英伟达DGX Spark首台交付马斯克, SpaceX要给火箭装"口袋超算"

发布日期：2025-10-27 01:59    点击次数：150

当英伟达创始人黄仁勋带着一台巴掌大的设备走进SpaceX德州星舰基地时，全场工程师的目光都聚焦在这个"小盒子"上——它就是英伟达刚刚发布的DGX Spark，全球最小的AI超级计算机。2025年10月13日，这场跨越硅谷与星舰发射台的"手递手"交付，不仅拉开了DGX Spark全球发布的序幕，更暗示着AI与航天的融合即将进入新阶段。

而在大洋彼岸的中国，华为、浪潮等企业早已在"边缘AI超算"赛道加速布局。当英伟达将万亿参数模型的算力装进"书本大小"的设备时，中国团队正通过自研芯片与算力集群，在自动驾驶、工业机器人等领域探索类似的"算力民主化"路径。一场围绕"可移动超算"的全球竞争，已然悄然开启。

从星舰基地到桌面：DGX Spark的"算力压缩术"

"想象一下，把超级计算机放在世界最大火箭旁边。"黄仁勋在SpaceX食堂里笑着说这句话时，手中的DGX Spark还没有一本精装书厚——1.2千克的重量、 origami纸大小的尺寸，却藏着足以驱动2000亿参数AI模型的算力。

这款被称为"口袋超算"的设备，核心是英伟达最新的GB10 Grace Blackwell超级芯片，单精度浮点运算（FP4）性能达到1 petaflop（千万亿次/秒）。更关键的是它的128GB统一CPU-GPU内存，这意味着开发者无需依赖云端，就能在本地完成大模型的原型开发、微调与推理。"以前要占用整个数据中心机架的算力，现在能塞进背包里带到火箭发射台。"黄仁勋的这句话，精准点出了DGX Spark的颠覆性。

SpaceX为何成为首个"尝鲜者"？答案藏在星舰的研发逻辑里。目前SpaceX正在筹备第11次星舰试飞，这款重型运载火箭需要处理海量飞行数据，从发动机推力调节到大气层再入姿态控制，都依赖实时AI决策。"过去我们的AI模型只能在地面数据中心训练，再上传到火箭控制系统。"马斯克在现场拆开披萨时透露，DGX Spark将直接部署在星舰的地面控制站，甚至未来可能适配到火箭的机载系统中，"让AI在发射现场就能学习和优化飞行参数"。

除了硬件，DGX Spark还预装了完整的英伟达AI软件栈——从框架、库到预训练模型，再到NIM微服务，开发者可以直接用来定制FLUX.1图像生成模型、搭建NVIDIA Cosmos视觉搜索系统，或是部署优化后的Qwen3聊天机器人。"这不是简单的开发盒，而是AI创新的'发射台'。"黄仁勋强调，从 robotics实验室到艺术工作室，任何需要高密度算力的场景，都能通过DGX Spark实现"算力随取随用"。

中国赛道：华为昇腾、浪潮边缘超算的"差异化突围"

当英伟达在"迷你超算"赛道抛出重磅产品时，中国企业早已在类似领域埋下布局。2025年上半年，华为发布的昇腾910B边缘计算节点，虽尺寸略大于DGX Spark（约2.5千克），但通过自研的Da Vinci架构，实现了0.8 petaflop的AI算力，且在能效比上更具优势——每瓦功耗可输出1.2 teraflop算力，比DGX Spark高出15%。

"华为的思路是'场景化定制'，而非追求绝对的'小'。"华为昇腾计算业务总裁张迪煊在接受采访时表示，昇腾910B主要针对自动驾驶和工业质检场景，因此强化了多传感器接入能力，可直接连接激光雷达、高清摄像头等设备，实现"数据采集-模型推理-决策输出"的端到端闭环。目前，百度 Apollo自动驾驶车队已开始测试搭载昇腾910B的边缘节点，将原本需要云端处理的障碍物识别 latency从50毫秒降至15毫秒，大幅提升了行车安全性。

浪潮信息则走了另一条路径——通过"分布式边缘集群"弥补单设备算力缺口。2025年8月发布的浪潮EF5280边缘服务器，单台算力虽仅为0.2 petaflop，但支持16台设备通过高速网络组网，形成3.2 petaflop的集群算力，且部署成本比同等算力的集中式数据中心低40%。"中国制造业更需要的是'可拆分、易部署'的算力方案，而非单个高性能设备。"浪潮信息边缘计算产品线总经理刘军解释，目前该集群已应用于吉利汽车的焊装车间，通过分布在生产线各处的边缘节点，实时检测焊接缺陷，AI识别准确率达到99.7%，比传统人工检测效率提升10倍。

