NVIDIA는 CES 2026에서 DGX Spark 의 온프레미스 AI 시스템으로서의 역할을 확장하는 소프트웨어 업데이트를 발표했습니다 . 이번 업데이트는 새로운 런타임, 양자화 형식, 배포 플레이북에 중점을 두어 오픈 소스 모델, 자동화된 워크플로, 크리에이터 및 3D 파이프라인을 로컬에서 더욱 쉽게 실행할 수 있도록 지원합니다. 이 업데이트는 연구실, 엣지 컴퓨팅 환경 또는 엔지니어링 환경에서 이미 DGX Spark를 사용하고 있는 팀을 대상으로 하며, 새로운 하드웨어는 추가되지 않습니다.
기업 환경에서의 오픈소스 AI
NVIDIA는 오픈소스 AI의 급속한 성장을 강조했습니다. 오픈소스 AI 프레임워크 및 모델의 월간 다운로드 수는 2023년 6월 약 700만 건에서 2025년 12월 약 3억 9천만 건으로 증가할 것으로 예상됩니다. Spark는 이러한 추세를 지원하기 위해 PyTorch, vLLM, SGLang, llama.cpp, LlamaIndex 및 Qwen, Meta, Stability, Wan 등의 커뮤니티 모델이 시스템에 완벽하게 통합되도록 조정되었습니다.
오픈 소스 도구를 표준으로 사용하는 기업의 경우, 이는 맞춤형 통합 작업이 줄어들고 이미 사용 중인 스택의 운영이 더욱 안정적으로 이루어진다는 것을 의미합니다.
출시 이후 최대 2.5배 더 빨라졌습니다
NVIDIA는 주요 워크로드 성능이 출시 당시 DGX Spark 대비 최대 2.5배 향상되었다고 주장합니다. 이러한 성능 향상은 하드웨어 변경이 아닌 TensorRT-LLM 개선, 적극적인 양자화 및 디코딩 최적화 덕분입니다.
구체적인 예로 TensorRT-LLM을 사용하는 Qwen-235B 예제를 들 수 있습니다. FP8에서 NVFP4 양자화로 전환하고 Eagle3를 사용한 투기적 디코딩을 적용하면 처리량이 두 배 이상 증가합니다. CUDA 환경에서 실행되는 Qwen3-30B와 llama.cpp를 사용한 Stable Diffusion 3.5 Large 예제에서는 약 1.4배의 성능 향상을 보입니다. 전체 최적화 또는 파라미터 효율 최적화와 같은 미세 조정 프로세스는 PyTorch 파이프라인을 Spark의 GPU에 최적화함에 따라 눈에 띄지만 더 작은 성능 향상을 보여줍니다.
플레이북: "책상 위의 상자"에서 활용 가능한 워크플로로
NVIDIA는 강력한 컴퓨팅 성능과 실용적인 솔루션 간의 격차를 해소하기 위해 일반적인 엔터프라이즈 작업을 위한 도구, 모델 및 가이드를 결합한 새로운 DGX Spark 플레이북을 출시합니다.
새로운 콘텐츠는 다음과 같습니다.
- 추론: vLLM, SGLang, TensorRT-LLM, 추측적 디코딩, 다중 모달 추론, Spark 기반 NIM, NVFP4 양자화 및 로컬 Nemotron-3 Nano.
- 미세 조정: 멀티 Spark PyTorch 미세 조정, FLUX.1 DreamBooth LoRA, LLAMA Factory, NeMo 및 Unsloth 기반 효율적인 학습.
- 데이터 과학: CUDA-X 데이터 과학, 최적화된 JAX, 텍스트를 지식 그래프로 변환하는 기술, 그리고 단일 세포 RNA 시퀀싱 및 정량적 포트폴리오 최적화와 같은 도메인별 워크플로우를 활용합니다.
- 툴링 및 연결성: ComfyUI, VS Code, DGX Dashboard, AI Workbench의 RAG, Tailscale, NCCL 기반의 "Connect Two Sparks".
핵심은 화려한 데모보다는 반복 가능성에 있습니다. 이러한 플레이북은 전체 스택을 재구성하지 않고도 온프레미스에 배포할 수 있는 사전 검증된 참조 프레임워크 역할을 합니다.
하이브리드 MacBook과 Spark를 사용하여 AI 비디오 파이프라인 속도를 8배 향상시키세요
콘텐츠 제작 분야에서 NVIDIA는 MacBook Pro M4 Max와 DGX Spark를 ComfyUI 및 FLUX.1-dev, WAN 2.2, GPU 가속 업스케일러를 통해 조합하여 AI 비디오 생성 워크플로우를 테스트했습니다.
