シャンパンゴールドのアルマイトボディー、約1.2kgの重量、そしてApple TV（第4世代）を二枚重ねにしたほどの体積で机の上に無理なく載せられる。前後面はメタルメッシュで高級感があり、側面にUSB Type-C端子が4基、背面に200GbE QSFP112ポートが2基並ぶが電源LEDはない。
背面の電源スイッチを手探りで探して押すと、動作音をほとんど立てずにOSが起動する。冷却ファンを内蔵しているはずだが、回転を耳で確認しないと動いているかどうか分からない――この静けさが、このマシンの性格を端的に示している。
「NVIDIA DGX Spark」は、FP4演算時のピーク性能が1PFLOPS（毎秒1000兆回）というミニスーパーコンピュータとして米国を皮切りに販売が始まった。
日本でもNVIDIA自社設計の「Founders Edition」の他、主要なPCメーカーから同じプラットフォームを採用するミニスーパーコンピュータが複数販売されている。5月下旬における実売価格は80万円程度〜100万円弱となっており、販路によっては個人購入も受け付けている。
|
|
|
|
今回、NVIDIAからNVIDIA DGX Spark Founders Editionを1カ月ほど借りて試すことができたので、筆者なりの視点で魅力をお伝えしたい。
●15分で120Bクラスの生成AIが立ち上がってしまう“軽さ”
NVIDIAのジェンスン・フアン CEOは、CES 2025で「Grace Blackwell（Superchip）を全ての机に、すべてのAI開発者の指先へ」と掲げた。それを具体化する形で2025年5月に発表されたのがDGX Sparkと「NVIDIA DGX Station GB300」だ。
DGX Station GB300が「研究所向け」だとすれば、DGX Sparkは「個人開発者向け」という位置付けとなる。
MacとDGX Spark Founders Edition（以下「DGX Spark」）をSSH接続して「nvidia-smi」コマンドを叩くと、「NVIDIA GB10 / 119.75 GiB」と返ってくる。DGX Sparkは128GBのユニファイドメモリを搭載しているのだが、報告容量が少なくなっているのはLinuxベースの「DGX OS」とフレームバッファが数GBを確保するためだ。
|
|
|
|
DGX Sparkには「Ollama」がプリインストールされている。メモリの容量を確認した後にそのまま「ollama run gpt-oss:120b」と打ってみた。
すると、OpenAIが2025年8月にオープンウェイトで公開した120B（1200億）パラメーターのAIモデル「MoE」を数分かけてダウンロードして、毎秒37〜38トークンで応答し始めた。箱を開けてOpen WebUIで会話するまで、体感約15分だ。
正直、この軽快さには戸惑った。ディスプレイ越しに返ってくる応答が「クラウドAPI経由なのか、足元の“小箱”でローカル実行しているものなのか、数秒考えないと判別できない瞬間があった。
言い換えると、所有しているのに、所有感がないという感じだ。10年前ならラックで唸り声を上げていた計算リソースが、USB Type-C接続の電源アダプタ一本で動き、ファンもたまに静かに回る程度でしかない。
従来のワークステーションが持っていた「機械を抱えている感触」が、この箱にはほとんど残っていないのだ。
|
|
|
|
●MediaTekとNVIDIAが作り上げた「NVIDIA GB10」を搭載
DGX Sparkが搭載している「NVIDIA GB10（Grace Blackwell Superchip）」は、複数のダイをインターコネクトしたマルチダイ構成のSoC（System on a Chip）で、台湾TSMCの3nmプロセスで生産される。BlackwellアーキテクチャのGPUダイはNVIDIAの自社設計である一方、ArmアーキテクチャのCPUダイは台湾MediaTekで設計したものだ。
自社ブランドのSoCにおいて、NVIDIAが大切な役割を果たす部分を“外部”に委ねたのは異例といえる。
CPUコアは、パフォーマンスコア（Pコア）に相当する「Cortex-X925」と、高効率コア（Eコア）に相当する「Cortex-A725」を10基ずつ搭載する。
