Bei unserem Test der NVIDIA DGX Spark erwies sich der Speicher als größter Designfehler der Plattform – und zwar in erster Linie aufgrund des Formfaktors. Die internen Steckplätze der Spark nehmen kurze M.2-Laufwerke der Klassen 2230 und 2242 auf, bei denen die kompakte Bauweise Vorrang vor der Speicherkapazität hat. Der Markt für Client-SSDs mit hoher Kapazität bedient sich hingegen der 2280-Modelle in voller Größe, von denen aktuell 8-TB-Modelle erhältlich sind. Die Spark bietet jedoch schlicht keinen Platz für ein solches Laufwerk. Dadurch verfügt ein für anspruchsvolle KI-Anwendungen konzipiertes Gerät über eine Speicherkapazität, die eher einem dünnen und leichten Laptop entspricht, und es gibt keine interne Lösung für dieses Problem. Die Luisuantech GP Spark bietet genau hierfür eine Lösung: ein 0.58 Liter großes Gehäuse mit vier Einschüben für M.2-Laufwerke in voller Größe, das an den 100GbE-Anschluss der Spark angeschlossen wird, ohne Treiber oder Formatierung als native NVMe-Geräte erkannt wird und GPU Direct Storage-Datenverkehr nahezu mit Leitungsgeschwindigkeit verarbeitet.
Das Alleinstellungsmerkmal ist Einfachheit bei gleichzeitig niedrigen Kosten für Client-Laufwerke. Die vier Einschübe des GP Spark nehmen gängige M.2 2280 oder 22110 NVMe SSDs auf – Formfaktoren, die der Spark selbst nicht unterstützt – und stellen sie über NVMe-oF RDMA mithilfe einer Hardware-Offload-Engine auf einem dedizierten Chip bereit. Laut Datenblatt von Luisuantech sind aktuell Laufwerke bis zu 4 TB, also 16 TB pro Gehäuse, zulässig. Da es sich jedoch um dieselben Steckplätze handelt, in denen bereits 8-TB-Client-Laufwerke verbaut sind, ist die praktische Obergrenze eher eine Frage der Validierung als der mechanischen Kapazität. Es handelt sich hier nicht um ein Enterprise-Array, keine Lizenzierung und kein Speicherbetriebssystem, das erlernt werden muss. Verbinden Sie einfach ein DAC- oder AOC-Kabel zwischen dem GP Spark und dem DGX Spark, führen Sie `modprobe nvme-rdma` auf dem Ubuntu-System des Spark aus, und die Laufwerke werden als `/dev/nvme`-Geräte angezeigt und sind für den GDS-Zugriff bereit.
Designen und Bauen
Der GP Spark ist ein 150 mm x 150 mm x 26 mm großes Gehäuse, kleiner als der Spark selbst. Er ist in einem perforierten Metallgehäuse untergebracht und verfügt über einen einzelnen Ein-/Ausschalter, der gleichzeitig als Statusanzeige dient: Grün bedeutet Normalbetrieb, Rot bedeutet Fehler. Die Stromversorgung erfolgt über USB-C PD von einem externen 20-V/5.4-A-Netzteil. Das gesamte Gerät, inklusive Laufwerke, verbraucht weniger als 100 W. Die Rückseite bietet drei Anschlüsse: den USB-C-Stromanschluss, einen USB-C-Debug-Port und den QSFP28-100-GbE-Datenanschluss, der Kupfer-DACs oder optische Module unterstützt. Im Inneren sorgen ein dedizierter Datenprozessor und ein Coprozessor für die NVMe-oF-Offload-Verarbeitung. Die vier M.2-Einschübe befinden sich unter der oberen Abdeckung.
Die Rückseite ist funktional gestaltet: Links befinden sich die USB-C-Anschlüsse für Stromversorgung und Debugging, rechts der QSFP28-Sockel und dazwischen, durch die Lüftungsschlitze sichtbar, eine Reihe von Kupferlamellen. Die Kühlung erfolgt rein passiv.
Öffnet man den Deckel, befinden sich die vier M.2-Einschübe in einer Reihe, hier bestückt mit unseren KIOXIA XG8-Testlaufwerken. Der Deckel selbst dient als Laufwerkskühler: Blaue Wärmeleitpads an seiner Unterseite verbinden jede SSD mit dem Kühlkörper mit Kühlrippen, der die Oberseite des Gehäuses bildet – eine elegante, passive Lösung für Client-Laufwerke, die nicht dauerhaft im Unternehmenseinsatz sind.
