RTX Sparkの据置機が発売された — 同じ記事が挙げる3つのローカル実行モデルは、どれもRTX Sparkを動作機種に書いていない
NVIDIAが11月18日、RTX Sparkのコンパクトデスクトップ(20コアGrace CPU・6,144 CUDAコア・最大128GBユニファイド・最大1ペタフロップス・10GbE)をASUS・Dell・MSIから発売した。だが同じ記事の末尾に並ぶローカル実行の新着3本——Runwayの270億パラメータ世界行動モデルPraxis-1、Ripple-65B Preview、TensorRT Edge-LLM——が名指しする動作機種はGeForce RTX 5090・RTX PRO 6000 Blackwell・DGX Spark・DGX Stationで、発売されたRTX Sparkはどこにも出てこない。据置機のメモリ帯域幅・消費電力・価格はいずれも非公表、「1,200億パラメータをローカルで」に精度の条件は書かれていない。Switchyardは高度な推論をクラウドに振り分ける前提で作られ、Illustratorの「30%高速」はエミュレーション実行に対する比較である。
執筆・編集責任:日本フィジカルAI新聞 編集部
NVIDIAが11月18日、RTX Sparkの据置型(コンパクトデスクトップ)がASUS・Dell・MSIから 発売されたと発表した。20コアのGrace CPU、6,144 CUDAコアのBlackwell世代RTX GPU、 最大128GBのユニファイドメモリ、最大1ペタフロップス、10ギガビットEthernetである[1]。 本紙が重く見るのは筐体ではなく、同じ記事の末尾に並んだ3つの「ローカルで動くモデル」の方だ。 RunwayのPraxis-1——映像と行動を同時に予測する270億パラメータの世界行動モデルで、 LoRAで自分のロボットとカメラとタスクに適応させられる——は、本紙の関心にこれ以上近いものがないほど近い[1]。 ところがその動作機種として挙がっているのはGeForce RTX 5090、RTX PRO 6000 Blackwell、DGX Spark、 DGX Stationの4つで、この日発売されたRTX Sparkは入っていない[1]。 同じ記事に出てくる他の2つのローカル実行モデルも、名指ししている機種はDGX Sparkである。 据置機は増えたが、ロボットの行動モデルが載ると書かれた棚はまだ隣にある。
1. 何が発売されたのか#
今回は新アーキテクチャの公開ではなく、既存の製品系列に据置型が加わったという発表である。 入手できるのはASUS・Dell・MSIの3社で、Acer・GIGABYTE・HPのミニPCと Microsoft Surface RTX Spark Dev Boxは「近日」とされた[1]。 本紙は10月のGTC Berlinで3段に揃ったローカル機の棚を 既に扱っており、ノートPC版のRTX Sparkは10月16日発売、DGX Spark 64GBは10月23日出荷、 DGX Stationは出荷中だった[3,2]。今回はその最下段に、常時稼働を前提にした箱が付いたことになる。
NVIDIAが据置型に与えた理由づけは明快で、ノートPCは持ち出されるが据置機は残る、という点にある。 エージェントと定時実行の処理を動かし続ける専用機として位置づけられている[1]。 ローカルで動かす利点として同社が挙げるのは、コードとファイルが機内に留まること、 そしてその処理分のクラウドAPIのトークン課金が発生しないことの2点である[1]。
埋められない欄は「—」にしてある。推測で埋めない。 とくにメモリ帯域幅が非公表であることは、この手の機械では容量より効く場合がある。 大容量ユニファイドメモリは「モデルが載るかどうか」を決めるが、VLAのように毎周期で映像を読んで行動を出す使い方では、 1秒あたり何回まわせるかは帯域で決まる。そこが書かれていない発表である。
2. 128GBに1,200億パラメータを載せるという主張の内訳#
NVIDIAはこの機械の能力として「1,200億パラメータの大規模言語モデルをローカルで動かせる」 「90GBを超える3Dシーンを実時間で描画できる」「4:2:2の動画を実時間で編集できる」の3点を挙げている[1]。 1つ目には精度の条件が書かれていないので、本紙で算術だけ確認しておく。
1パラメータを8ビットで持てば1,200億パラメータは約120GBになる。 128GBのうちOSと推論時のKVキャッシュの分を引けば、 8ビットでは収まらない。4ビット相当なら約60GBで、余裕をもって載る(いずれも本紙算出)。 そして同じ記事がHugging Faceでの配布形式として名指ししているチェックポイントは、 Praxis-1もRipple-65B PreviewもいずれもNVFP4である[1]。 つまりこの「1,200億」は、4ビット級の量子化を前提に読むのが整合的だ。 量子化後に行動の成功率がどう動くかは、今回も10月の発表と同様、 数値が1つも出ていない。
