión x86_64 pueden requerir otra plataforma.

La salida de imagen combina HDMI 2.1a con hasta tres salidas DisplayPort sobre USB-C. El equipo puede alimentar una pantalla de trabajo o un puesto con varios monitores para separar consola, métricas, documentación y herramientas de desarrollo. Las salidas DisplayPort dependen de cables y pantallas compatibles con DisplayPort Alt Mode.

Memoria compartida para modelos grandes en un formato compacto

128 GB unificados mantienen cerca los datos del modelo

Los 128 GB de LPDDR5x no se dividen en una memoria principal y una VRAM independiente. El modelo, los datos y las tareas de preparación utilizan el mismo espacio, una ventaja concreta al experimentar con modelos que superarían la memoria gráfica de una GPU convencional de menor capacidad. La configuración queda fijada en 128 GB.

Tensor Cores de quinta generación aceleran la inferencia FP4

El soporte para FP4 y Tensor Cores de quinta generación favorece la inferencia con precisión reducida. Asistentes, clasificadores, visión artificial y prototipos de agentes pueden ejecutarse cerca del desarrollador; las cargas que dependan de una GPU discreta, de varias tarjetas o de software x86 deberán trasladarse a otra plataforma.

4 TB NVMe concentran modelos y proyectos locales

Los 4 TB NVMe permiten guardar pesos, versiones de modelos, contenedores y datasets de trabajo sin descargar cada prueba desde la nube. El autocifrado protege el almacenamiento local, mientras que los proyectos que superen esa capacidad necesitarán un NAS, un servidor o una unidad externa conectada mediante la red rápida.

ConnectX-7 y 10 GbE preparan laboratorios conectados

El puerto RJ-45 de 10 GbE facilita el acceso a almacenamiento de red y repositorios rápidos. ConnectX-7 y los dos conectores QSFP permiten construir enlaces de mayor capacidad en laboratorios de cálculo distribuido. Para una red doméstica básica, esa conectividad quedará por encima de la infraestructura disponible.

El chasis compacto libera espacio en escritorios técnicos

Con 150 x 150 x 50,5 mm, el equipo puede colocarse junto a una pantalla, en una bancada de pruebas o en un armario técnico ventilado. La fuente externa de 240 W incluida debe permanecer conectada y con espacio suficiente alrededor; la alimentación no queda integrada dentro del chasis.

DGX OS acerca CUDA y contenedores al arranque

NVIDIA DGX OS organiza el sistema alrededor del flujo de desarrollo de IA de NVIDIA. El usuario puede pasar de la preparación del entorno a PyTorch, contenedores, TRT-LLM o modelos compatibles. Una workstation con Windows ofrece menos fricción para aplicaciones de escritorio y software que no disponga de versión ARM64.

Cómo usarlo

1. Coloca el equipo sobre una superficie estable, deja espacio alrededor de las entradas de aire y conecta la fuente externa de 240 W incluida.
2. Conecta una pantalla mediante HDMI 2.1a o USB-C, añade teclado y ratón, y selecciona 10 GbE, Wi-Fi 7 o la infraestructura ConnectX disponible para la red.
3. Completa el primer arranque de NVIDIA DGX OS, configura idioma, zona horaria, usuario y credenciales de red, y aplica las actualizaciones del sistema.
4. Instala o inicia contenedores, frameworks y modelos mediante CUDA, PyTorch, TRT-LLM, NGC u otras herramientas compatibles con ARM64.
5. Reserva parte de los 4 TB para el sistema, los contenedores y los checkpoints; utiliza almacenamiento externo o de red cuando los datasets superen la capacidad local.

Marca: PNY

Publicado:

05/09/2026

Última actualización:

05/09/2026

Revisado por:

Héctor Rubio Pita (Experto en tecnología e Inteligencia Artificial)