AktualnościAkcjeSystemy RTX Spark oparte na chipie N1X trafią do sprzedaży w październiku w dwóch konfiguracjach

Systemy RTX Spark oparte na chipie N1X trafią do sprzedaży w październiku w dwóch konfiguracjach

Autor: Cryptopolitan·

Najważniejsze informacje

  • Nvidia rozpocznie w październiku sprzedaż systemów RTX Spark opartych na chipie N1X, skierowanych do laptopów z Windows i małych komputerów stacjonarnych.
  • N1X pojawi się w dwóch wersjach — mocniejszy model oferuje 20-rdzeniowe CPU, 6144 rdzenie CUDA i do 128 GB pamięci zunifikowanej.
  • Acer i Lenovo zapowiedzieli nowe systemy Spark na targach IFA, co wskazuje, że ugruntowane łańcuchy dostaw AI PC rozszerzają się na chip Nvidii.
  • Premiera stawia Nvidię w konkurencji z procesorami Snapdragon X Qualcomma, Ryzen AI AMD i Core Ultra Intela w segmencie AI PC.
  • W przeciwieństwie do skierowanego do programistów DGX Spark z systemem DGX OS, RTX Spark jest przeznaczony dla użytkowników Windows i codziennej pracy przyspieszanej przez AI.
Systemy RTX Spark oparte na chipie N1X trafią do sprzedaży w październiku w dwóch konfiguracjach

Nvidia rozpocznie w październiku sprzedaż systemów RTX Spark opartych na chipie N1X, przynosząc kompaktowy komputer AI PC użytkownikom Windows oraz producentom sprzętu tworzącym urządzenia dla nich.

Premiera rozszerza ekspansję Nvidii w segmencie desktopowej sztucznej inteligencji na laptopy konsumenckie — Acer i Lenovo przygotowują już maszyny oparte na nowym chipie. Jednocześnie umacnia to pozycję Nvidii w segmencie laptopów z Windows na ARM, gdzie chipy Snapdragon X Qualcomma są najbardziej widoczną opcją od debiutu w 2024 roku, a AMD i Intel nadal sprzedają procesory AI PC oparte na architekturze x86 pod markami Ryzen AI i Core Ultra.

Do 6144 rdzeni CUDA połączonych z 20 rdzeniami CPU

N1X trafi na rynek w dwóch wersjach. Konfiguracja wyższej klasy łączy 20-rdzeniowe CPU z 6144 rdzeniami CUDA i od 24 GB do 128 GB pamięci zunifikowanej, natomiast tańsza wersja oferuje 18-rdzeniowe CPU, 5120 rdzeni CUDA oraz od 24 GB do 32 GB pamięci zunifikowanej.

Pamięć zunifikowana oznacza, że jeden wspólny zasób jest dzielony przez CPU i GPU, co ma znaczenie, gdy komputer musi lokalnie wczytać duże modele AI.

Strona produktowa Nvidii opisuje tę ofertę jako „połączenie NVIDIA AI i grafiki RTX w smukłych laptopach i małych komputerach stacjonarnych”, skierowane do „twórców, programistów i graczy”. Firma celuje w notebooki i małe komputery stacjonarne.

Acer i Lenovo zapowiedzieli nowe systemy Spark podczas berlińskich targów elektroniki IFA, co sygnalizuje, że partnerski sprzęt z tym chipem jest w drodze. Obaj producenci już dostarczają komputery z Windows oparte na platformie Snapdragon X Qualcomma, a ich wczesne wsparcie dla N1X sugeruje, że ugruntowane łańcuchy dostaw AI PC rozszerzają się na chip Nvidii.

Chip GB10 Grace Blackwell jest przeznaczony dla programistów

W zeszłym roku Nvidia wprowadziła DGX Spark, który — jak firma twierdziła — jest najmniejszym na świecie superkomputerem AI.

Ta maszyna napędzana jest przez Superchip GB10 Grace Blackwell, zapewnia do 1 petaflopа wydajności AI i 128 GB zunifikowanej pamięci CPU-GPU oraz uruchamia oparty na Linuksie system DGX OS Nvidii. DGX Spark został zaprojektowany z myślą o programistach.

Według Nvidii użytkownicy mogą uruchamiać na tym systemie inferencję na modelach o liczbie parametrów do 200 miliardów i lokalnie dostrajać modele do 70 miliardów parametrów. Dwa połączone ze sobą urządzenia mogą obsłużyć modele o rozmiarze do 405 miliardów parametrów — podała firma.

RTX Spark jest natomiast stworzony dla użytkowników Windows i codziennej pracy przyspieszanej przez AI. Fakt, że oba produkty obsługują do 128 GB pamięci, pokazuje, że pochodzą z tej samej rodziny projektowej, choć służą różnym klientom. Po październiku warto obserwować, których kolejnych producentów komputerów PC przyjmie N1X, jak wycenione będą te systemy w porównaniu z Snapdragon X i laptopami AI opartymi na x86 oraz czy stos oprogramowania CUDA Nvidii stanie się czynnikiem decydującym dla kupujących uruchamiających lokalne modele AI.