Nvidia lancia la versione da 64GB del DGX Spark, con la memoria dimezzata, prezzo a partire da 4999 dollari, mentre la versione da 128GB aumenta a 6950 dollari.

Mentre i modelli di AI diventano sempre più “leggeri”, la memoria video sta diventando sempre più costosa. Nvidia sta rispondendo a questa contraddizione con un prodotto che "taglia la memoria".

Venerdì 2 ottobre, ora della costa orientale USA, Nvidia ha annunciato il lancio della versione desktop DGX Spark con 64GB di memoria unificata, con un prezzo iniziale di 4999 dollari, che sarà distribuita sul mercato dal 23 ottobre tramite OEM come Acer, ASUS, Dell, Gigabyte, HP e MSI. Il nuovo dispositivo mantiene il Superchip GB10 Grace Blackwell, il DGX OS, l’intero stack software AI Nvidia e le capacità di rete ConnectX-7, ma la memoria unificata scende da 128GB a 64GB.

Curiosamente, il prezzo iniziale di questa versione “ridotta” di DGX Spark è addirittura superiore a quello di 3999 dollari del modello da 128GB dello scorso anno; allo stesso tempo, Nvidia ha ulteriormente aumentato il prezzo della 128GB Founders Edition a 6950 dollari. I media sottolineano che Nvidia attribuisce questo aumento di prezzo alle limitazioni nell’approvvigionamento della memoria e all'aumento dei costi.

Ciò significa che, mentre la domanda di server AI continua a mettere sotto pressione la fornitura di memoria, “dare meno memoria” è diventato un modo per abbassare la soglia di prezzo dei dispositivi AI locali, ma non significa che il dispositivo in sé sia davvero più economico.

64GB sono sufficienti? Nvidia punta agli agenti AI locali

La logica principale dietro questa mossa di Nvidia è che un numero crescente di modelli open source può ormai funzionare con quantità di memoria più modeste.

Nvidia afferma che, con il miglioramento delle capacità dei modelli open source e la continua riduzione delle loro dimensioni, 64GB di memoria unificata sono già sufficienti per supportare numerose applicazioni AI locali. Il nuovo DGX Spark può eseguire localmente modelli fino a 100 miliardi di parametri, supportando agenti AI, inferenza, fine-tuning, data science e sviluppo edge.

Anche Tom's Hardware osserva che alcuni degli ultimi modelli ad alte prestazioni possono girare con circa 32GB di memoria, ma in scenari come finestre di contesto particolarmente ampie potrebbero incontrare limitazioni. In questo modo, i 128GB di memoria nati per l’esecuzione locale di “large model” non sono necessari a tutti gli sviluppatori.

Questa è la base reale sulla quale Nvidia ha lanciato la versione da 64GB: per utenti che principalmente fanno inferenza locale e sviluppano agenti AI, e non hanno necessità di addestrare o rifinire modelli di grandi dimensioni, 64GB coprono gran parte dei carichi di lavoro.

Nvidia nella comunicazione ufficiale riassume questa tendenza: “con il continuo sviluppo tecnologico, la praticità dell’AI locale sta aumentando notevolmente”; mentre gli agenti AI passano dalla sperimentazione allo sviluppo quotidiano, la domanda di esecuzione locale dei modelli è in crescita.

Inoltre, il deployment locale offre vantaggi in termini di privacy e costi. Gli sviluppatori possono elaborare direttamente i propri dati e far girare agenti AI su DGX Spark senza dover ricorrere ogni volta a un modello cloud.

Stesso GB10, ma la versione 64GB non scende di prestazioni

Dal punto di vista dell’architettura hardware, la versione da 64GB non è un nuovo prodotto di chip.

Nvidia afferma che il nuovo device utilizza ancora il Superchip GB10 Grace Blackwell, mantenendo il DGX OS e l’intero stack software AI. I media sottolineano che la versione 64GB mantiene anche la CPU Arm a 20 core e la larghezza di banda di memoria condivisa di 273GB/s, quindi per modelli che possono stare entro i 64GB, le capacità di calcolo di base dei due prodotti non cambiano nonostante il dimezzamento della memoria.

In altre parole, questa volta il cambiamento non consiste nel “tagliare la potenza di calcolo”, ma tagliare parte della memoria che alcuni utenti potrebbero non utilizzare.

La versione 64GB supporta comunque i principali framework di inferenza come llama.cpp, Ollama, vLLM, LM Studio e viene fornita con Nvidia Agent Toolkit, CUDA-X AI e modelli open come Nemotron preinstallati.

