NVIDIA DGX Spark 为高等教育的大型项目提供动力
Source: NVIDIA AI Blog
请提供您希望翻译的具体文本内容，我将为您翻译成简体中文。
NVIDIA DGX Spark：用于 AI 研究的桌面超级计算机
在全球领先的机构中，NVIDIA DGX Spark 桌面超级计算机正将数据中心级别的 AI 带到实验台、教师办公室和学生工作站。DGX Spark 设备甚至已部署在 南极 的 IceCube 中微子观测站（威斯康星大学麦迪逊分校）。
为什么 DGX Spark 很重要
- Petaflop 级别的性能，却采用紧凑的桌面形态。
- 支持 本地部署 大规模 AI 工作负载（例如临床报告评估、机器人感知），并且可以将敏感数据保留在现场。
- 为研究人员、教育工作者和学习者缩短迭代周期。
核心技术
- GPU： NVIDIA GB10 超级芯片。
- 软件栈： NVIDIA DGX Operating System。
- 模型容量： 支持最高 2000 亿参数 的 AI 模型。
与 NVIDIA AI 平台的无缝集成
| 平台 | 用例 | 链接 |
|---|---|---|
| NVIDIA NeMo | 对话式 AI、语音和语言模型 | |
| NVIDIA Metropolis | 智能视频分析与监控 | |
| NVIDIA Holoscan | 边缘实时多模态 AI（如医学成像、机器人） | |
| NVIDIA Isaac | 机器人仿真与部署 |
这些集成让学生和研究人员能够使用与更广泛 DGX 生态系统中相同的专业级工具。
继续阅读，了解 DGX Spark 如何在全球领先机构中推动突破性的 AI 工作。
IceCube 中微子天文台：在南极研究粒子
在美国威斯康星‑麦迪逊分校的 IceCube 中微子天文台（位于南极），研究人员正在使用 DGX Spark 来运行 AI 模型，以进行通过亚原子粒子——中微子——研究宇宙最灾难性事件的实验。
传统天文学——基于探测光波——让我们能够观测约 80 % 的已知宇宙，正如威斯康星 IceCube 粒子天体物理中心的计算主任 Benedikt Riedel 所说。将 引力波 和 中微子等粒子 纳入的新方法，为我们打开了通往最极端宇宙环境的窗口，包括超新星和暗物质。
“南极没有硬件商店，这里技术上是沙漠，相对湿度低于 5 %，海拔 10,000 英尺，电力非常有限，”Riedel 说。 “DGX Spark 让我们能够以低成本、模块化且简便的方式在如此极端偏远的环境中部署 AI，在本地对我们的中微子观测数据进行 AI 分析。”
NYU：使用自主 AI 进行放射学报告
在 NYU 的 Global AI Frontier Lab，ICARE（可解释且临床基础的基于代理的报告评估）项目在实验室的 DGX Spark 上端到端运行。ICARE 使用协作 AI 代理和多项选择题生成来评估 AI 生成的放射学报告与专家来源的吻合程度，实现实时临床评估和持续监控，无需将医学影像数据发送到云端。
“能够在 DGX Spark 本地运行强大的大语言模型彻底改变了我的工作流程，” Lucius Bynum 说，他是 NYU 数据科学中心的数据科学助理教授兼教员。“我能够专注于快速迭代和改进我正在开发的研究工具。”
NYU 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，该工具生成并完善 语义因果模型——结构化、机器可读的图谱，描绘临床变量、影像发现与潜在诊断之间的因果关系。此配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，这在对隐私和安全高度敏感的应用（如医疗保健）中尤为重要，因为数据必须保留在本地。
哈佛：用 AI 解码癫痫
在哈佛自然与人工智能研究所（Kempner Institute for the Study of Natural and Artificial Intelligence），神经科学家使用 DGX Spark来探究大脑中的基因突变如何导致癫痫。这款紧凑型桌面超级计算机让研究人员能够实时运行复杂分析，无需等待大型机构集群的资源。
