2026 年 10 月 2 日，英伟达宣布 DGX Spark 增加一个 64GB 统一内存的新配置，10 月 23 日起由宏碁、华硕、戴尔、技嘉、惠普、微星六家 OEM 开卖，起售价 4,999 美元。

听到"低配版"，第一反应多半是"终于出便宜的了"。但把这条消息和它的一年价格史放在一起看，结论会反过来：这是这一年里内存涨价逼出来的一次"降配保价"——64GB 版的 4,999 美元，比一年前 128GB 版的 3,999 美元上市价还贵 1,000 美元。

英伟达自己的公告里没提这件事。要看懂这个价位是怎么来的，得先看内存市场发生了什么。

一、先看结论：这不是降价，是降配保价

把两个数字并排放就很清楚了：

• 2025 年 10 月 15 日，DGX Spark Founders Edition 上市，128GB 统一内存，3,999 美元。
• 2026 年 10 月 23 日，DGX Spark 64GB 版上市，内存减半，起售价 4,999 美元。

也就是说，新款的容量是旧款的一半，价格比旧款的上市价高 25%。英伟达公告里的说法是，64GB 配置"让这个平台保持在可及的价位上"（keeps the platform at an accessible price point）。这句话在内存没涨价的年份是成立的；放在现在，它实际的含义是"保住了原来那个价位段"，而不是"变便宜了"。

同期 128GB 版本的情况更能说明问题。据多家硬件媒体报道，英伟达官方商城里 128GB DGX Spark 的标价已经到 6,950 美元；OEM 版本的实际成交价普遍在 7,000 至 9,000 美元区间，选到 4TB 存储的型号报价更高。按 6,950 美元对 3,999 美元算，一年涨了约 74%。

所以 64GB 版本不是"128GB 的替代品"，而是在 128GB 涨到买不起之后，英伟达拿来接住原来那个 4,000 多美元价位段的新 SKU。

二、64GB 版到底改了什么：只改了内存容量

这一点对判断"值不值"很关键——它不是阉割版芯片，只是把内存容量砍了一半，其余规格和 128GB 版完全一致：

• 芯片：NVIDIA GB10 Grace Blackwell 超级芯片，与 128GB 版同款
• CPU：20 核 Arm（10× Cortex-X925 + 10× Cortex-A725）
• GPU：Blackwell 架构，第五代 Tensor Core、第四代 RT Core，FP4 精度下最高 1 PFLOP AI 算力
• 内存：64GB LPDDR5X 一致性统一内存（128GB 版为 128GB），256 位接口
• 内存带宽：273 GB/s（与 128GB 版相同，没有缩水）
• 存储：最高 4TB NVMe M.2，支持自加密
• 网络：ConnectX-7 网卡 @ 200 Gbps（QSFP，用于双机直连），另有 1 个 10GbE RJ-45；Wi-Fi 7、蓝牙 5.4
• 接口：4× USB Type-C、HDMI 2.1a（支持多声道音频输出）、最多 3 路 DisplayPort over USB-C
• 功耗与体积：240W 电源，GB10 的 TDP 为 140W；150 × 150 × 50.5 mm，重 1.2 kg
• 噪声：按 ECMA-109 声明值，运行态平均声功率 35 dB，空闲 19 dB
• 系统：NVIDIA DGX OS（基于 Linux）

内存带宽维持在 273 GB/s 这点值得单独说。本地跑大模型时，解码阶段的 token 生成速度基本由内存带宽决定，所以带宽不动、只减容量，意味着"跑同样的模型不会变慢"，变的是"能装下多大的模型"。官方给出的上限是：单机支持最高 1000 亿参数（100B），而 128GB 版是 2000 亿（200B）。

三、为什么会有这个版本：内存超级周期

DGX Spark 这类设备的特殊性在于，它的内存是焊在芯片设计里的——CPU 和 GPU 共享同一块 LPDDR5X，不能像台式机那样事后插内存条升级。所以内存一涨价，整机成本就直接被抬起来，没有缓冲空间。