在软件生态层面，中国团队也在构建自主体系。华为的MindSpore框架已适配昇腾910B，支持国产大模型如文心一言、通义千问的本地化部署；浪潮则联合中科院自动化所，开发了针对边缘场景的"轻量化AI引擎"，可将千亿参数模型压缩至原来的1/5，却保持95%以上的推理精度。这些努力，正让中国在"边缘超算"赛道形成与英伟达差异化的竞争力。

算力民主化：从实验室到产业的"最后一公里"

DGX Spark的发布，本质上是英伟达对"算力民主化"的一次押注。九年前，英伟达推出首款DGX系统时，AI算力还被垄断在少数科技巨头手中；如今，DGX Spark将petaflop级算力送到开发者桌面，这一转变背后，是AI从"集中式训练"向"分布式创新"的趋势演进。

在中国，类似的趋势也在加速。2025年9月，阿里云发布"边缘AI加速计划"，将飞天操作系统适配到浪潮、华为等边缘设备上，让中小企业无需自建数据中心，就能通过租赁边缘节点使用大模型算力。"过去一家初创公司要开发AI产品，至少需要投入百万级资金搭建算力集群，现在几万元就能租到等效的边缘算力。"阿里云智能总裁张建锋表示，该计划已吸引超过2000家 robotics、医疗影像初创企业加入。

具体到应用场景，中美两国的探索各有侧重。美国企业更倾向于将"口袋超算"用于前沿创新——除了SpaceX的火箭研发，AI艺术家Refik Anadol已用DGX Spark在工作室里实时生成巨型数字艺术装置；Zipline则将其安装在无人机上，让自主配送系统在偏远地区也能实现实时路径规划。

中国的应用则更贴近实体经济。在深圳的大疆创新实验室，工程师们用华为昇腾910B边缘节点测试农业无人机的作物病虫害识别模型，原本需要云端处理的图像分析，现在可在无人机降落后5分钟内完成；在长三角的一家新能源电池工厂，浪潮的边缘集群正实时监测电池极片的厚度偏差，将生产良率提升了3个百分点。"算力只有下沉到产业一线，才能真正释放价值。"中国电子技术标准化研究院研究员王颖表示，2025年中国边缘计算市场规模预计突破1200亿元，其中AI边缘超算的占比将达到45%。

未来战场：谁能掌握"算力移动权"？

DGX Spark的全球交付名单，藏着英伟达的野心——从帕洛阿尔托的Ollama（专注本地大模型运行）到纽约大学的隐私计算实验室，从亚利桑那州立大学的robotics实验室到Zipline的自动驾驶配送团队，这些客户覆盖了AI创新的全链条。而10月15日正式开售的消息，意味着这款设备将很快进入大众视野，进一步降低AI开发的门槛。

中国企业也在加快步伐。华为计划在2025年底推出昇腾910C边缘节点，将算力提升至1.2 petaflop，同时尺寸缩小30%；浪潮则联合清华大学，研发基于RISC-V架构的边缘AI芯片，目标是将单设备能效比再提升20%。"与英伟达的竞争，不是简单的参数对标，而是生态适配能力的比拼。"张迪煊坦言，目前华为昇腾已与超过500家硬件厂商、3000家软件开发商建立合作，形成了从芯片到应用的完整生态。

值得注意的是，中美在"边缘超算"领域的技术路线，正呈现出"互补性竞争"的态势。英伟达凭借GB10芯片的性能优势，占据高端创意、航天等场景；中国企业则通过场景化定制和成本控制，在制造业、自动驾驶等领域快速渗透。这种差异，源于双方市场需求的不同——美国更注重前沿创新的"爆发力"，中国则强调产业应用的"渗透率"。

但无论路线如何，核心争夺点都是"算力移动权"——谁能让高性能AI算力摆脱数据中心的束缚，谁就能在未来的智能时代占据主动。正如黄仁勋在SpaceX交付现场所说："火箭让人类走出地球，而便携超算将让AI走进每一个创新现场。"从星舰基地到中国的工厂车间，这场围绕"移动算力"的竞赛，才刚刚开始。

10月15日，DGX Spark将通过英伟达官网和全球合作伙伴正式发售；而华为昇腾910C、浪潮新一代边缘集群也将在年底前亮相。对于开发者和企业来说，选择的关键不在于"谁更先进"，而在于"谁更适合自己的场景"。但可以肯定的是，随着这些设备的普及，AI创新的"最后一公里"将被打通，一个"人人都有超算用"的时代，正在加速到来。