Vorab ein Hinweis: Unser Gerät ist ein Prototyp. Das Etikett auf der Unterseite trägt die Aufschrift GP-Spark-1000 und kennzeichnet es als Prototyp, nicht für den Wiederverkauf bestimmt. Es trägt außerdem ein Herstellungsdatum im Februar 2026 unter der Marke Swingsoon, die Luisuantech für seine Hardware verwendet. Seriengeräte können in Passform und Verarbeitung abweichen, das von uns getestete Plattformverhalten entspricht jedoch dem, was Luisuantech aktuell an Tester ausliefert. Zwei weitere Anmerkungen zum Auspacken: Unserem Gerät lagen zwei gedruckte Handbücher in chinesischer Sprache bei, und die Ersteinrichtung erfolgt anscheinend über die WLAN-Verbindung. Beides ist für die Zielgruppe dieses Geräts kein Hindernis, für eine Markteinführung im Westen wird jedoch eine englische Dokumentation benötigt.
Einrichtung und Architektur
Es gibt keinen RAID-Controller und keine integrierte Speicherabstraktion: Der GP Spark ist im wahrsten Sinne des Wortes ein JBOF, der jede installierte SSD als eigenen NVMe-oF-Namensraum bereitstellt. In unserer Konfiguration erschienen vier Laufwerke als vier /dev/nvme-Geräte auf dem Host. Redundanz bzw. Striping ist Aufgabe des Hosts. Das Datenblatt des Herstellers gibt einen einzelnen 100-GbE-Port mit 10 GB/s und 2.7 Millionen IOPS an; der Produktbericht erwähnt separat Konfigurationen mit 2x100-GbE und bis zu 24 GB/s, wobei Luisuantech bestätigte, dass es sich um die Summe aus Lese- und Schreibgeschwindigkeit handelt. Unser Testgerät wurde mit der Einzelport-Konfiguration verwendet.
Luisuantech GP Spark Spezifikationen
| Normen | Luisuantech GP Spark |
|---|---|
| Plattformübersicht | |
| Laufwerkseinschübe | 4 x M.2 NVMe (2280 / 22110) Unterstützt gemischte Speicherkapazitäten, bis zu 4 TB pro Laufwerk |
| Netzwerk | QSFP28 100GbE (DAC oder optisch) RDMA erforderlich |
| Protokolle | NVMe-oF RDMA GPU Direct Storage (GDS) |
| Leistung (Angaben des Anbieters) | |
| Durchsatz | 10 GB/s pro 100GbE-Port Bis zu 24 GB/s Gesamtlese- und Schreibgeschwindigkeit |
| IOPS | 2.7M |
| Zugriffsverzögerung | Unter 20 Mikrosekunden |
| Kraft und Körperlichkeit | |
| Tuning | Unter 100 W Gesamtleistung 20V/5.4A USB-C PD externer Adapter |
| Abmessungen | 150 mm x 150 mm x 26 mm (0.58 l) |
| Umgebungstemperaturbereich | 0 zu 40C |
| Kompatibilität | NVIDIA DGX Spark DGX Station Workstations und Server mit RDMA-fähigen Netzwerkkarten |
Leistung
Unsere Testkonfiguration kombinierte den GP Spark mit einem GIGABYTE DGX Spark über eine direkte 100GbE-Verbindung. Die Einschübe waren mit vier 1-TB-KIOXIA-XG8-NVMe-SSDs bestückt. Die Wahl der Laufwerke hat einen wesentlichen Einfluss auf die gemessene Leistung. Wir verwendeten Gen5-SSDs; einige Modelle, insbesondere Enterprise-SSDs, bieten möglicherweise eine höhere, dauerhafte Schreibleistung. Wir führten FIO-Tests mit zufälligen 4K- und 64K-Zugriffen sowie sequenziellen 1-Mbit/s-Workloads (Lesen und Schreiben) durch und variierten dabei die IO-Tiefe und die Anzahl der Jobs, um den gesamten Leistungsbereich abzudecken. Die Ergebnisse spiegeln den abschließenden Test nach Anwendung der MTU-Empfehlungen von Luisuantech wider, die das Übertragungsverhalten im Vergleich zu unseren ersten Tests verbesserten.
4K-Zufallsleistung
Bei Lesevorgängen kleiner Datenblöcke spielt die Offload-Engine ihre Stärken voll aus. Zufällige 4K-Lesevorgänge skalierten mit der Warteschlangenlänge auf einen Spitzenwert von 2.43 Millionen IOPS bei 9,475 MiB/s – ein Wert, der nahe an der Herstellerangabe von 2.7 Millionen liegt und die 100-GbE-Verbindung bei 4K-Übertragungen effektiv auslastet. Für ein passiv mit Strom versorgtes Vier-Bay-Gehäuse, das ein KI-System am Schreibtisch versorgt, ist das ein bemerkenswerter Wert.
Die Schreibvorgänge weisen einen ähnlichen Verlauf auf, liegen aber etwa halb so hoch und erreichen einen Spitzenwert von 1.19 Millionen IOPS. Die Differenz zwischen Lese- und Schreibleistung bleibt bei allen getesteten Arbeitslasten konstant. Die Leistung hängt direkt von den verwendeten Laufwerken ab, daher können die Ergebnisse je nach Konfiguration variieren.
