Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

NVIDIA stellt ein Supercomputer-Labor mit vier Knoten auf Forscherschreibtischen bereit

17. November 2026, 00:00Von der KI Nachrichten RedaktionQuelle: NVIDIA
NVIDIA stellt ein Supercomputer-Labor mit vier Knoten auf Forscherschreibtischen bereit
Bild: NVIDIA

NVIDIA stellt das DGX Spark HPC Developer Kit vor, einen Vierknoten-Cluster, mit dem Forschende, Wissenschaftler und Entwickler wissenschaftliche Multi-Node-Workloads, KI-Modelle und Agenten direkt an ihrem Schreibtisch ausführen können. Das Unternehmen präsentiert das Kit auf der SC26, der jährlichen Supercomputing-Konferenz, die diese Woche in Chicago stattfindet.

Das Wichtigste in Kürze
  • Das DGX Spark HPC Developer Kit ist ein Vierknoten-Cluster.
  • Vier Knoten bieten insgesamt 512GB Arbeitsspeicher und 20TB NVMe-Speicher.
  • Die Systeme sind direkt über NVIDIA ConnectX-7 vernetzt.
  • Laut NVIDIA können Modelle mit bis zu 700B Parametern mithilfe von NVFP4 lokal ausgeführt werden.
  • Das Kit wird auf der SC26 ausgestellt und ist käuflich erhältlich.

Vierknoten-Cluster ohne Netzwerk-Switch

Das Kit kombiniert vier NVIDIA DGX Spark-Systeme, die jeweils über NVIDIA ConnectX-7 direkt ringförmig mit ihren beiden Nachbarn verbunden sind. Laut NVIDIA müssen Nutzer keinen Netzwerk-Switch kaufen oder konfigurieren. Die Einrichtung lässt sich von einem System, also einem Knoten, auf vier skalieren.

Mit vier Knoten bietet der Cluster insgesamt 512GB Arbeitsspeicher und 20TB NVMe-Speicher. Im Zentrum steht der GB10 Grace Blackwell Superchip. Das System soll Forschenden lokale Kapazitäten bieten, um Modelle und wissenschaftliche Workloads auf mehrere Systeme zu verteilen.

Mithilfe von NVFP4 können Forschende laut NVIDIA Modelle mit bis zu 700B Parametern lokal über die vier DGX Spark-Systeme verteilen, darunter DeepSeek V4.1. Das Unternehmen erklärt, dadurch könne die Abhängigkeit von gemeinsam genutzten GPU-Clustern sinken, an denen Forschende ansonsten auf verfügbare Rechenzeit warten müssten.

Werkzeuge für wissenschaftliches Rechnen und KI-Entwicklung

Laut NVIDIA soll in Kürze ein Installationsleitfaden für das NVIDIA HPC SDK erscheinen. Das SDK umfasst GPU-beschleunigte C-, C++- und Fortran-Compiler, Bibliotheken sowie Werkzeuge für Message Passing Interface, die auf NVIDIA-basierten Supercomputern eingesetzt werden.

Mit diesen Werkzeugen können Teams wissenschaftliche Anwendungen über vier Knoten hinweg entwickeln und testen, prüfen, wie Berechnungen und Daten verteilt werden, und Kommunikationsprobleme beheben, bevor sie Workloads auf größere Systeme verlagern. NVIDIA zufolge kann die lokale Entwicklung Serverkapazität für Produktionsläufe freihalten. Gleichzeitig können Teams unveröffentlichte Ergebnisse und proprietäre Datensätze vor Ort aufbewahren.

Das Unternehmen nennt bereits demonstrierte Workloads auf vier Systemen, darunter LAMMPS mit Kokkos für die Materialsimulation und NAMD für Molekulardynamik. Die breitere DGX-Spark-Community hat außerdem GROMACS für Molekulardynamik, OpenFOAM für Strömungsdynamik, WRF für Wettermodellierung sowie NVIDIA-NIM-Microservices wie OpenFold3 und Boltz-2 für die Vorhersage biomolekularer Strukturen validiert.

