日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

分析約8分

机の上に4台の輪ができた — NVIDIAがDGX Sparkの4ノードキットを発売、だが看板のHPC SDKプレイブックは「近日公開」で価格も帯域も非公表

SC26で発表されたDGX Spark HPC Developer Kitは、GB10搭載機4台を隣同士で直結したリング構成。4ノードで512GB・20TB、NVFP4なら700Bパラメータが載る。だが価格・消費電力・合計演算性能・ノード間帯域はどれも非公表で、4ノードのスケーリング効率を示す数値は1つも無い。最大の倍率「15倍」の出どころは計算の速さではなく、11時間の待ち行列が消えたことである。

シェア:XThreadsFacebookLINEはてブBluesky

執筆・編集責任:日本フィジカルAI新聞 編集部

NVIDIAが11月16日、シカゴで開かれているSC26に合わせてDGX Spark HPC Developer Kitを発表した。DGX Sparkを4台まとめ、 各ノードを隣の2台と直結したリング構成にしたもので、 ネットワークスイッチを買わずに済む[1]。 4ノードで合計512GBのメモリと20TBのNVMe、 NVFP4を使えば最大700Bパラメータのモデルを机の上で動かせるとされる[1]。 本紙が10月に扱ったDGX Spark複数台の構成は「手動のみ」だったから、 そこが製品になったという意味で前進である。 ただし発表文を読むかぎり、肝心のNVIDIA HPC SDKのプレイブックは「近日公開」で、 同じ記事の中で3度そう書かれている[1]。価格・ノード間帯域・合計演算性能・消費電力は1つも公表されていない。そして利用者事例で最も大きい数字——「結果が15倍早く出た」——の出どころは計算の速さではなく、11時間の待ち行列が消えたことだと、NVIDIA自身が書いている[1]。

4ノード
リング直結。各ノードは隣の2台と直結、スイッチ不要
512GB
4ノード合計メモリ。ノードあたり128GB(本紙算出)
700B
NVFP4で動かせる最大パラメータ数(4ノード合計)
15倍
UC Berkeley Rubin Labの短縮幅。出どころは11時間の待ち行列の消滅

1. 何が製品になったのか#

発表されたのはGPUでもチップでもなく、構成である。 中身はDGX Spark——フィジカルAIやローカルLLM向けに売られている GB10 Grace Blackwell Superchip搭載の机上機——を4台束ねたクラスタで、 各ノードがNVIDIA ConnectX-7で隣の2台と直結される[1]。 1ノードから4ノードまで、スイッチを買わず設定もせずに伸ばせることが売りだ[1]。

ここが本紙にとって意味を持つのは、ちょうど3週間前の状況との差である。 GTC Berlinの発表を扱ったとき、本紙はDGX Sparkは8台で1TBに届くが構成は手動のみだと書いた。 多ノードで使いたければ自分で配線と設定を引き受けるしかなかったものが、 今回、台数とトポロジを決め打ちした既製品として売り場に並んだ[1]。 展示はSC26で、販売はAcer、ASUS、Dell Technologies、GIGABYTE、H3C、HP、Lenovo、MSI、xFusionの OEM9社とNVIDIA Marketplace経由である[1]。

訴求されている利点は性能ではなく可用性だ。発表文が挙げるのは、 ジョブごとに共用GPUクラスタの順番待ちをしなくて済むこと、サーバ時間を本番実行に取っておけること、 未公表の結果や自前のデータセットを施設内に置いたままにできることである[1]。 速いから買うのではなく、いつでも空いているから買う機械という位置づけになっている。

2. 公表された数値と、公表されていない数値#

ハードウェアの発表としては、出ている数字が少ない。発表文に書かれている値と、 書かれていない項目を同じ表に並べる。埋まっていない欄は本紙が確認できなかったのではなく、NVIDIAが公表していないということである。

項目DGX Spark HPC Developer Kit(4ノード)出どころ
プロセッサGB10 Grace Blackwell Superchip公表
ノード数・トポロジ4ノード/各ノードが隣の2台と直結するリング公表
ノード間接続NVIDIA ConnectX-7(スイッチ不要)公表
ノード間帯域—非公表
合計メモリ512GB公表
ノードあたりメモリ128GB(512÷4、本紙算出)本紙算出
合計NVMe20TB公表
NVFP4での最大モデル規模700Bパラメータ(例: DeepSeek V4.1)公表
合計演算性能—非公表
消費電力—非公表
価格—非公表(OEM9社とNVIDIA Marketplaceで販売中)
NVIDIA HPC SDKのプレイブック近日公開公表

ハードウェアの新製品として読むなら、この表の空欄は軽くない。 机上機のクラスタを検討する担当者が最初に出す問いは「1台いくらで、4台で何ワット引くのか」であり、 多ノードで学習を分散させるなら「ノード間は何Gb/s出るのか」である。 今回の発表文は、そのどれにも答えていない[1]。