该团队由 Kempner Institute 副主任 Bernardo Sabatini 领衔，正在研究约 6,000 种兴奋性和抑制性神经元的突变，构建蛋白质结构和神经功能预测图谱，以指导实验室中下一步测试的变体。
DGX Spark 在哈佛充当台式工作站与集群规模计算之间的桥梁。研究人员首先在单台 DGX Spark 上验证工作流和时间，然后将成功的流水线扩展到大型 GPU 集群，以进行大规模蛋白质筛选。
Source: https://tech.asu.edu/features/asu-among-first-receive-nvidias-newest-ai-supercomputer
ASU：推动校园规模创新
亚利桑那州立大学是最早获得多套 DGX Spark 系统的大学之一，这些系统现在支持全校的 AI 研究——涵盖记忆护理、交通安全和可持续能源等项目。
由Yezhou “YZ” Yang（计算与增强智能学院副教授）领导的 ASU 团队正在使用 DGX Spark 推动先进的感知和机器人研究，包括 AI 驱动的搜救机器人犬以及为视障用户提供的辅助工具等应用。
Mississippi State: 赋能计算机科学与工程学生
在密西西比州立大学计算机科学与工程系，DGX Spark 作为面向下一代 AI 工程师的实践学习平台。
密西西比州立大学对 DGX Spark 的热情通过实验室主导的外展活动得以展现，其中包括一段由实验室制作的开箱视频，旨在推动应用 AI、培养 AI 人才队伍，并在全州推动真实场景的 AI 实验。
University of Delaware: Transforming Research Across Disciplines
当 ASUS 为学校交付首台 Ascent GX10（由 DGX Spark 提供动力）时，计算机与信息科学教授、First State AI Institute 院长 Sunita Chandrasekaran 称其为“对研究具有变革性”。该系统使跨学科团队——如体育分析和海岸科学——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 ASUS Virtual Lab program，学校可以在部署前远程测试 GX10 的性能。
ISTA：在小型台式机上训练大型语言模型
研究人员在奥地利科学技术研究所（ISTA）使用 HP ZGX Nano AI Station——一款基于 NVIDIA DGX Spark 架构的紧凑系统——直接在桌面工作站上训练和微调大型语言模型（LLM）。
关键亮点
- 开源 LLMQ 软件 – 团队的 LLMQ repository 支持最高 70 亿参数的模型，使先进的 LLM 训练对学生和研究人员更加可及。
- 统一内存 – ZGX Nano 配备 128 GB 统一内存，能够让整个模型及其训练数据全部驻留在设备上。这消除了在消费级 GPU 上常需的复杂内存管理技巧。
- 数据隐私与速度 – 将所有工作保留在本地可加快实验进程，并确保敏感数据永不离开机构。
欲了解更深入的内容，请参阅伴随的 ISTA LLMQ 软件研究论文。
Source: …
Stanford: A Pipeline for Prototyping
斯坦福大学的研究人员正在使用 DGX Spark 为他们的 Biomni 生物制剂工作流原型化完整的训练和评估流水线。通过在本地运行这些流水线，他们可以：
- 快速迭代模型开发和基准测试。
- 在实验室中直接自动化复杂的分析和实验计划。
- 实现与大型云 GPU 实例相当的性能（在 MXFP4 上使用 Ollama 的 120 B 参数 gpt‑oss 模型约为 80 tokens / s），同时将全部工作负载保持在桌面上。
Student Hackathon – Treehacks
全球大学生受邀参加 Treehacks，这是一场于 2 月 13‑15 日 在斯坦福举办的大型学生黑客马拉松。活动将展示来自华硕的 DGX Spark 设备。
- 现场演示： 通过加入 2 月 13 日星期五上午 9 点（太平洋时间） 的直播观看 DGX Spark 实际运行 – 点击观看。
Get Started
- 探索 DGX Spark：
- 购买选项：
赋能高等教育和学生创新，提供本地 AI 超算平台。