而过去一年多，内存市场经历的涨势相当罕见。几个可查的数字：

• DRAM 价格从 2025 年三季度到 2026 年二季度上涨约 4.5 倍；2026 年二季度 LPDDR5X 12GB 颗粒价格环比涨 89%，SSD 均价上涨约 50%。
• 美光 2026 财年第四财季（2026 年 10 月 1 日发布）营收 542.3 亿美元、同比增长 379%，核心数据中心业务毛利率达 90%。其 CEO 在电话会上表示，2027 和 2028 年存储市场供需将比 2026 年更紧缺，"看不到供需恢复平衡的尽头"，并已签署 26 项长期协议锁定约 1500 亿美元订单。
• HBM 正在挤压传统 DRAM 产能：三星方面给出的数字是 HBM 预计 2027 年占全球 DRAM 晶圆总产能近 30%（目前约 20%），而 HBM 的晶圆消耗效率约为传统 DRAM 的三倍。
• 更麻烦的是，LPDDR5X 现在被服务器产品抢——AMD 新一代 EPYC、英伟达 Vera 等 Arm 平台处理器、AI 推理加速卡都在用，消费级和桌面级的 LPDDR5X 产能因此被进一步挤占，有分析预计明年一季度可能出现 20% 级别的新一轮反弹。

涨价已经从上游传到终端：苹果在 2026 年 6 月上调 MacBook、iPad 等产品线售价，幅度约 18% 至 54%；微软同日宣布 Xbox 主机 8 月 1 日起再提价，部分型号涨 150 美元——两家给的理由都是内存和存储芯片成本攀升。

DGX Spark 走的是同一条逻辑，只是更极端：它把这轮涨价完整地、直接地落在了售价上。

四、128GB 版这一年的价格轨迹

• 2025 年 10 月 15 日：Founders Edition 上市，原价 3,999 美元。
• 2026 年 2 月 23 日：官方建议零售价上调至 4,699 美元，理由是 LPDDR5X 内存供应受限。
• 2026 年 10 月：官方商城标价约 6,950 美元；OEM 版本实际售价普遍在 7,000 至 9,000 美元，部分型号更高。

顺带一提，贵的不只是 DGX Spark 一家。同期英伟达 RTX PRO 6000 Blackwell 显卡的官方标价也从 2026 年 6 月的 13,250 美元涨到 8 月的 16,000 美元，第三方渠道报价在 13,998 至 19,999 美元之间，而这张卡 2025 年初预售时是 8,435 至 8,565 美元。这条线的成因是一样的。

五、双机集群：把 128GB 变成"分期付款"

内存砍半带来的损失，英伟达给了一条补回来的路：互联。

每台 DGX Spark 出厂就带 ConnectX-7 网卡，两台可以用一根 QSFP 线直连，把内存池化成 128GB，把模型上限重新推回 2000 亿参数，同时内存带宽翻倍。官方给出的实测是，在两台 64GB 组成的集群上跑 Qwen 3.8 27B，性能可达单机的最高 1.7 倍。

官方那张扩容表更直观：

• 1 台 64GB → 最高 100B 参数
• 1 台 128GB → 最高 200B 参数
• 2 台 64GB（池化 128GB）→ 最高 200B 参数
• 2 台 128GB（池化 256GB）→ 最高 400B 参数
• 4 台（池化 512GB）→ 最高 700B 参数

但这笔账要算清楚：一台 64GB 是 4,999 美元，两台就是约 1 万美元，而一台 128GB 版现在标价约 6,950 美元。两台低配比一台高配贵出三千美元，换来的是更强的总算力和更长的线缆。值不值，取决于你是要"装下更大的模型"还是"跑得更快"。如果只是想装下 200B 级别的模型，一台 128GB 更划算；如果本来就需要更多算力并发，集群才是合理选择。

另外要注意 1.7 倍这个数字本身：内存带宽翻倍了，但性能只到 1.7 倍而不是 2 倍，说明串行解码部分并不能线性扩展。这在分布式推理里是常态，不必意外，但把它当成"两台等于双倍性能"就会失望。

六、软件栈与两个新工具

软件层面 64GB 版和 128GB 版完全一致，开箱即用：

• 预装 DGX OS，以及 CUDA-X AI 库、NVIDIA Agent Toolkit、Nemotron 开放模型
• 支持 Ollama、vLLM、llama.cpp、LM Studio、PyTorch with CUDA 等主流运行时
• Blender 是首批支持该平台的大型创作软件之一，预编译安装包"即将推出"

