NVIDIAはCES 2026において、コンパクトなオンプレミスAIシステムとしての役割を拡大するDGX Sparkのソフトウェアアップデートを発表しました。今回の変更は、新しいランタイム、量子化フォーマット、デプロイメントプレイブックに重点を置いており、オープンソースモデル、自動化されたワークフロー、クリエイターパイプライン、3Dパイプラインをローカルで実行しやすくします。このアップデートは、ラボ、エッジ環境、エンジニアリング環境で既にDGX Sparkを使用しているチームを対象としており、新しいハードウェアは導入されません。
エンタープライズ環境におけるオープンソースAI
NVIDIAは、オープンソースAIの急速な台頭を強調しました。オープンソースAIフレームワークとモデルの月間ダウンロード数は、2023年6月の約700万件から、2025年12月には約3億9000万件に増加しました。Sparkはこのトレンドに対応するために調整されており、PyTorch、vLLM、SGLang、llama.cpp、LlamaIndex、そしてQwen、Meta、Stability、Wanなどの多くのコミュニティモデルがシステムに完全に統合されています。
オープン ツールを標準化する企業にとって、これはカスタム統合作業の削減と、すでに利用しているスタックの運用の信頼性向上につながります。
発売以来最大2.5倍の高速化
NVIDIAは、主要ワークロードにおけるパフォーマンスがDGX Sparkの発売時と比較して最大2.5倍向上したと主張しています。この向上は、ハードウェアの変更ではなく、TensorRT-LLM、アグレッシブ量子化、デコードの最適化の機能強化によるものです。
具体的な例として、TensorRT-LLMを使用したQwen-235Bが挙げられます。FP8からNVFP4への量子化移行とEagle3による投機的デコードにより、スループットは2倍以上に向上しました。CUDAとStable Diffusion 3.5 Largeをllama.cppで実行したQwen3-30Bでは、約1.4倍の改善が見られました。PyTorchパイプラインがSparkのGPU向けに最適化されているため、フルチューニングでもパラメータ効率の高いチューニングでも、微調整によるパフォーマンス向上は顕著ですが、その効果は小さくなっています。
プレイブック: 「机上の箱」から実用的なワークフローへ
生のコンピューティング能力と使用可能なソリューションの間のギャップを埋めるために、NVIDIA は、一般的なエンタープライズ タスク用のツール、モデル、ガイドを組み合わせた新しい DGX Spark プレイブックを導入しています。
新しいコンテンツには以下が含まれます:
- 推論: vLLM、SGLang、TensorRT-LLM、投機的デコード、マルチモーダル推論、Spark 上の NIM、NVFP4 量子化、およびローカル Nemotron-3 Nano。
- 微調整: マルチ Spark PyTorch の微調整、FLUX.1 DreamBooth LoRA、LLAMA Factory、NeMo、Unsloth ベースの効率的なトレーニング。
- データ サイエンス: CUDA-X データ サイエンス、最適化された JAX、テキストから知識グラフへの変換、単一細胞 RNA シーケンスや定量的ポートフォリオの最適化などのドメイン固有のワークフロー。
- ツールと接続性: ComfyUI、VS Code、DGX Dashboard、AI Workbench の RAG、Tailscale、NCCL ベースの「Connect Two Sparks」。
派手なデモではなく、再現性を重視しています。これらのプレイブックは、スタック全体を再構築することなくオンプレミスに展開できる、事前検証済みのリファレンスフレームワークとして機能します。
ハイブリッド MacBook と Spark で AI ビデオ パイプラインを 8 倍高速化
コンテンツ作成では、NVIDIA は、ComfyUI と FLUX.1-dev、WAN 2.2、GPU アクセラレーション アップスケーラーを介して MacBook Pro M4 Max と DGX Spark を組み合わせた AI ビデオ生成ワークフローをテストしました。
