# NVIDIA 把跑千亿参数大模型的机器塞进了桌面

> 原标题：NVIDIA DGX Spark and DGX Station Power the Latest Open-Source and Frontier Models From the Desktop

- 来源：NVIDIA 博客
- 发布时间：2026-01-05T22:49:06.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3404
- 原文：https://blogs.nvidia.com/blog/dgx-spark-and-station-open-source-frontier-models/

## 摘要

NVIDIA 在 CES 上展示了两台桌面设备 DGX Spark 和 DGX Station，能在本地跑 1000 亿到 1 万亿参数的开源模型。DGX Station 有 775GB 的统一内存，可以把模型压缩到 NVFP4 格式，压缩率最高 70%，跑 llama.cpp 时推理速度平均提升 35%。现场还演示了每秒处理 25 万个 token ...

## 推荐理由

HKR 三项都站得住：桌面跑大模型的 hook 够强，性能数字和演示数据把事实撑住了，而且整件事指向本地开发闭环能不能替代部分云端迭代这个真问题。不过说到底这是英伟达的产品发布，性能证据都来自厂商自己的演示，我会先打个折，所以重要性停在 75 分。

## 锐评

NVIDIA 在 CES 上亮出了两台桌面设备 DGX Spark 和 DGX Station，目标是把原本要上云的大模型开发流程搬回本地。DGX Station 有 775GB 的统一内存，能直接跑 1000 亿到 1 万亿参数的开源模型。它用了一种叫 NVFP4 的压缩格式，最高能把模型体积压到原来的 30%，跑 llama.cpp 推理框架时速度平均提升 35%。现场还演示了每秒处理 25 万个 token 的预训练，这个数字说明本地做小规模训练和微调确实可行。

但整篇博文是产品发布口径，关键信息缺了不少。价格、功耗、噪音、实际可用内存带宽都没给，这些才是决定它能不能替代一部分云上迭代的核心。35% 的速度提升是在特定推理框架下测的，换到其他框架或模型结构是否还有类似收益，正文没披露。另外，775GB 统一内存听起来很大，但跑万亿参数模型时，留给上下文窗口和中间激活值的空间还剩多少，也没说清楚。

对 AI 从业者来说，这台机器的真正价值在于缩短本地开发循环：微调、外挂资料库检索、编程助手、机器人演示，不用每次都传上云。但能不能省钱，得等价格出来再算账。