3. 同じ記事が挙げた3つのローカル実行モデルと、その動作機種#
記事末尾の「ICYMI」節に、ローカル実行の新着が4本まとめられている。 うちモデルは3本で、動作機種の書き方はそれぞれ具体的である[1]。
| モデル・道具 | 中身 | 発表文が名指しした動作機種 | RTX Sparkの記載 |
|---|---|---|---|
| Runway Praxis-1 | 270億パラメータの世界行動モデル。映像と行動を同時に予測。LoRAで自分のロボット・カメラ・タスクに適応。NVFP4チェックポイント[1] | GeForce RTX 5090 / RTX PRO 6000 Blackwell / DGX Spark / DGX Station[1] | 無し |
| Ripple-65B Preview | Ricursive Intelligenceの初のオープンモデル。B300で学習、Nemotronの後学習データセットで調整、NVFP4チェックポイント[1] | DGX Spark[1] | 無し |
| TensorRT Edge-LLM | 数コマンドでローカル推論を立てる道具。手順はNemotron-3.5 Lightningを題材に、OpenAI互換のローカルAPIまで[1] | DGX Spark[1] | 無し |
3本とも、名指しされた機種はDGX Spark系かデータセンター/ワークステーション向けGPUである。 この日発売された据置機の名前は、どの行にも出てこない[1]。
4. Switchyardが前提にしていること#
NVIDIAはHermesにSwitchyardという仕組みを入れた。 エージェントの処理をローカルとクラウドのモデルに自動で振り分けるもので、 同社の説明では「日常的な処理は機内で動かし、高度な推論はクラウドのモデルに頼る」ことで クラウド費用を抑える、とある[1]。
これは発表者自身が書いた、ローカル機の限界の輪郭である。 ローカルで完結するという売り方と、難しい部分はクラウドに出すという設計が同じ記事に同居している。 ロボットの運用で問題になるのはここで、 実機の制御周期に間に合わせる必要がある部分を クラウドに出す選択肢は、そもそも無いことが多い。 振り分けが効くのは計画や対話の層であって、行動を出す層ではない。 本紙がエッジ側の計算機を 別の尺度で見ているのは、この違いのためである。
5. 土台はWindows on Armである — 「30%」は何に対する30%か#
RTX SparkはGrace CPUを積むので、WindowsはArm版である。 今回の発表の分量の多くは、その上でアプリケーションを動かすための移植作業の報告に充てられている[1]。 Adobe Illustratorは「エミュレーション版より最大30%高速」とされ、 Substance 3D Painter 12.2はArmネイティブ対応が公開ベータ、 Premiereは日常的なH.264納品で50%超の短縮、PhotoshopはRemove ToolのTensorRT-RTX対応と Arm版Camera Raw対応が入った[1]。
Illustratorの「30%」は、x86機に対する比較ではなく同じ機械のエミュレーション実行に対する比較である。 つまりこの数字が示しているのは上積みではなく、Armという土台で払っていた分を取り戻した量だ。 発表文の言葉のまま読めば、それが取り戻せているのは移植済みのアプリケーションに限られる。
ロボット側の道具立てについて、今回の発表はCUDAのネイティブ対応と Windows Subsystem for Linux経由のLinux開発ツールに言及するだけで、Isaac Sim・Isaac Lab・GR00Tといったロボティクスのソフトウェアは1つも名前が出てこない[1]。 10月のGTC Berlinの発表がGR00T 1.7のRL後学習や巧緻操作の参照ワークフローを前面に出していたのと比べると、 今回の記事の重心は明確に創作・開発用途の側にある[3]。
6. フィジカルAIから見て何が変わったか#
変わったのは2点である。フィジカルAIの実務から見て、第1に、行動を出すモデルが量子化済みのチェックポイントとして机の上に降りてきた。 Praxis-1は映像と行動を同時に予測し、LoRAで手元のロボットとカメラとタスクに合わせられると書かれている[1]。 本紙は10月、ローカル機向けの量子化版が「近日」とされ実行はまだ先だと書いた。 その一角は今回埋まった。第2に、その受け皿として名前が挙がったのはDGX SparkとDGX Stationであって、 同日発売の据置機ではない。机の上の棚は、用途ごとに分かれ始めている。
高位側の動きも同じ向きを指している。DGX Station for Windows——GB300 Grace Blackwell Ultra Desktop Superchipを積む機械——がWindows Server 2028に対応すると発表された[1]。 Windowsで重い推論を回す話の主役は、RTX Sparkではなくこちらである。 複数台をまとめる話も、本紙が先週扱った4ノードのDGX Spark開発キット(NVFP4で最大700Bパラメータ)の側で 製品になっている[4]。
