NVIDIAは2026年11月16日、科学技術計算の国際会議SC26で、卓上コンピューター「DGX Spark」を4台つないだHPC Developer Kitを紹介した。各機をリング状に直接接続し、大型システムに移す前に、計算とデータの分担やノード間通信を手元で試すための構成だ。
同社は4台を使い、Kokkosを使った材料シミュレーションのLAMMPS、分子動力学のNAMDを実演した。共有クラスタの計算時間を待つ前に分散プログラムを組み、問題を調べる。その開発工程を研究者の机に近づける狙いがある。
4台のリング接続で、通信まで手元で試す
キットでは、計算を分担する各ノードが、ネットワークインターフェースのConnectX-7を通じて両隣の2台と直接つながる。NVIDIAによると、4台をリングにすることで、別途ネットワークスイッチを購入し、設定する必要がない。DGX Spark単体の製品仕様では、ConnectX-7の通信速度は200Gbpsとされている。
分散計算では、処理を複数の機械に割り振るだけでなく、必要なデータを受け渡す順序や通信も考えなければならない。NVIDIAは、4台でコードを構築・試験し、計算とデータの分け方や通信上の問題を調べてから大型システムへ進む使い方を提案している。FP32(32ビット浮動小数点)や複数の精度を組み合わせる混合精度のアルゴリズムも対象だ。
開発には、同社のNVIDIA HPC SDKが用意するGPU対応のC、C++、Fortranコンパイラーやライブラリーを使う。複数ノード間でデータをやり取りするためのMPIツールも含む。キット向けの構築・実行手順書は近日公開予定で、ハードウェアの販売状況とは段階が異なる。
実演のほか、NVIDIAはコミュニティによる動作検証例として、分子動力学のGROMACS、流体解析のOpenFOAM、気象モデルのWRFを挙げた。生体分子の構造予測に使うOpenFold3とBoltz-2も、NIMマイクロサービスとして紹介している。実演とコミュニティの検証はそれぞれ別の取り組みだが、材料から気象まで、開発対象の広さが見える。
512GBと1 PFLOPは何を示すか
各DGX Sparkに載るGB10は、20コアのArm CPUとBlackwell GPUを組み合わせたプロセッサーだ。製品仕様によると、1台のCPUとGPUは64GBまたは128GBのLPDDR5Xメモリを共有し、その帯域は273GB/s。128GB構成を4台使った合計が512GBになる。
各ノード内ではCPUとGPUがメモリを共有し、ノード間では計算とデータを分担する。512GBは4台分の容量であり、4台全体が単一の共有アドレス空間になることを示す数字ではない。
NVIDIAは4台で、最大7000億パラメーターのモデルをNVFP4でローカル実行できると説明し、DeepSeek V4.1を例に挙げる。NVFP4は、モデルの値を4ビットの浮動小数点で表す低精度形式だ。扱えるモデル規模の目安と、そのモデルをどの速度で実行できるかは分けて読む必要がある。
4台構成はノード間の分散開発向けで、512GBは合計容量、1 PFLOPは1台のFP4理論性能、HPC SDKの導入手順書は近日公開という別々の条件を持つ。下表では、NVIDIAの発表と製品仕様にある対象と条件を対応させた。
| 項目 | 数値・提供状態 | 読み取れる範囲 |
|---|---|---|
| メモリ | 4台合計512GB | 128GBを各ノード内でCPUとGPUが共有 |
| AI演算 | 1台あたり最大1 PFLOP、FP4 | 疎性を利用した理論性能 |
| ハードウェア | 販売中 | DGX Sparkとケーブルの購入窓口を案内 |
| HPC SDK手順書 | 近日公開 | 4ノード環境の構築・実行手順は公開予定 |
注:2026年11月17日取得のNVIDIA発表と製品仕様を対象・精度・提供段階ごとに分類。メーカーの説明と仕様であり、独立測定ではない。
1 PFLOPは4ビット演算で疎性を利用する条件付きの理論値だ。FP32やFP64による科学技術計算の実測性能や、4台構成の加速率は発表されていない。科学計算の導入を判断するには、実際のコードと精度での測定が要る。
研究の反復とクラスタの待ち時間
NVIDIAが提案する役割分担では、研究者は手元で開発とデバッグを繰り返し、共有クラスタの時間を大規模な本番計算に使う。研究途中の未公表の結果や専有データを組織内に置ける点も、同社は用途として挙げている。
クラスタの待機時間は、結果を得るまでの時間を左右する。NVIDIAが紹介したUC BerkeleyのRubin Labの事例では、DGX Spark 1台とゲノム言語モデルEvo 2を使い、ゲノム配列から細菌の形質を予測した。ゲノムやタンパク質の言語モデルによる埋め込みを従来手法と比較し、11時間のクラスタ待機を省く条件で、結果に15倍早く到達したという。この倍率には待機時間が含まれ、計算処理そのものの速度差を表す値ではない。
同じ大学のHartwig Groupについては、NVIDIAは化学の実験値を基に予測用のヘッドを学習し、Nemotron 3 Super 120B-A12BをLoRAで微調整した事例を紹介している。LoRAはモデル全体を更新する代わりに、追加した小さな行列を学習する手法だ。同グループはNVFP4を使って120Bパラメーター級のモデルをDGX Spark 1台に載せ、数日間のクラスタ待機を避けて8〜24時間にわたる学習を連続して実行したとされる。
両例は4台キットの性能試験ではなく、単体機を使った研究事例である。キットが加えるのは、こうした手元での反復に、複数ノード間のデータ分担と通信を含む開発を持ち込める点だ。
NVIDIAはさらに、入力の準備から実行、結果の要約までをAIエージェントに任せ、科学者が設定と結論を検証する研究工程も構想する。シミュレーションを近似するAIを使い、翼の抗力を小さくする例では、1000万セルの情報から重要な50〜500次元へ絞る使い方を示した。これらは同社が描く用途であり、4台キットで実証した成果とは区別される。
販売中のハードと近日公開の手順書
NVIDIAはキットをSC26に展示し、ハードウェアは販売中と説明した。DGX Sparkとケーブルの購入窓口として、参加OEM各社とNVIDIA Marketplaceを案内している。一方、4ノードの構築と実行に向けたHPC SDKの手順書は近日公開予定だ。
ストレージは発表ブログが4台で20TB、製品仕様が1台あたり最大4TBと記しており、キットの実容量は確認待ちだ。価格、地域別の在庫、ケーブルの同梱条件や手順書の公開日も、取得した資料では確定できない。
導入の判断では、自分のコードとデータを4台に分け、通信を含めて試す工程があるかが問われる。手順書の公開後、その構成を再現してから大型システムへ移すまでの手順を確かめられれば、共有クラスタに割り当てられた時間を本番計算に充てやすくなる。
- 大型クラスタを待つ前に4台で試す、NVIDIAがDGX SparkのHPC開発キットを紹介
- DGX Spark 4台で通信まで検証、NVIDIAが卓上HPC開発キットをSC26で公開
- 512GBの4ノード環境で研究コードを開発、NVIDIAがDGX Spark HPCキットを紹介



