近日，搭載英偉達 GB10 Grace Blackwell 超級芯片的 DGX Spark 桌面 AI 超算產品陸續上市開售，作為英偉達首款面向輕量化場景的 Grace Blackwell 架構產品，DGX Spark 不是單純的性能堆疊，而是面向高性能工作站、桌面級 AI 開發和輕量化數據中心的整體解決方案，試圖以“迷你機身 + 大模型支持”的組合，填補消費級顯卡與大型數據中心之間的算力空白。
從今年初 NVIDIA 首次宣布代號 Project DIGITS，到第一方 FE 版本定價 3999 美元（約合 28533 元人民幣），當時一度憑借 NUC 級的小巧體積與 1PetaFlop（1000TOPS）的 FP4 稀疏 AI 算力，點燃了桌面級高性能 AI 計算市場的討論熱情。現在，被重新命名為 DGX Spark 的桌面迷你 AI 工作站終于正式開售，華碩、戴爾和聯想等上市的產品價格基本都在 32999 元以上。
隨著 DGX Spark 的開售，讓IT之家不禁想起另一款在相同賽道上已經站穩腳跟的產品 —— 基于 AMD 銳龍 AI Max+ 395 處理器的 Mini AI 工作站。同樣主打“桌面級 AI 算力”，同樣支持大模型本地推理，英偉達 GB10 與 AMD 銳龍 AI Max+ 395 究竟在架構設計、性能表現上有何差異？對于缺乏專業機房支持、預算有限且需要兼顧多場景使用的入門開發者而言，哪款產品更能滿足“低門檻、高實用”的核心需求？今天不妨隨小編來分析一下。
架構與性能對比：從芯片設計到實際算力的差異化呈現
要判斷兩款產品的適用場景，首先需深入其核心芯片的架構邏輯與實際性能表現。英偉達 GB10 與 AMD 銳龍 AI Max+ 395 雖同為“高性能計算芯片”，但在核心定位、架構設計與性能釋放上，呈現出鮮明的差異化特征，而這些差異直接決定了它們對入門開發者的友好度。
英偉達 GB10：數據中心技術的桌面化應用
英偉達 GB10 超級芯片是其旗艦級 Grace-Blackwell 超級芯片的“小型化集成版本”，其設計目標是在有限的物理空間和功耗下（整機功耗約 240 瓦），承擔起此前必須依賴大型數據中心系統的部分任務。
計算核心：GB10 的 CPU 部分是英偉達與聯發科合作的產物，采用了 20 核 ARMv9.2 架構，具體由 10 個高性能 Arm Cortex-X925 核心與 10 個高能效 Arm Cortex-A725 核心組成。其 GPU 單元則擁有 6144 個 CUDA 核心，是 Blackwell 架構的精簡版本。該 GPU 保留了對 FP4（4 位浮點）數據格式的支持，使其能夠實現 1 PetaFLOP（即 1000 TOPS）的稀疏 AI 算力。在單精度（FP32）性能方面，其算力為 31 TFLOPS，與消費級顯卡 RTX 5070 的水平相當。
統一內存與高速互聯：該芯片配置了 128GB、256 位的 LPDDR5x-9400 統一內存，通過 2.5D 封裝技術與 CPU、GPU 集成。CPU 與 GPU 通過帶寬高達 600 GB/s 的 NVLink C2C（Chip-to-Chip）鏈路共享內存池，旨在減少傳統 PCIe 總線帶來的數據傳輸延遲。
專用網絡與擴展功能：DGX Spark 集成了 ConnectX-7 200Gb/s 高速網卡。通過背部的 QSFP 端口，用戶可以連接兩臺 DGX Spark 設備，從而將推理能力擴展至支持高達 4050 億參數的模型。這進一步明確了其作為專業 AI 開發工具的定位。
軟件生態：搭載定制版 DGX OS（基于 Ubuntu Linux），預裝英偉達 AI 軟件堆棧，僅支持 Linux 環境下的 AI 開發，不兼容 Windows 系統與 X86 架構軟件。
AMD 銳龍 AI Max+ 395：端側 AI 的“全場景全能選手”
與 GB10 的“單一場景優化”不同，AMD 銳龍 AI Max+ 395 的核心設計邏輯是“兼顧 AI 算力與全場景兼容性”，其架構圍繞“Zen5 CPU+RDNA3.5 GPU+XDNA2 NPU”的三重計算單元展開，參數配置更貼近入門開發者的多維度需求：
計算核心：16 核 32 線程的 Zen 5 架構 CPU，最高加速頻率高達 5.1GHz，配備 80MB 總緩存（16MB L2+64MB L3），性能接近桌面級處理器，可輕松應對數據預處理、多任務并發等需求；最高 40 單元的 RDNA 3.5 架構 iGPU（命名為 Radeon 8060S），帶寬達 256GB/s，性能媲美移動版 RTX 4060/4070，支持圖形密集型 AI 任務（如多模態模型推理）；XDNA 2 NPU 峰值算力高達 50TOPS，原生支持微軟 Windows 11 AI+PC 規范與 Copilot 等端側 AI 應用。