3. リングという形は、何を節約して何を引き受けるのか#

「スイッチを買わず、設定もしなくていい」[1]のは実務上はっきり得である。 机の横に置く4台のために、スイッチの調達・設置・設定を通す必要がない。

その代わりに引き受けるものが形から決まる。4ノードのリングでは、 各ノードが直結しているのは3台のうち2台で、残る1台——輪の向かい側——へは 中継が1回入る。スイッチで全対全が繋がる構成とは、ここが構造的に違う。 学習や並列シミュレーションで繰り返し走る全体集約(all-reduce)の効率は、 この形とリンク帯域で決まる。

そしてNVIDIAは今回、その測定値を1つも出していない。 4ノードで走ることを示した例として挙がっているのは、材料シミュレーションのLAMMPS(Kokkos併用)と 分子動力学のNAMDの2本だが、どちらも「動いた」という記述で、 所要時間もスケーリング効率も書かれていない[1]。 1ノードから4ノードへ伸ばしたときに何倍になるのかは、公表された材料からは分からない。

4. 「15倍早く」の出どころは待ち行列である#

発表文に並ぶ利用者事例のうち、倍率が付いているのは1件だけで、それが最も目を引く数字になっている。 カリフォルニア大学バークレー校IGIのRubin Labは、DGX SparkとNVIDIA Evo 2で ゲノム配列から細菌の形質を予測する研究を進めており、 ゲノムとタンパク質の言語モデルから得た埋め込みを従来の基準手法と比べている[1]。 そこで「11時間のクラスタ待ち行列が無くなったことで、結果が15倍早く出た」と書かれている[1]。

この15倍は計算が15倍速いという意味ではない。NVIDIAの書き方自体が、 短縮の原因を待ち時間の消滅に置いている[1]。 共用クラスタで11時間待ってから30分走るのと、手元で待たずに30分走るのでは、 着手から結果までの時間は大きく変わる。だが機械の速さの比較ではない。 同じ性質の記述はもう1件ある。バークレー校のHartwig Groupは Nemotron 3 Super 120B-A12BのLoRA微調整を行い、NVFP4量子化によって120B級のモデルを1台に収めたうえで、数日のクラスタ待ちを回避し、8〜24時間の学習を連続して回せるようになったとされる[1]。 ここでも売られているのは速度ではなく占有である。

事例規模公表された数値短縮の出どころ
Rubin Lab(UC Berkeley IGI)/Evo 21台結果が15倍早く出た11時間の待ち行列の消滅
Hartwig Group(UC Berkeley)/Nemotron 3 Super 120B-A12B1台8〜24時間の学習を連続実行数日のクラスタ待ちの回避+NVFP4で1台に収容
Kvantify/cuQuantum1台70量子ビット・975ゲートのテンソルネットワーク計算比較対象の提示なし
CYRAN AI(IIT Delhiスピンアウト)/PixelFlux非公表—JPEG 2000復号の高速化(倍率なし)
OpenFold/OpenFold3の微調整非公表—タンパク質・リガンド構造予測の改善(数値なし)
LAMMPS(Kokkos)/NAMD4台—4ノードで動作したという記述のみ

5件のうち4件が1台での事例で、今回の新製品である4ノード構成を使ったのは LAMMPSとNAMDのデモだけである[1]。 キットの価値を示す材料として並べられた数字の大半は、 単体のDGX Sparkでも成り立つ話だということになる。

5. 700Bという上限に付いている但し書き#

最も訴求力のある数字は「NVFP4で最大700Bパラメータ」[1]である。 700Bを4ビット相当で持てば重みは約350GB——本紙の計算——で、 512GBの中に入る。例として名前が挙がっているのはDeepSeek V4.1である[1]。

ただし、この一文に付くべき但し書きが発表文には無い。NVFP4量子化後の精度低下は示されていない。トークン生成速度も、最初の1トークンまでの時間も、 4ノードに跨がせたときの通信待ちも、数値は1つも出ていない[1]。 さらに実務上は、重み以外にVLAやLLMの推論で必要な KVキャッシュと活性化が同じメモリから取られる。 「700Bが載る」は「700Bが使える速さで動く」とは別の主張であり、 後者を支える数字は今回提示されていない。

本紙は過去のNVIDIA発表でも同じ形を見ている。Vera RubinのMLPerf初登場では 電力あたり処理量が10倍超と見出しに立つ一方、脚注のTTFT P90は前世代の2倍遅かった。Jetson Orin Nano 2では 「2倍」と「電力40%減」が別の動作点で測られていた。 容量の数字が先に出て、締切の数字が後から出る——この順序自体が、 NVIDIAのローカル機の売り方の特徴になっている。

6. プレイブックが「近日公開」であること#

このキットが既存のDGX Spark 4台と違うところは、ハードウェアではなくソフトウェアの束である。 NVIDIA HPC SDK——スーパーコンピュータで使われているのと同じGPU対応のC・C++・Fortranコンパイラ、 ライブラリ、MPIツール群——を4ノードに入れるためのインストール用プレイブックが付く、 というのが発表の骨格だ[1]。

