NVIDIA DGX Spark im Test

Der DGX Spark bringt NVIDIAs Grace-Blackwell-Plattform in ein Desktop-Gerät. Deutsche Unternehmen können damit Prototypen mit vertraulichen Daten auf eigener Hardware testen und später auf NVIDIA-Infrastruktur im Rechenzentrum oder in der Cloud wechseln.

Wichtigste Funktionen

• GB10-Grace-Blackwell-Superchip: Der DGX Spark koppelt eine Blackwell-GPU mit einer Arm-CPU und erreicht laut NVIDIA bis zu 1 PetaFLOP FP4-Leistung mit Sparsity. Das reicht für lokale Tests mit großen Sprachmodellen, ohne eine Server-Workstation unter den Schreibtisch zu stellen.
• 128 GB gemeinsam genutzter Speicher: CPU und GPU greifen auf denselben LPDDR5x-Speicher zu. NVIDIA nennt Modelle bis 200 Mrd. Parameter als Zielgröße für Entwicklung und Tests auf einem einzelnen Gerät.
• CUDA und NVIDIA AI Software Stack: PyTorch, TensorFlow, vLLM, NVIDIA NIM und weitere CUDA-nahe Werkzeuge passen besser zum DGX Spark als zu Apple Silicon. NVIDIA bewirbt für DGX OS ein Update mit NemoClaw-Installation, neuen offenen Modellen und bis zu 1,9-facher Inferenzgeschwindigkeit.
• ConnectX-Verbindung für 2 Geräte: Über ConnectX arbeiten 2 DGX-Spark-Systeme zusammen. NVIDIA nennt dafür Modelle bis 405 Mrd. Parameter, was für größere Experimente reicht, ohne direkt einen eigenen GPU-Server zu kaufen.
• Fertiges Desktop-System: PNY nennt 150 x 150 x 50,5 mm, 1,2 kg Gewicht, 4 TB NVMe-Speicher, 10 GbE, Wi-Fi 7 und DGX OS. Das Gerät kommt als vorkonfigurierte KI-Box statt als selbst zusammengestellte Workstation.

Preise und Tarife

NVIDIA verweist auf der offiziellen DGX-Spark-Seite auf den NVIDIA Marketplace und Händler. Alternate listet die NVIDIA DGX Spark Founders Edition am 04.08.2026 für 4.383 Euro brutto, also rund 3.683 Euro netto. Die dort angezeigte Hersteller-UVP liegt bei 4.699 Euro brutto, also rund 3.949 Euro netto. PNY führt den DGX Spark als Partnerprodukt mit der Teilenummer NVDGXSPARK-PB, nennt auf der Produktseite aber keinen öffentlichen Preis. Die genannten Beträge sind Nettowerte aus öffentlich sichtbaren Händlerpreisen, die deutsche Umsatzsteuer kommt beim Kauf hinzu.

Für wen ist der DGX Spark geeignet?

• Entwicklungsteams mit CUDA-Abläufen: Wer bereits mit PyTorch, vLLM, TensorFlow oder NVIDIA NIM arbeitet, bekommt eine lokale Testmaschine mit derselben Grundlogik wie größere NVIDIA-Systeme.
• Unternehmen mit sensiblen Testdaten: Der DGX Spark verarbeitet Modelle und Prompts auf eigener Hardware. Das passt zu Prototypen mit Kundenakten, Konstruktionsdaten oder internen Dokumenten.
• KI-Teams vor dem Rechenzentrumsbetrieb: Teams bereiten Modelle, Container und Skripte lokal vor und übertragen sie später auf stärkere NVIDIA-Infrastruktur. Das senkt die Hürde für erste Tests, ersetzt aber keinen großen Trainingscluster.

DSGVO und Datenschutz

Der DGX Spark ist Hardware für den Betrieb im eigenen Unternehmen. NVIDIA nennt auf der Produktseite keine Pflichtverbindung zu einer Cloud, und PNY beschreibt das Gerät als lokale Plattform für Prototyping, Fine-Tuning und Inferenz. Für die DSGVO ist deshalb vor allem die eigene Einrichtung relevant. Modellgewichte, Prompts, Telemetrie und Netzwerkzugriffe müssen intern geprüft und dokumentiert werden. Ohne angebundene externe Dienste ist der DGX Spark eine geeignete Grundlage für KI-Projekte mit hohen Datenschutzanforderungen.

Alternativen zu NVIDIA DGX Spark

• Apple Mac Studio M5 Ultra: Hat bis zu 256 GB gemeinsamen Speicher bei 1,2 TB/s Bandbreite und arbeitet leise, aber ohne CUDA. Für Abläufe auf Apple-Hardware ist er beim Speicher deutlich stärker.
• NVIDIA RTX PRO 6000: Ist eine Einbaukarte mit 96 GB GDDR7 ECC-VRAM für bestehende Workstations. Sie hat mehr Speicherbandbreite, braucht aber ein passendes System.
• NVIDIA Multi-GPU Workstation: Kombiniert mehrere RTX PRO 6000 Karten in einer Workstation. Das kostet mehr Planung, bringt aber mehr Leistung und mehr Grafikspeicher.