英伟达同时更新了 NVIDIA Sync 应用，加了两件事：

• Cluster Assistant（集群助手）：已可用于双机集群。自动检测已连接的设备、校验配置、配置 ConnectX-7 网络，省掉过去手动组网的一堆步骤。官方强调"每个节点跑同一套软件栈，从一台扩到两台不需要重新配置环境"。
• Model Launcher（模型启动器）：计划 10 月底上线。可以在单机或集群上直接下载并启动 Qwen3.8 27B，自动配置模型跨设备运行、让用户从笔记本访问，并自动把 OpenCode 接上这个模型，直接在浏览器里开始写代码。

官方还给了几个 agentic 场景的 playbook 入口：NemoClaw（给 OpenClaw 加安全与隐私护栏的参考栈）、OpenClaw、Hermes Agent、OpenShell，都在 build.nvidia.com 上。

七、官方给的三个使用场景

英伟达在公告里列了三种典型用法，这里照录，因为它们直接对应上面那些规格取舍：

1. 让 AI 智能体 24 小时跑着：一台机器常驻一个编码或研究 Agent，随时审代码、读文档、跑多步任务。加集群是为了更大的模型、更长的上下文窗口，或者同时跑多个 Agent。
2. 给日常电脑"外挂"一个推理引擎：模型跑在 DGX Spark 上，你在笔记本或台式机上用 Agent 或创作软件。推理的活由这台机器扛，PC 腾出来干别的。
3. 活儿长大了就加一台：单个任务超出单机能力时（更大的模型、更长的上下文、并发请求），两台 64GB 通过 200 GbE 组网，内存池化到 128GB，软件环境不用改。

这三种场景有个共同点：都不要求极致的单次推理速度，而是要"一直开着、装得下、随时可用"。这也解释了为什么英伟达愿意在内存上做减法——很多本地 Agent 工作负载，瓶颈不是内存容量，而是能不能长期常驻。

八、横向对比：桌面级本地 AI 现在能选什么

DGX Spark 最初的卖点是"几乎没有直接替代品"。这一年情况变了，同价位的选择明显多了。

AMD Ryzen AI Halo——最直接的对位产品。起售价 3,999 美元，标配 Ryzen AI Max+ 395、128GB 统一内存、2TB 存储；后续的 Ryzen AI Max+ Pro 495（"Gorgon Halo"）把内存上限推到 192GB。它同时支持 Linux 和 Windows，而 DGX Spark 只有 Linux。功耗方面 TDP 最高 120W，略低于 GB10 的 140W。

两家的宣称数字方向相反，值得一起看。AMD 说在 Linux 下跑 GLM 4.7 Flash 30B，它的 token 生成速度比 DGX Spark 高最多 14%，Qwen 3.6 35B 高约 4%；在 agent 编排类工作流上快约 34%、单任务成本低 27%，理由是它的 16 核 Zen 5 / 32 线程加 AVX-512 在多线程 CPU 任务（解析、OCR、embedding、路由）上更快，而 Grace Blackwell 是 20 个 Arm 核、无 SMT、用 SVE2。

但反方向的数据差距极大：提示词处理（prefill）速度，DGX Spark 约 2,100 token/s，AMD 那边约 168 token/s。这个差距在长上下文场景下会成倍放大——塞整个代码库、长 PDF、长转写记录进去的时候，体感差异非常明显。所以两家其实是在不同维度上领先，谁更合适取决于你的工作流偏"读得多的长上下文"还是"生成得多、编排得多"。

Apple Mac Studio（M5 系列）——同价位另一个常被拿来对比的对象，同样是统一内存架构。M5 Max 起步 2,499 美元，128GB 配置约 5,099 美元，带宽 614 GB/s；M5 Ultra 起步 5,499 美元（96GB、1.2 TB/s），256GB 配置 10,799 美元，512GB 版本预计 2026 年 10 月下旬开放订购。

取舍很清晰：Mac Studio 内存带宽约为 DGX Spark 的 4 倍多（1.2 TB/s 对 273 GB/s），解码更快；DGX Spark 靠 Tensor Core 和 FP4 支持在 AI 算力上有明显优势，预填充更快，且 CUDA 生态在训练、微调、RAPIDS、NIM 这类工作上有结构性便利。两者并不完全是替代关系——有团队实测把一台 DGX Spark 和一台 Mac Studio 用分布式推理软件连起来跑，速度约为单机的 4 倍。