Beispiele aus Quantenforschung, Biologie und Ingenieurwesen

NVIDIA beschreibt mehrere Forschungseinsätze für DGX Spark. Kvantify berichtet, NVIDIA cuQuantum zu verwenden, um Tensor-Netzwerk-Simulationen von quantenchemischen Schaltungen mit bis zu 70 Qubits und 975 Gattern auf einem einzelnen System auszuführen. CYRAN AI, ein Spin-off des IIT Delhi, nutzt DGX Spark und seine PixelFlux-Bibliothek, um die JPEG-2000-Dekodierung großer Satellitenbilder zu beschleunigen.

OpenFold hat DGX Spark eingesetzt, um OpenFold3 für die Vorhersage von Protein-Ligand-Strukturen in der Wirkstoffforschung feinzujustieren. An der University of California, Berkeley, verwendet das Rubin Lab am IGI einen DGX Spark und NVIDIA Evo 2, um bakterielle Eigenschaften aus Genomsequenzen vorherzusagen. NVIDIA zufolge lagen die Ergebnisse auf DGX Spark 15-mal schneller vor, ohne die 11-stündigen Wartezeiten in der Cluster-Warteschlange.

Die Hartwig Group an der UC Berkeley nutzt einen DGX Spark für das LoRA-Feintuning des Nemotron 3 Super 120B-A12B-Modells für maschinelles Lernen in der Chemie. Laut NVIDIA konnte das Labor ein Modell der 120B-Klasse mithilfe der NVFP4-Quantisierung auf einem einzelnen Gerät unterbringen und kontinuierliche Trainingsläufe von acht bis 24 Stunden durchführen, ohne mehrtägige Wartezeiten in der Cluster-Warteschlange.

Verfügbarkeit und beabsichtigte Wirkung

Das Developer Kit wird auf der SC26 ausgestellt und ist käuflich erhältlich. Laut NVIDIA können DGX-Spark-Produkte und Kabel bei führenden OEM-Partnern sowie über den NVIDIA Marketplace gekauft werden. Zu den genannten Partnern gehören Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI und xFusion.

Der geplante HPC-SDK-Leitfaden soll Wissenschaftlern und Forschenden eine lokale Plattform bieten, um GPU-Anwendungen für mehrere Knoten zu entwickeln, FP32- und Algorithmen mit gemischter Präzision zu untersuchen sowie Molekulardynamik- und Materialsimulationen auszuführen, bevor sie auf Rechenzentrumssysteme skaliert werden. Das Kit richtet sich damit an Teams, die eine kontrollierte Entwicklungsumgebung für wissenschaftliche KI und Simulationen benötigen, und soll größere Systeme nicht bei jedem Workload ersetzen.

Ähnliche Meldungen

CoreWeave meldet zehnmal mehr Tokens pro Megawatt mit Vera Rubin NVL72
Chips und Infrastruktur19. November 2026, 23:40

CoreWeave meldet zehnmal mehr Tokens pro Megawatt mit Vera Rubin NVL72

CoreWeave zufolge erzeugte NVIDIA Vera Rubin NVL72 in einer DeepSeek-R1-Evaluierung zehnmal mehr Tokens pro Sekunde und Megawatt als NVIDIA GB200 NVL72. Verglichen wurde…

NVIDIA stellt auf der SC26 Science Agents, Rubin HPC GPU und Quantencomputer-Tools vor
Chips und Infrastruktur17. November 2026, 15:00

NVIDIA stellt auf der SC26 Science Agents, Rubin HPC GPU und Quantencomputer-Tools vor

NVIDIA hat neue Werkzeuge für KI-Agenten in der wissenschaftlichen Forschung vorgestellt, darunter Nemotron for Science, die Rubin HPC GPU und eine erweiterte…

MiTAC stellt auf der SC26 Full-Stack-Infrastruktur für agentische KI vor
Chips und Infrastruktur17. November 2026, 04:15

MiTAC stellt auf der SC26 Full-Stack-Infrastruktur für agentische KI vor

MiTAC Computing präsentiert auf der SC26 ein Full-Stack-Infrastrukturportfolio für agentische KI, das flüssigkeitsgekühlte Server, disaggregierte Inferenz und…