미래 도시를 배경으로 빨간색 스포츠카가 등장하는 4K 비디오를 사용한 레퍼런스 파이프라인을 통해 개선 사항을 확인할 수 있었습니다. 전체 워크플로우를 MacBook에서만 실행하는 데 약 8분이 소요되었지만, 고성능 처리를 DGX Spark로 전환하자 약 1분으로 단축되어 8배의 속도 향상을 달성했습니다.
이러한 발전은 Spark에서 양자화된 NVFP4/NVFP8로 FLUX.1-dev 및 WAN 2.2를 실행한 후 RTX 비디오 초고해상도를 적용함으로써 가능해졌습니다. 미디어, 디자인 및 마케팅 팀에게 있어 이는 생성형 비디오 제작 방식을 배치 렌더링에서 데이터 센터 또는 엣지 랙 내에서 제어를 유지하면서 훨씬 더 인터랙티브한 반복 작업에 가까운 프로세스로 전환시켜 줍니다.
3D 및 RTX 리믹스: 백그라운드 AI 보조 프로세서로서의 Spark
DGX Spark는 RTX Remix 기반 3D 워크플로우를 위한 코프로세서로도 홍보되고 있습니다. 예를 들어, RTX 5090 시스템은 인터랙티브 환경인 "Mod"를 실행합니다. 이때 Spark는 AI 텍스처를 일괄 처리(예: 100개의 재질)하여 아티스트의 작업을 중단하지 않고 결과를 장면에 다시 전송합니다.
SWAT 4를 사용한 전후 비교를 통해 AI 기반 자료가 기존 자산을 어떻게 되살릴 수 있는지 보여주었습니다. 하지만 핵심적인 비즈니스 이점은 워크플로 설계에 있습니다. Spark는 생성 작업을 위한 지속적인 백그라운드 엔진 역할을 하는 반면, 주요 워크스테이션은 계속 활성화된 상태를 유지합니다.
Nsight Copilot: 로컬 CUDA AI 어시스턴트
주목할 만한 추가 기능 중 하나는 DGX Spark에서 로컬로 작동하는 Nsight Copilot입니다.
개발자는 "CUDA에서 FP4로 행렬 곱셈을 작성해"와 같은 작업을 요청할 수 있으며, Nsight Copilot은 FP32 입력을 디바이스 내에서 FP4로 양자화하고, 텐서별 스케일링을 설정하고, FP32로 GEMM을 실행하고, FP32 출력을 반환하는 완전한 cuBLAS-Lt 예제를 제공합니다. 중요한 것은 이 과정이 클라우드 서비스로 코드나 데이터를 전송하지 않고 이루어진다는 점입니다.
- 클라우드 추론 비용이 발생하지 않습니다.
- 소스, 데이터 및 IP 주소는 온프레미스에 유지됩니다.
- 로컬 GPU는 지연 시간과 처리량을 관리합니다.
엄격한 데이터 관리 규칙을 가진 조직의 경우, 이 기능을 통해 네트워크 내의 모든 데이터를 안전하게 유지하면서 AI 기반 개발을 진행할 수 있습니다.
에이전트, 로봇 공학 및 엣지 컴퓨팅: 연구실에서 생산까지
NVIDIA는 Hugging Face 및 오픈소스 Reachy Mini 로봇과의 파트너십을 통해 Spark를 에이전트 및 로봇 공학 애플리케이션으로 확장하고 있습니다. DGX Spark는 에이전트, LLM, VLM 및 플래너를 작동시키고, Reachy Mini는 인간-로봇 상호작용 연구, 교육 및 프로토타이핑에 적합한 물리적 형태를 제공합니다.
DGX Spark는 1월 말까지 NVIDIA AI Enterprise에 포함될 예정입니다. 이를 통해 기업은 스마트 제조 및 검사, 지능형 소매 및 손실 방지, 현장 의료 애플리케이션과 같은 엣지 및 온프레미스 환경에서 Spark를 실행하기 위한 지원되는 소프트웨어 스택, 수명 주기 관리 및 보안 업데이트를 이용할 수 있습니다.
생태계 및 OEM 지원
NVIDIA는 이번 업데이트를 마무리하면서 광범위한 생태계를 강조했습니다. 여기에는 모델 제공업체(OpenAI, Mistral, Stability, Qwen, Meta, ElevenLabs, Black Forest Labs 등), 도구(vLLM, Comfy, LlamaIndex, Docker, Jupyter, Weights & Biases, Anyscale, VASP 및 GROMACS와 같은 과학 코드), 그리고 Dell, Lenovo, HP, ASUS, MSI, Supermicro 등을 포함한 다양한 OEM 업체가 포함됩니다.
기업 구매자들에게 전하는 메시지는 DGX Spark가 더 이상 개발자 중심의 도구가 아니라는 것입니다. DGX Spark는 기존 도구, 공급업체와의 관계, 그리고 AI 운영 전략에 원활하게 통합되는 소형 폼팩터 노드입니다.
아마존