7. 検証可能な観測点#
以下はいずれも公表済みの記述に対する確認であって、予測ではない。
(1) Praxis-1の動作機種一覧にRTX Sparkが追記されるか[1]。 (2) 据置型のメモリ帯域幅・消費電力・価格が公表されるか(今回はいずれも無い)[1]。 (3) 「近日」とされたAcer・GIGABYTE・HPのミニPCと、Microsoft Surface RTX Spark Dev Boxが出るか[1]。 (4) 公開ベータとされたSubstance 3D Painter 12.2のArmネイティブ対応が正式版になるか[1]。 (5) 量子化後の行動成功率が、Praxis-1のようなモデルについて数値で出るか。 これは10月の発表から本紙が追っている空欄で、今回も埋まっていない[3,1]。
出典
- 1.NVIDIA RTX Spark Compact Desktops Out Now — NVIDIA Blog、2026-11-18一次情報
- 2.Thin, Light and Built for Everything: NVIDIA RTX Spark Windows Laptops Gain New Models, Agent Tools and Games — NVIDIA Blog、2026-10-28一次情報
- 3.Bringing the Spark to Europe: Local Intelligence Powers Next Wave of Agents — NVIDIA Blog、2026-10-21一次情報
- 4.NVIDIA DGX Spark Developer Kit Turns a Desk Into a Supercomputing Lab — NVIDIA Blog、2026-11-16一次情報
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。
同じテーマのコラム
- 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。
- ロボットの後工程が机の上に降りた — DGX Stationは748GB・20ペタフロップス、だが公開された3本のワークフローに所要時間が1つも書かれていない
NVIDIAがGTC Berlinでローカル機の棚を3段に揃えた。RTX Spark(最大128GB・最大1PFLOPS FP4・2,599ドルから)、DGX Spark 64GB(GB10、10月23日出荷、8台で1TBだが構成は手動のみ)、DGX Station(748GB・最大20PFLOPS)。同時にGR00T 1.7のRL後学習・巧緻操作・Cosmos後学習の参照ワークフローが公開されたが、所要時間もサンプル効率も量子化後の成功率も非公表である。フアンがノートPCで見せたのは399ドルのアヒル型機の歩行学習だった。同じ日のA5X発表は見出しがGAで本文は「来月」である。
- Jetson AGX ThorとDGX Sparkは何が違う?128GBでもロボット・LLMで選択が変わる理由
ThorとSparkの仕様、国内税込価格、CAN・センサー入力、MIG、リアルタイムカーネル、電力値を一次資料で照合。OpenShellへの導入案とLLM・VLAの測り方を、用途ごとに整理する。
- Vera RubinがMLPerfに初登場し、電力あたり10倍を出した — 同じ脚注に、最初の1トークンまでが2.03倍遅いと書いてある
NVIDIAが11月16日、SC26に合わせてVera RubinのMLPerf初結果を公表した。Training v6.1は全ベンチマーク制覇、GPUあたり最大2倍。新設のMLPerf Endpointsではエージェント推論の電力あたり処理量がGB300 NVL72の10倍超(本紙算出で11.1倍)。だが同じ脚注に、Vera Rubin側のTTFT P90は4,673.9ミリ秒、GB300は2,305.1ミリ秒とある。同時実行数は1,024対48で21.3倍違い、Vera Rubin側はMLCommonsの検証が済んでいない暫定値で、GB300側だけが検証済みである。今回最大規模の10,240GPU実行もVera RubinではなくGB300だった。同日発表のRubin HPCは単一GPUで5万超のCUDAコアを名乗るが、公表された定量スペックはそれ1点で提供は2028年。LambdaのPhotonics事例は遅延4〜10%減でスループットは据え置き、買っているのは電力効率5倍と信頼性15倍である。ロボット基盤モデルの学習に効くものと、推論の締切に効かないものを一次情報だけで仕分ける。
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。