再往上看还有一档：英伟达 DGX Station（GB300 Grace Blackwell Ultra），748GB 一致性统一内存（252GB HBM3e + 496GB LPDDR5X）、FP4 下 20 PFLOPS，合作伙伴挂出的价格在 94,930 美元起，高配到 108,350 美元。这是给实验室和企业用的量级，和消费级不在一个讨论范围，但可以说明一件事：如果你真的需要 748GB 内存，DGX Spark 的内存分级策略根本不在你的选项里。

九、该不该买：三个判断问题

把上面的信息折成三个问题，答案基本就清楚了：

1. 你要跑的模型有多大？27B 左右的高效模型，量化后在 32GB 量级就能跑；70B 级别的量化版本，64GB 装得下。要稳跑 200B 级，就得 128GB 或双机集群。
2. 你的瓶颈是"读"还是"写"？长上下文、塞代码库和长文档、需要快速 prefill 的场景，DGX Spark 的算力优势值钱；主要是连续生成 token 的场景，内存带宽更关键，Mac Studio 在这方面更宽裕。
3. 你在意 Windows 吗？DGX Spark 目前只有 DGX OS（Linux）。需要 Windows 桌面环境的话，AMD 的 Ryzen AI Halo 是这条线上更直接的选择。

如果三条都指向"我需要一个能常驻、装得下百亿到千亿参数模型、且我熟悉 CUDA 的安静小盒子"，那 4,999 美元在当下这个内存行情里不能算离谱——毕竟同价位的替代品也在涨。但把它当成"降价入门款"就是误读。

十、几个必须知道的边界

• 64GB 版只通过 OEM 渠道卖，没有 Founders Edition。宏碁、华硕、戴尔、技嘉、惠普、微星六家的定价和配置可能各有差异，4,999 美元是起售价而非统一价。
• 公告本身没有解释 128GB 涨价的原因。内存供应紧张是多家硬件媒体的归因（并引用了美光关于 DRAM 供应紧张将持续到 2028 年的判断），英伟达官方公告未提及价格变动与成因。这一点在引用时要分清。
• Model Launcher 和 Blender 安装包在上市时都还没有。官方说的是"10 月底"和"即将推出"，首发用户拿到的机器上暂时没有这两个功能。
• 集群的性能数字来自英伟达自己的测试（Qwen 3.8 27B，1.7 倍）。第三方在真实工作负载上的表现，要等 10 月 23 日之后的独立评测。
• 内存是焊死的，没有升级路径。这是统一内存架构的代价：买 64GB 就是 64GB，将来内存降价了也没法加装，只能再买一台组集群。这是这类设备最需要在下单前想清楚的一点。

一句话总结

DGX Spark 64GB 是一台"减了内存、没减价"的机器——它反映的不是英伟达的产品策略转向，而是这一轮存储超级周期已经深到能把桌面 AI 硬件的定价结构整个改写。$4,999 买的是 100B 参数的本地常驻能力 + CUDA 生态 + 一条随时能扩到 128GB 的集群路径；至于这个价格是"可及"还是"昂贵"，取决于你把它和一年前的 3,999 美元比，还是和今天 6,950 美元的 128GB 比。

参考来源

本文为介绍与解读稿，未进行实机测试。规格、价格、上市时间与集群性能数据引自英伟达官方公告《NVIDIA DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI》及 DGX Spark 官方产品规格页；128GB 版本的历史价格轨迹、OEM 渠道实际成交价与市场反应引自 PCMag、Wccftech 等硬件媒体的公开报道；内存市场供需与价格数据引自美光 2026 财年第四财季财报及相关行业分析报道；AMD Ryzen AI Halo 与 Apple Mac Studio 的规格、价格与对比数据分别引自 AMD 官方博客、Apple 产品页面及第三方硬件评测媒体；DGX Station 价格引自合作伙伴 Exxact 的商品列表。所有价格单位均为美元，为公告发布时点的公开信息，实际配置与售价以各厂商官方页面为准。