La strategia di Nvidia è chiara: se uno sviluppatore ha bisogno solo di 64GB al momento, può acquistare subito una macchina a bassa capacità; se in futuro la scala dei modelli continuerà ad aumentare, potrà espandere memoria e potenza di calcolo tramite cluster.

Due da 64GB “fanno” 128GB: fino al 70% di performance in più

Un’altra novità dell’aggiornamento DGX Spark è che Nvidia ha rafforzato ulteriormente la collaborazione tra dispositivi multipli.

Anche la versione 64GB integra la interfaccia di rete ConnectX-7, permettendo di collegare due dispositivi con cavi QSFP e, grazie a NVIDIA Sync Cluster Assistant, configurare automaticamente una rete e formare un cluster AI locale. Nvidia afferma che due DGX Spark da 64GB possono formare un pool di memoria da 128GB, supportando modelli fino a 200 miliardi di parametri.

Nel test Qwen 3.8 27B condotto da Nvidia stessa, un cluster di due macchine da 64GB raggiunge prestazioni fino a circa 1,7 volte rispetto a una singola macchina.

A fine ottobre Nvidia lancerà anche NVIDIA Sync Model Launcher, rendendo ancora più semplice il deployment di modelli su una o più macchine in cluster, consentendo ad esempio l’esecuzione di Qwen 3.8 27B e l'integrazione in strumenti di programmazione come OpenCode.

Ciò significa che la logica di prodotto DGX Spark sta passando da “una supercomputer desktop AI” a un “nodo AI locale scalabile progressivamente”.

Certo, due macchine non equivalgono a una singola DGX Spark da 128GB a livello fisico: la possibilità di eseguire modelli su più nodi dipende sempre dal software e dal carico di lavoro. Quindi, per task che richiedono grande memoria su una macchina singola, la versione 64GB resta nettamente limitata.

In carenza di memoria video, 4999$ per i 64GB non è davvero “economico”

Quello che merita più attenzione è in realtà il prezzo.

Secondo Nvidia, il prezzo base della DGX Spark 64GB è di 4999 dollari, e questa versione non avrà una Founders Edition di Nvidia, ma verrà venduta esclusivamente tramite partner OEM. I partner includono Acer, ASUS, Dell, Gigabyte, HP e MSI; le specifiche e i prezzi possono variare.

Per confronto, DGX Spark fu introdotta per la prima volta nel 2025 con il modello da 128GB al prezzo ufficiale di 3999 dollari; i media ricordano come Nvidia abbia poi aumentato il prezzo della 128GB Founders Edition a 4699 dollari nel febbraio 2026 e ora, dopo questo ultimo rialzo, fino a 6950 dollari.

Quindi, comparando solo i prezzi iniziali, oggi il modello da 64GB non solo non è più economico della versione da 128GB, ma costa persino 1000 dollari in più, con un aumento del 25%.

Rispetto al prezzo ufficiale attuale Nvidia della versione 128GB, 4999 dollari per i 64GB sono comunque 1951 dollari in meno rispetto ai 6950 del modello superiore, ma si sacrifica metà della capacità di memoria.

Secondo PC Watch, l’aumento di prezzo della versione 128GB è legato alle restrizioni di fornitura delle memorie e all'aumento dei costi; Tom's Hardware sottolinea che i sistemi GB10 da 128GB attualmente sul mercato arrivano a costare anche tra i 7000 e i 9000 dollari.

Quindi, questo aggiustamento di prodotto implica anche un altro messaggio: la potenza di calcolo AI si sta spostando verso i dispositivi locali, ma la memoria è già diventata il principale collo di bottiglia di costo di questa tendenza.

Da "stack di memoria" a "scalabilità on-demand"

Guardando alle strategie di prodotto, Nvidia non si è semplicemente limitata a creare una “versione depotenziata” di DGX Spark.

In passato, uno dei punti di forza del DGX Spark era la memoria unificata da 128GB, che consentiva agli sviluppatori di eseguire modelli con un gran numero di parametri su un dispositivo desktop; oggi, con i progressi nella compressione e quantizzazione dei modelli, molti non necessitano più di così tanta memoria.

Di conseguenza, la soluzione fornita da Nvidia è: una singola macchina da 64GB soddisfa la maggior parte delle esigenze di inferenza AI locali; all’aumentare della domanda, si espande con cluster multi-macchina.

La versione da 64GB sarà disponibile dal 23 ottobre a partire da 4999 dollari. Allo stesso tempo, il rincaro a 6950 dollari per la versione da 128GB rende questo nuovo prodotto particolarmente significativo: è sia il tentativo di Nvidia di abbassare la soglia dell’hardware AI locale, sia uno specchio della contraddizione attuale dell’industria AI, dove la domanda di potenza cresce e la memoria scarseggia.