NVIDIA DGX Spark stracił połowę RAM-u i SSD. W zamian dostajesz wyższą cenę

Od 23 października Nvidia i jej partnerzy, w tym Acer, Asus, Dell, Gigabyte, HP i MSI, planują wprowadzić na rynek nową wersję swoich minikomputerów DGX Spark. Model ten nadal wykorzystuje układ GB10 z architekturą GPU Blackwell i jest przeznaczony do lokalnych modeli AI. Problem w tym, że w porównaniu z modelem wprowadzonym około rok temu, pamięć RAM i dysk SSD są o połowę mniejsze, a cena jest wyższa.

Po raz pierwszy karty DGX Spark pojawiły się na rynku w zeszłym roku ze 128 GB pamięci RAM w wersji podstawowej i kosztowały około 4000 dolarów. Nowy model podstawowy kosztuje 5000 dolarów, ale ma tylko 64 GB pamięci LPDDR5X. Wersja ze 128 GB kosztuje teraz 6000 dolarów, czyli o 50 procent więcej niż rok temu. Nvidia nie podaje tym razem jako przyczyny wciąż bardzo ograniczonego rynku układów pamięci, ale jest to oczywiste.

Nvidia już wcześniej podnosiła ceny

W marcu 2026 roku Nvidia musiała podnieść cenę karty DGX Spark, powołując się wówczas wprost na „ograniczenia w dostępności pamięci”. Od tego czasu sytuacja znacznie się pogorszyła, zwłaszcza w przypadku układów DDR powszechnie stosowanych w komputerach PC, smartfonach i innych urządzeniach. Dotyczy to również zunifikowanej pamięci DGX Spark, współdzielonej przez procesor i kartę graficzną. Poszczególni producenci prawdopodobnie ustalą swoje ceny inaczej, ale obecna cena wywoławcza wynosząca 5000 dolarów może być traktowana jako punkt wyjścia.

Chociaż na początku 2026 roku Nvidia ogłosiła, że ​​zabezpieczyła długoterminowe dostawy pamięci do swoich najszybszych akceleratorów AI, wykorzystujących pamięć HBM, ale nie rozwiązało to problemu wszystkich typów pamięci stosowanych w produktach firmy. Nawet najszybsza karta RTX, RTX Pro 6000 Blackwell z 96 GB pamięci, stale drożeje i obecnie nie jest dostępna za mniej niż oszałamiające 17 000 euro.

64 GB może szybko okazać się ograniczeniem

DGX Spark to niewielki komputer, który został stworzony z myślą o  uruchamianiu zaawansowanych modeli AI bez budowania potężnej stacji roboczej. Rosnące ceny pamięci komplikują jednak ten pomysł.

Najbardziej odczują to użytkownicy, którzy potrzebują dużej ilości pamięci do eksperymentowania z modelami lokalnymi. W takim zastosowaniu 128 GB może mieć znacznie większą wartość niż dużo wyższa moc obliczeniowa, bo w tym przypadku to właśnie brak pamięci może całkowicie uniemożliwić uruchomienie wybranego modelu.