GPUコアは「GeForce RTX 50」シリーズと同じBlackwellアーキテクチャで、ストリーミングマルチプロセッサ（SM）は48基、CUDAコアは6144基を備え、Tensorコア（第5世代）はNVFP4フォーマットにネイティブ対応する。FP4演算時のピーク性能である1PFLOPSは、GeForce RTX 50シリーズに当てはめると、デスクトップ向けの「GeForce RTX 5070」と「GeForce RTX 5070 Ti」の中間にある。
ここまでを聞くと「スーパーコンピュータと言うほどのスペックではないのでは？」と思うかもしれないが、DGX Sparkの重要なポイントはCPUコアとGPUコアが同じメモリを“共有”していることと、背面のConnectX-7ポート×2でDGX Spark同士を“直結”して演算能力を高められることにある。
特にユニファイドメモリであることの効果はてきめんで、70B（700億）パラメーターのLLM（大規模言語モデル）はもちろん、120BパラメーターのMoEも、ロード直後からGPUで演算できる。QSFP112 DACケーブルで2台つなげば、合計256GBの広大なメモリ空間によって「Llama 3.1 405B（NVFP4）」も“オンデバイス”で動いてしまう。
データセンターの「Tensor Parallel」と「Pipeline Parallel」の作法が、そのまま机の上で走る――「Mac Studio」にPCベースのRTXワークステーションにもない設計だ。
●メモリ帯域の“狭さ”をカバーするのは「ソフトウェア」の最適化
現状において、DGX Sparkの実質的なライバルはM3 Ultraチップ搭載のMac Studioということになる。
理論的な性能を比べると、行列演算のスループットはNVIDIA GB10に軍配が上がる。一方で、ユニファイドメモリの帯域はM3 Ultraチップの方が広い。
実測値を淡々と並べると、DGX Spark（NVIDIA GB10）では「gpt-oss（MXFP4）」で生成を行うと、20B（200億）パラメーターのモデルで毎秒49.7トークン、120B（1200億）パラメーターのモデルで毎秒38.5トークンとなる。
「Llama 3.3 70B（Q4_K_M）」（700億パラメーター）だと毎秒4.4トークン、NVFP4＋TensorRT-LLMに切り替えると毎秒5.4トークン。「Qwen3 235B」（2350億パラメーター）を2台分散で走らせると、毎秒11〜12トークンとなる。70Bクラスのモデルで毎秒5トークン程度となると、プロンプトを使った「会話」を成立させるには遅い。
一方、M3 Ultraチップ搭載のMac Studio M3 UltraをApple独自の「MLX」フレームワークを使って演算させると、「DeepSeek-V3 685B」（6850億パラメーター）は毎秒20トークン以上、「R1 671B」（6710億パラメーター）だとを毎秒17〜18トークンで回す。
この差が生まれる原因は、NVIDIA GB10の「毎秒273GB」というメモリ帯域の“狭さ”にある。M3チップ（毎秒819GB）の3分の1で、GeForce RTX 5090（毎秒1792GB）と比べるとわずか6分の1だ。
トランスフォーマーモデルにおける「生成」のプロセスは帯域律速（※1）なので、メモリ帯域の差が、ほぼそのままスループットの差として出てしまうのだ。
（※1）律速：物事の進行や性能を左右するポイント
加えて、エンジニアのジョン・カーマック氏は自身のhttps://x.com/ID_AA_Carmack/■□Xアカウント■で「DGX Sparkは公称240Wに対して、実負荷が100W止まりと、理論値の半分しか出ていない」という旨のポストをしている。
本件に対して、Business Insiderによると、2026年1月に入手したNVIDIAの社内メールでファン氏自身が「すぐ出てきて『直す』と言え」と指示する記述があったという。
加えて、DGX Sparkを購入した製薬大手のAstraZeneca（アストラゼネカ）の研究者や脳腫瘍研究を行う医師から受けた指摘に対して、数時間で修正パッチが出るということもあった。
