NVIDIA DGX Spark 小金盒：三万块的 AI 炼丹炉，到底值不值
目录
- 小金盒到底是什么？
- 到底谁该买？——一张图理清
- ComfyUI 生图：三台设备正面 PK
- AI 视频生成：显存黑洞的唯一解药
- 做 AI 短剧：三台设备终极对比
- John Carmack 炮轰：小金盒连一半性能都没达到？
- 结论：买还是不买
一、小金盒到底是什么？
NVIDIA DGX Spark（原项目名 Project DIGITS）是黄仁勋在 CES 2025 上掏出来的一个金色小方盒。巴掌大，1.2 公斤，国行售价 29,999 ~ 32,999 元。
核心配置
| 组件 | 规格 |
|---|---|
| 芯片 | GB10 Grace Blackwell 超级芯片（20 核 ARM CPU + Blackwell GPU） |
| 统一内存 | 128 GB LPDDR5X（CPU / GPU 共享） |
| 存储 | 4 TB NVMe 固态 |
| AI 算力（FP4 稀疏） | 1 PFLOPS（宣传值） |
| AI 算力（BF16 稠密） | 约 125 TFLOPS（理论值） |
| 网络 | ConnectX-7 智能网卡，QSFP 光口可双机互联 |
| 系统 | DGX OS（Ubuntu 定制版），预装 PyTorch / CUDA / Docker / Jupyter |
| 功耗 | 标称 240W，实测高负载约 100~200W（见后文争议） |
简单说，这是一台跑 Linux 的 AI 开发机，不是消费品。它没有 Windows，不兼容 x86 游戏，自己拆机换硬盘直接失去质保。
它唯一的武器就是那 128GB 统一内存——消费级显卡最高 32GB 显存，H100 也就 80GB。这意味着你可以在本地跑 2000 亿参数的大模型，或者在不 OOM 的前提下完成任何消费级显卡做不了的 AI 视频生成任务。
二、到底该不该买？一张图理清
✅ 值得买的三类人
- 做 AI 开发/研究的： 需要本地跑大模型（70B+）、做微调、搭 Agent 流水线。云 GPU 一小时 200 元，天天跑一年回本。
- 需要私有化部署 AI 的团队： RAG 知识库、语音助手等，全链路本地闭环，数据不出门。
- 用 ComfyUI 做视频生成 / LoRA 训练的创作者： 这是本文的重点。
❌ 千万别买的人（99% 都在这里）
- 打游戏的： ARM 架构跑不了 3A 大作。
- 做 3D 渲染 / C4D 的： 同价位双路 5090D + 至强工作站强好几倍。
- 刚入门 AI 的小白： Linux 开发机，要折腾命令行、编译 ARM 依赖、配 Docker，上手门槛极高。
- 只跑小模型的： 玩玩 7B / 14B，随便一台 MacBook Pro 或 RTX 4060 绰绰有余。
三、ComfyUI 生图：三台设备正面 PK
市面两台常被拿来对比的一体机：Mac Studio M3 Ultra（~32,999 元 / 96GB 统一内存）和铭凡 MS-S1 MAX（~18,999 元 / AMD Strix Halo / 128GB 共享内存 / x86）。
以下数据来自 Tom’s Hardware 等机构独立实测——Flux 模型文生图，1920×1080：
| 设备 | 出图耗时 | 相对小金盒 | 价格 |
|---|---|---|---|
| DGX Spark | 1 分 35 秒 | 基准 | ~32,999 |
| 铭凡 MS-S1 MAX | 2 分 32 秒 | 慢 60% | ~18,999 |
| Mac Studio M3 Ultra | 3 分 22 秒 | 慢 112% | ~32,999 |
小金盒断层领先。且如果模型支持 NVFP4 量化（FLUX、Z-Image-Turbo 均已适配），速度还能再砍半。Tom’s Hardware 实测 FLUX.2 Klein 9B 在小金盒上约 60 秒一张，比 AMD Strix Halo 快了 4 倍。
为什么 Mac Studio 生图拉胯？
M3 Ultra 的内存带宽（546 GB/s）远超小金盒（273 GB/s），跑 LLM 聊天时确实猛。但 ComfyUI 生图是 GPU 计算密集型任务，M3 Ultra 的 GPU 算力和 CUDA 生态跟 Blackwell 不在一个量级。铭凡同理——AMD ROCm 在 ComfyUI 里的优化远不如 CUDA 成熟。
四、AI 视频生成：显存黑洞的唯一解药
视频生成不是「快不快」的问题，是「能不能跑」的问题。
为什么是显存黑洞？
VAE 解码是真正杀手。生成 5 秒视频，VAE 把潜空间还原成帧序列——这一步显存占用爆炸式增长。哪怕模型只有 5B 参数，VAE 解码轻松吃掉 32GB+。RTX 4090（24GB）和 5090（32GB）在这里不是慢，是直接 OOM 报错退出。128GB 统一内存就是为这一关设计的。
DGX Spark 视频生成实测
| 模型 | 任务 | 精度 | 耗时 |
|---|---|---|---|
| LTX-2 | 1280×720 / 5 秒 / 20 步 | NVFP4 | ~2 分钟 |
| LTX-2.3 | 1280×720 / 5 秒 | FP8 | 冷启动 ~3 分钟，热 ~1 分半 |