未来都市を走る赤いスポーツカーの4Kビデオをフィーチャーしたリファレンスパイプラインで、その改善が実証されました。MacBookだけでワークフロー全体を実行すると約8分かかりましたが、高負荷な処理をDGX Sparkに切り替えたことで、処理時間は約1分に短縮され、速度は8倍向上しました。
この進歩は、Spark上で量子化されたNVFP4/NVFP8でFLUX.1-devとWAN 2.2を動作させ、その後RTX Video Super Resolutionを適用したことから生まれています。メディア、デザイン、マーケティングチームにとって、これはデータセンターまたはエッジラック内で制御を維持しながら、生成ビデオをバッチ形式のレンダリングからインタラクティブな反復処理にはるかに近いプロセスへと変革します。
3D と RTX のリミックス: バックグラウンド AI コプロセッサとしての Spark
DGX Sparkは、RTX Remixベースの3Dワークフロー向けのコプロセッサとしても販売されています。例えば、RTX 5090システムはインタラクティブな「Mod」環境を実行します。同時に、SparkはAIテクスチャをバッチ処理（例：100マテリアル）で生成し、アーティストの作業を中断することなく結果をシーンに送り返します。
SWAT 4を使用した前後比較では、AIを活用した素材がレガシーアセットをいかに活性化できるかが示されました。しかし、重要なビジネスメリットはワークフロー設計にあります。Sparkは、主要なワークステーションがアクティブな状態を維持している間、生成タスクのための継続的なバックグラウンドエンジンとして機能します。
Nsight Copilot: ローカル CUDA AI アシスタント
注目すべき追加機能の 1 つは、DGX Spark 上でローカルに動作する Nsight Copilot です。
開発者は「CUDAでfp4にmatmulを書き込む」といったタスクをリクエストでき、Nsight Copilotは、FP32入力をデバイス上でFP4に量子化し、テンソルごとにスケーリングを設定し、FP32でGEMMを実行し、FP32出力を返す完全なcuBLAS-Ltサンプルを提供します。重要なのは、このプロセスはコードやデータをクラウドサービスに送信することなく実行されることです。
- クラウド推論コストはかかりません。
- ソース、データ、IP はオンプレミスに残ります。
- ローカル GPU はレイテンシとスループットを管理します。
厳格なデータ ガバナンス ルールを持つ組織では、これにより、ネットワーク内のすべてを安全に保ちながら AI 支援開発が可能になります。
エージェント、ロボティクス、エッジ：研究室から実稼働まで
NVIDIAは、Hugging FaceおよびオープンソースのReachy Miniロボットとの提携を通じて、Sparkをエージェントおよびロボティクスアプリケーションに拡張しています。DGX Sparkはエージェント、LLM、VLM、プランナーを操作し、Reachy Miniは人間とロボットのインタラクションの研究、教育、プロトタイピングに適した物理的な形態を提供します。
DGX Sparkは1月末までにNVIDIA AI Enterpriseに組み込まれます。これにより、企業はスマート製造・検査、インテリジェント小売・盗難防止、ポイントオブケア医療アプリケーションなど、エッジおよびオンプレミスのシナリオでSparkを実行するためのサポート付きソフトウェアスタック、ライフサイクル管理、セキュリティアップデートを利用できるようになります。
エコシステムとOEMサポート
NVIDIA は、モデル プロバイダー (OpenAI、Mistral、Stability、Qwen、Meta、ElevenLabs、Black Forest Labs など)、ツール (vLLM、Comfy、LlamaIndex、Docker、Jupyter、Weights & Biases、Anyscale、VASP や GROMACS などの科学コード)、Dell、Lenovo、HP、ASUS、MSI、Supermicro などの幅広い OEM など、広範なエコシステムを強調してアップデートを締めくくりました。
企業の購入者へのメッセージは、DGX Spark はもはや開発者向けツールにとどまらないということです。DGX Spark は、既存のツール、ベンダーとの関係、そして本番環境の AI 戦略にシームレスに統合できる小型フォームファクタのノードです。
Amazon