そして「CES 2026」のNVIDIAステージでは、ソフトウェアだけで最大2.6倍の性能向上を果たした旨が発表された。「vLLMのNVFP4対応」「Speculative Decoding／Eagle3／TensorRT-LLMのSM121カーネルへの最適化」の積み上げた結果だ。
ハードのメモリ帯域は毎秒273GBで固定されているのに、同じ“箱”で発揮できる実効性能が“半年”で別物になったということになる。
実際にDGX Sparkを触っていて気付いたのだが、評価軸そのものがまだ定まっていないことが、このマシンに対する評価が大きく割れている原因だと思われる。
カーマック氏もジェフ・ギアリング氏（※2）も、DGX Sparkを“ベンチマークスコア”を使って評価している。一方で、ServeTheHomeのパトリック・ケネディ氏や、Level1Techsのウェンデル氏はDGX Sparkを使って2週間で何を組み上げられたかで採点している。
ベンチマークだけ見れば平凡に映るDGX Sparkだが、2週間を費やして何を作れたかで評価すると、別の側面が見えてくる――AIを稼働するハードウェアを測る物差しそのものが、まだ揺れていることを象徴する出来事といえる。
●クラウドと同じAIスタックを机上で動かせる
DGX Sparkでbuild.nvidia.com/sparkを開くと、30本超の「プレイブック」が所要時間付きで並ぶ。プレイブックは、典型的なAIアプリを動かすためのインタラクティブなガイドブックのようなものだ。書かれた通りに操作しているだけで、最新のAIテクノロジーに触れられる。
「RAG AI Workbench」で30分、「Unsloth LoRA」の70B（700億）パラメーター版で1時間、「ComfyUI」で45分、「NemoClaw」の立ち上げで30分――誰もが短時間でセットアップを行える仕掛けがそろっている。
DGX Cloud／AWS（Amazon Web Services）／Azure／Google CloudのNVIDIAインスタンスで動いているものと同じDockerコンテナ、同じCUDA、同じTensorRT-LLMが、DGX Spark上でも動作する。ローカルで書いたコードを「Brev」経由でクラウドGPUで稼働できるようにするのも、わずか数クリックで済んでしまう。
数年前、Microsoftの「Visual Studio Code」が「Claude Code」や「GitHub Copilot」と“地続き”となることで、開発者とAIの距離が変わった。
DGX Sparkが示しているのは、その次の「開発者が所有するAIインフラ」というレイヤーを通して、クラウドのAIインフラと“地続き”にできるということだ。推論の重い処理はクラウドへ振り分けつつ、常に動き続けるエージェントやデータの秘匿性が高い業務はローカルへ――この切り分けを、OSやランタイムを切り替えずに書ける環境が今、整いつつある。
●3つの未来が“小さなボディー”に
NVIDIAがこの製品を通して押している方向は3つある。「フィジカルAI」「エージェント」「推論のコモディティー化」という、どれもまだ勝者が見えていない領域だ。
フィジカルAI分野では、2026年3月に商用ライセンスが解禁された「Isaac GR00T N1.7」と、Blackwell GPUとArm CPUへの対応を果たした「Cosmos Predict 2.5」が、DGX Sparkを公式推奨ハードに指定した。
CES 2026では、Hugging FaceとPollen Roboticsの小型ヒューマノイド「Reachy Mini」と組み合わせて、Vision-Language-Actionモデルを完全ローカルで動かすデモが披露されたのは記憶に新しい。
エージェント分野では、ピーター・シュタインベルガー氏が書いた「OpenClaw」がGitHubにおいてスター数が25万を超え、「NVIDIA GTC 2026」でフアンCEOから「Linuxを超える速度で広がっている」と讃えられ、全面的なバックアップを約束された。