Die Leselatenz erreicht bei geringer Warteschlangenlänge im Durchschnitt einen Tiefstwert von 65.3 Mikrosekunden. Dieser Wert liegt über der Herstellerangabe von unter 20 Mikrosekunden, die tatsächlichen Werte können jedoch je nach Laufwerksauswahl und Netzwerkkonfiguration variieren. Die Netzwerklaufzeit trägt ebenfalls zu diesem Wert bei; die Latenz bleibt konstant und vorhersehbar, bis die Netzwerkauslastung erreicht ist.
Bei der Schreiblatenz stimmt die Angabe im Datenblatt: durchschnittlich 20.4 Mikrosekunden bei minimaler Tiefe, genau im Bereich der vom Hersteller angegebenen unter 20 Mikrosekunden und so niedrig, dass die Struktur für die Anwendung praktisch unsichtbar ist.
64K-Zufallsleistung
Bei 64 KB kommt es ausschließlich auf die Bandbreite an. Zufällige Lesevorgänge erreichen Spitzenwerte von 9,503 MiB/s, was statistisch identisch mit den Werten bei 4 KB und 1 MB ist. Unabhängig von der Blockgröße der Arbeitslast liefert der GP Spark stets die volle Bandbreite seines 100-GbE-Ports.
Bei zufälligen Schreibvorgängen mit 64K Blockgröße stagniert die Geschwindigkeit bei 4,742 MiB/s, dem gleichen Maximalwert, den wir bei allen anderen Blockgrößen gemessen haben.
1M Sequenzielle Leistung
Sequenzielle Lesevorgänge großer Datenblöcke, wie sie beim Laden von Modellen und beim Streaming von Datensätzen auftreten, erreichen Geschwindigkeiten von 9,496 MiB/s und halten diese auch bei moderaten Warteschlangenlängen aufrecht. Genau für diese Arbeitslast ist GP Spark konzipiert und arbeitet mit maximaler Leistung.
Sequenzielle Schreibvorgänge erreichen 4,742 MiB/s, etwa die Hälfte des Lesedurchsatzes. Dieser Maximalwert bleibt bei allen getesteten Blockgrößen gleich. Wir wiesen Luisuantech während der Tests auf diese Asymmetrie hin und führten gemeinsam mit dem Unternehmen eine Optimierungsrunde durch, die auch MTU-Änderungen umfasste. Die hier angegebenen Werte stellen die optimale Leistung der Plattform in ihrer aktuellen Single-Port-Konfiguration dar. Luisuantech bestätigte, dass diese Werte mit den Spezifikationen für den Schreibpfad übereinstimmen. Für die leselastigen Workloads, für die dieses System ausgelegt ist – Modellladen, Dataset-Streaming und RAG-Abruf –, ist dies vernachlässigbar. Bei hohem Datenaufkommen sollten die Erwartungen an die Größe entsprechend angepasst werden.
Fazit
Der GP Spark hat eine einzige Aufgabe und erledigt sie elegant: Er stattet einen oder mehrere DGX Spark mit dem Speicher aus, den die Plattform für rechenintensive Aufgaben benötigt. Einfach anschließen, Kernelmodul laden, und schon stehen fast 10 GB/s GDS-zugänglicher Flash-Speicher zur Verfügung – ganz ohne Treiberinstallation, Speicherbetriebssystem oder hohe Unternehmensrechnung. Der Clou: Die Bestückung mit M.2-SSDs ist optimal. Die Speicherkapazität wird relativ günstig, da das System alle gängigen 2280- oder 22110-SSDs unterstützt und die Offload-Engine die Protokollverarbeitung übernimmt, die die SSDs selbst nie nutzen.
Unserer Einschätzung nach handelt es sich hierbei eher um eine clevere, gut umgesetzte Erweiterung als um eine bahnbrechende Innovation. Lesegeschwindigkeiten erreichen maximal die Leitungsgeschwindigkeit der einzelnen Verbindung, Schreibgeschwindigkeiten etwa die Hälfte. Die Preisgestaltung ist noch ungewiss: Die GP Spark ist weder in den USA noch in China im Einzelhandel erhältlich, unser Testgerät ist ein Prototyp, und Luisuantech hat noch keine Preisangaben veröffentlicht. Der Vorteil liegt darin, dass die SSD deutlich günstiger ist als vergleichbare NVMe-oF-Alternativen für Unternehmen, was durch das Client-Laufwerk-Design ermöglicht werden sollte. Für Spark-Besitzer, die an die Grenzen des internen Speichers stoßen – und unser ursprünglicher Test deutet darauf hin, dass dies auf viele zutreffen wird –, bietet dies eine einfache Lösung, ohne Speicherplatz aus einem großen Unternehmensnetzwerk abzweigen zu müssen.
Amazon