| Wan 2.2 5B | 图生视频 / 5 秒 / 20 步 | FP16 | ~8 分钟 |
| Wan 2.2 14B | 640×640 / 5 秒 | FP8 | 911 分钟 |
每一条都跑通了，没有 OOM。 4090/5090 连跑都跑不了的东西，小金盒连一半内存都没用完。
LoRA 训练的维度
FLUX Dreambooth LoRA 训练，rank=256 吃掉 97GB 显存。RTX 5090 直接 OOM，只能降 rank 到 16，效果差一大截。小金盒跑 rank=256 绰绰有余。
本地 = 没有审核
云端 API（Runway、Pika、Kling）全都有内容审核。ComfyUI + Wan / LTX 完全本地化——数据不出门，没人审 prompt，没人拦输出。
五、做 AI 短剧：三台设备终极对比
| 维度 | DGX Spark | Mac Studio M3 Ultra | 铭凡 MS-S1 MAX |
|---|---|---|---|
| 价格 | ~32,999 | ~32,999 | ~18,999 |
| Wan 2.2 视频生成 | ✅ 能跑，~8 分钟/条 | ❌ 生态缺失 | ⚠️ 兼容性堪忧 |
| LTX-2 视频生成 | ✅ 2 分钟/条，NVFP4 | ❌ 不支持 | ❌ ROCm 直接崩溃 |
| ComfyUI 生图 | 1 分 35 秒 | 3 分 22 秒 | 2 分 32 秒 |
| LoRA 角色训练 | ✅ rank=256 | ⚠️ 框架支持弱 | ⚠️ rank 受限 |
| 视频后期剪辑 | ❌ 无剪映/PR | ✅ 最强剪辑生态 | ✅ Windows 全兼容 |
| 系统稳定性 | ⚠️ 固件持续修补中 | ✅ 稳定 | ❌ LTX 崩溃桌面 |
铭凡虽然便宜，但做视频赌不起——Tom’s Hardware 实测 LTX-2 在 Strix Halo 上直接崩溃了 ComfyUI 甚至 GNOME 桌面。
💡 正确姿势：生成和剪辑分离
AI 视频生成和视频剪辑是两种完全不同的负载，硬塞进一台机器只会两头妥协。小金盒负责生成素材，主力电脑负责剪——最合理的流水线。
六、John Carmack 炮轰：小金盒连一半性能都没达到？
发生了什么
2025 年 10 月底，John Carmack（Oculus VR 前 CTO）在 X 上公开开炮：
「DGX Spark 实际功耗最高只有 100W，不到标称 240W 的一半。实际算力也只有宣传值的大约一半。高负载下会烫到自动重启，怀疑上市前被暗中降级了。」
ServeTheHome 独立测试验证——CPU+GPU 双满载时功耗峰值不到 200W，没有任何负载能触达 240W。Reddit 和 NVIDIA 开发者论坛上大量用户反馈 GPU 崩溃、系统自动关机。
两个问题分开看
1. “1 PFLOPS” 是营销话术。 「1 PFLOPS」= FP4 + 2:4 结构化稀疏。换算到实际 AI 用的 BF16，理论峰值约 125 TFLOPS。Carmack 实测约 60 TFLOPS。差距存在，但不是「十几倍」——是单位不一样。
2. 功耗和散热是物理瓶颈。 GB10 芯片峰值功耗 224W，塞进巴掌大 1.2kg 盒子，散热余量极小。撞温度墙、自动降频是物理规律。
NVIDIA 修了吗？六版固件追踪
| 时间 | 关键更新 |
|---|---|
| 2025.11 | 新内核，基础稳定性修复 |
| 2026.01 | 电源管理优化，ConnectX-7 热插拔省 18W |
| 2026.02 | 修复多台互联时的性能退化 |
| 2026.03 | 芯片级固件更新 |
| 2026.04 | 企业级部署支持 |
| 2026.06 | OTA 更新机制，集群助手 |
CES 2026 宣称通过软件优化实现 2.5 倍性能提升、视频生成 8 倍加速。方向是明确的——固件在追。
⚠️ 两种故障要分清
- 30W 锁死：电源管理芯片出厂缺陷，永久性，只能 RMA 换机
- 100W 降频：散热不够导致的 thermal throttling，改善通风、更新固件可缓解
对你影响大吗？
本文所有实测数据——Wan 2.2 约 8 分钟、LTX-2 约 2 分钟——已经包含修复后的真实表现。缩水是真的，但缩了之后它依然能做完别人做不了的事。
七、结论
99% 的人不需要买。但如果你是那 1%，它没有替代品。
买小金盒的理由从来不是算力有多猛——老实说 125 TFLOPS 的 BF16 算力值三万块？5070 一张卡都敢叫板。但算力不是核心价值——是那 128GB 统一内存让它能做完别人根本做不了的事。
瘦死的骆驼比马大。OOM 的 RTX 4090 永远不如降频的小金盒——因为后者至少能跑，前者连跑的机会都没有。
买前最后三个问题
- 你现在有没有被显存卡过脖子？ 如果连 24GB 都没用满过，别买。
- 你愿不愿意折腾 Linux？ ARM Linux + Docker + CUDA 有学习曲线。
- 你是不是真的要靠它出东西？ 「想试试」——省下三万块。「要量产」——它值得。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