NVIDIAのエンタープライズ版「NemoClaw」では、指定ローカル実行環境にDGX StationとDGX Sparkが据えられている。「Nemotron 3 Super」が電気代だけで24時間回り続ける構図だ。
推論モデル分野では「GPT-5.4」「Claude Opus 4.7」「Gemini 3.1」のクローズド勢に「DeepSeek R1/V3.2」「Qwen3-Next」「Kimi K2.5」「gpt-oss」「Nemotron 3」がオープンで肉薄している。差別化の軸は「速度」「単価」「データが外に出せるか」の3点に絞られ、最後の1点がこのDGX Sparkの立ち位置を決める。
面白いのは、NVIDIAがどれか1つの未来に賭けていないことだ。繰り返しだが、フィジカルAIも、エージェントも、オープン推論モデルも、まだ勝ち筋が見えていない。
だからこそ、全部が動く“箱”を先に配る――DGX Sparkは、そのための道具に見える。
●誰が買い、誰が待つか？
DGX Sparkは、パートナー企業が販売するものを含めて実売価格が80万円程度〜100万円弱と若干幅がある。発売当初の想定価格の「3000ドル」と比べると高価になったのは、「円安」と「メモリ高騰」が重なった影響だ。
それでも導入は進んでいる。トグルホールディングスでは、2025年9月に全エンジニアに対してDGX Sparkを配布している（数千万円規模の導入事例）。NTTPCコミュニケーションズでは、gpt-oss-120BのDify＋RAG環境を検証公開した。
日本語LLMでは、「Llama 3.1 Swallow」「ELYZA-Thinking」「PLaMo」「TinySwallow」の動作確認がコミュニティー上で報告されている。
販売を仲介する商社に話を聞くと、DGX Sparkは製品供給が追い付いていないという。
DGX Sparkの購入における“投資対効果”が明確にプラスとなりそうなのは、「機密データを扱う開発チーム」「フィジカルAIやAIエージェントの研究者」「クラウドAIのAPIに月数十万円以上を支払う組織」「DGX Cloudと同一スタックを必要とする企業」に限定される。
シンプルに「大規模LLMをローカルで回したい」という個人なら、M3 UltraチップのMac Studio、約30万円で買える「Framework Desktop」（日本では未発売）、あるいはGeForce RTX 5090グラフィックスカードを備えるPCを買った方が費用対効果面では有利だ。
買うべき層は狭いDGX Sparkだが、買わなくとも知っておくべき層は広い。
●静かに進むパラダイムシフト
今回DGX Sparkを試して最も強く感じたのは、NVIDIAが積み上げてきたAI開発フレームワークがインフラとして機能していることだった。手元の本機から、大規模なクラウド側の開発環境まで、同じ基盤でつながっている。
AMDがCES 2026でFramework Desktopをパートナーに据えて「Ryzen AI Halo」のリファレンス機を出してきたこと自体、この領域が一時の思いつきでは終わらないことを示している。
AppleもApple Siliconのメモリ帯域における優位性を生かし、CUDAのようなAI開発エコシステムの“外”にあったにもかかわらず、このジャンルに投資をしているのはAI開発の“主戦場”がクラウドからデスクトップに向かうと予想しているからかもしれない。
手元に置いたDGX Sparkが、動いているのか止まっているのか耳を澄まさなければ分からないまま、120BパラメーターのAIモデルを参照しながら応答し続けること1カ月間。
これは、個人で買うべき製品だろうか――簡単に結論は出ない。しかし、次の世代への期待は以前より確実に強くなった。
|
|
|
|
|
|
|
|
Copyright(C) 2026 ITmedia Inc. All rights reserved. 記事・写真の無断転載を禁じます。
掲載情報の著作権は提供元企業に帰属します。
IT・インターネット
ランキング
IT・インターネット
アクセス数ランキング
- 1
鎌倉大仏の背中に「穴」何のため（写真：Jタウンネット）55
話題数ランキング
- 1
鎌倉大仏の背中に「穴」何のため（写真：Jタウンネット）55
