Le kit NVIDIA DGX Spark transforme un bureau en laboratoire de calcul haute performance
NVIDIA a présenté cette semaine à SC26, la conférence annuelle de supercalcul qui se tient à Chicago, le DGX Spark HPC Developer Kit, destiné aux chercheurs, aux universitaires et aux développeurs. Il s'agit d'un cluster de quatre systèmes DGX Spark, chacun relié directement à ses deux voisins en anneau grâce à la connectique ConnectX-7, sans aucun commutateur réseau à acheter ni à configurer. À quatre nœuds, l'ensemble offre 512 Go de mémoire combinée et 20 To de stockage NVMe, et s'appuie sur la puce GB10 Grace Blackwell. Grâce au format NVFP4, des modèles pouvant atteindre 700 milliards de paramètres, comme DeepSeek V4.1, peuvent être déployés localement. Un guide d'installation du HPC SDK de NVIDIA, qui apporte compilateurs C, C++ et Fortran accélérés par GPU, bibliothèques et outils MPI, doit suivre prochainement. Le kit est exposé à SC26 et déjà en vente chez des partenaires comme Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI et xFusion, ainsi que sur le NVIDIA Marketplace.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de NVIDIA AI Blog. Lire l'article original →
L'enjeu principal est de libérer les chercheurs des files d'attente des clusters partagés. Les équipes peuvent développer et déboguer sur leur propre machine, réserver les heures de serveur aux calculs de production et conserver sur site leurs résultats non publiés et leurs jeux de données propriétaires. Des charges de travail comme LAMMPS avec Kokkos (simulation de matériaux) et NAMD (dynamique moléculaire) ont été démontrées sur quatre systèmes, tandis que la communauté a validé GROMACS, OpenFOAM, WRF pour la météo, ainsi que des microservices NIM comme OpenFold3 et Boltz-2. Les premiers retours sont concrets : le Rubin Lab de l'IGI à UC Berkeley a obtenu ses résultats 15 fois plus vite en évitant 11 heures de file d'attente, pour prédire des traits bactériens à partir de génomes avec le modèle Evo 2. Le Hartwig Group, également à Berkeley, a affiné par LoRA le modèle Nemotron 3 Super 120B-A12B sur un seul appareil en NVFP4, enchaînant des entraînements de 8 à 24 heures sans attendre plusieurs jours. Kvantify a simulé avec cuQuantum des circuits de chimie quantique de 70 qubits et 975 portes, et CYRAN AI, issue de l'IIT Delhi, accélère le décodage JPEG 2000 d'images satellites.
Cette annonce s'inscrit dans la stratégie de NVIDIA de diffuser son architecture et ses outils logiciels du supercalculateur jusqu'au bureau, afin que le code développé localement puisse ensuite passer à plus grande échelle sur les mêmes outils que ceux des supercalculateurs équipés de ses puces. Elle répond à un goulot d'étranglement bien connu de la recherche, où la demande en calcul dépasse largement les allocations disponibles, tout en intégrant la montée des agents d'IA, capables de préparer des simulations, de lancer des calculs et d'en résumer les résultats sous la supervision des scientifiques. NVIDIA complète l'offre avec de nouveaux jeux de données ouverts et des recettes de post-entraînement pour Nemotron 3.5 Super VL, destinés à l'adapter aux sciences de la vie et à la chimie sur une infrastructure contrôlée par les organisations. La suite dépendra de la publication du guide HPC SDK et de l'adoption du kit par les laboratoires, face à des constructeurs partenaires qui commercialisent déjà la plateforme.
Les laboratoires de recherche européens peuvent acquérir ce kit auprès de constructeurs partenaires pour développer localement et garder leurs données sur site.