そのプレイブックが、記事の中で3度「近日公開」と書かれている[1]。 冒頭、本文中、そして末尾である。製品は今日から買えるが[1]、 製品を既存の4台束ねと差別化する部分は、まだ出ていない。 FP32と混合精度の算法を試す手順も、LAMMPSをKokkos併用で回す手順も、 「公開されたら」使えるようになると書かれている[1]。

同時にRunning on DGX Sparkとして、Nemotron 3.5 Super VLの 公開データセットと事後学習レシピが出ている[1]。 これは実際に使える成果物だが、対象はライフサイエンスと化学である[1]。

ここから先は編集部の評価

7. フィジカルAIから見ると、この発表には何が無いか#

本紙の読者にとって重要なのは、この発表にロボティクスの語彙が1つも出てこないことである。 GR00T、Isaac Sim、Isaac Lab、sim2real、模倣学習—— DGX Sparkがこれまで机上のロボット学習機として売られてきたときの言葉が、今回は全部欠けている。 代わりに並ぶのは、材料シミュレーション、分子動力学、流体、気象、タンパク質構造、量子化学、 衛星画像の復号である[1]。 本紙が10月に扱ったGR00T 1.7の参照ワークフローの線とは、 明確に別の方向を向いている。

それでもこのキットがフィジカルAIの実務に効く筋は、1本だけはっきりしている。待ち行列を消すこと自体が、ロボット基盤モデルの開発で最も効く変数だという点だ。 VLAの事後学習は、データを少し足して回し、成功率を見て、報酬やデータ構成を直してまた回す作業の繰り返しである。 1回の学習が8〜24時間で、それを連続して回せるという事例[1]は、 まさにこの形の仕事を指している。Hartwig Groupが化学でやっていることは、 構造としてはロボットの方策微調整と同じだ。回数を増やせることは、速さより効く。

逆に、効かない方向もはっきりさせておく。ロボットに載せる推論機としては、この製品は対象外である。机上の4ノードリングは機体に積めず、消費電力も公表されていない[1]。 実時間の制御周期を論じる材料は何も出ていない。 そこは本紙がThorとSparkの違いで 整理したとおり、Jetson側の領分である。

もう一点、同日のSC26発表との関係を記録しておく。 NVIDIAは同じ日に科学・工学向けの新GPU「Rubin HPC」を発表しているが、 提供見込みは2028年である[2]。本紙も報じたとおりで、 今日の設備計画に入る対象ではない。 その2年の空白を、既存チップの机上クラスタで埋めにきたのが今回のキットだと読める。 新しい演算能力を売っているのではなく、既にあるGB10に、順番待ちしない時間を付けて売っている。

8. まとめ — 評価を保留すべき欄が多すぎる#

整理する。前進したことは、DGX Sparkの多ノード構成が手動の工作から 既製品になり、OEM9社の流通に乗ったことである[1]。 4ノードで512GB・20TB、NVFP4で700B級という上限も、机の上の数字としては大きい[1]。 施設内にデータを置いたまま回せるという点[1]は、 公表前の実験データや自前のロボット走行データを扱う現場では実利がある。

保留すべきことは、それより多い。価格・消費電力・合計演算性能・ノード間帯域が非公表で、 4ノードのスケーリング効率を示す数値が1つも無い。 看板のHPC SDKプレイブックは未公開[1]。 量子化後の精度も推論速度も示されていない。 そして最大の倍率である15倍は、機械の速さではなく待ち行列の消滅から出ている[1]。

本紙はこの製品を否定しない。研究者が自分の机で待たずに回せることの価値は実際にある。 ただし「机が研究所になる」かどうかを判断するには、 上の空欄が埋まるのを待つ必要がある。少なくともプレイブックが公開され、 4ノードでの実測が出てから書く話が、もう1本あるということだ。

出典

  1. 1.NVIDIA DGX Spark Developer Kit Turns a Desk Into a Supercomputing Lab — NVIDIA Blog、2026-11-16一次情報
  2. 2.NVIDIA Announces Rubin HPC — A New GPU to Accelerate Agents for Science, Engineering and Analytics — NVIDIA Blog、2026-11-16一次情報
シェア:XThreadsFacebookLINEはてブBluesky

週刊ニュースレター

今週のフィジカルAIを日本語で。重要ニュース5本・日本/中国・Research Picks・今週の公募。無料、いつでも解除できます。

確認メールのリンクで購読が確定します。登録によりプライバシーポリシーに同意したものとします。

同じテーマのコラム

本コラムはAIを活用して作成・編集し、編集責任は本紙編集部が負います。原典との照合と、掲載後の訂正を行っています。 誤りの指摘は歓迎します。関連する自動生成のニュースはニュースへ。

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI