반도체·하드웨어 · 리포트

NVIDIA의 DGX Spark 64GB는 로컬 AI 추론을 가속하기 위해 낮은 가격대로 출시됐다.

저렴한 데스크톱 시스템은 일부 추론 수요를 클라우드 및 데이터센터 용량에서 온프레미스로 옮길 수 있으며, 이는 미미하지만 주목받는 온프레미스 AI 신호다.

업계 전문지Slicast · 2026년 10월 20일 15:07 UTC · 미국 · 출처: The Futurum Group

중요도 35

NVIDIA는 10월 23일부터 6개 제조 파트너를 통해 시작가 4,999달러의 64GB DGX Spark 구성을 선보입니다. 이 시스템은 상위 모델의 컴퓨팅 아키텍처와 소프트웨어 스택을 그대로 유지하며, NVIDIA Sync는 클러스터링과 로컬 모델 배포를 간소화합니다. 이 제품의 가치는 구매자가 메모리 용량, 개발 요건, 그리고 현재 DGX Spark 제품군 전반에 영향을 미치는 높은 가격을 어떻게 저울질하느냐에 달려 있습니다.

**이 기사에서 다루는 내용:**

- DGX Spark 64GB의 출시 일정, 가격, 그리고 유지되는 하드웨어 성능.

- 메모리 용량과 로컬 AI 개발의 실질적 요건.

- NVIDIA Sync 클러스터링, 확장 비용, 그리고 Model Launcher.

- 소프트웨어 준비 상태, 경쟁 구성, 그리고 AI PC 실리콘의 경제성.

**뉴스:** NVIDIA는 통합 메모리 64GB를 탑재한 DGX Spark 구성을 발표했으며, 10월 23일부터 Acer, ASUS, Dell, Gigabyte, HP, MSI를 통해서만 4,999달러에 판매됩니다. 이 시스템은 GB10 Grace Blackwell 슈퍼칩, ConnectX-7 네트워킹, DGX OS, 그리고 NVIDIA AI 소프트웨어 스택을 그대로 갖추고 있으며, 최대 1,000억 개 매개변수 모델을 기기 내에서 완전히 실행할 수 있습니다.

64GB 시스템 두 대는 QSFP 케이블로 200GbE 링크를 통해 직접 연결할 수 있으며, 이 경우 메모리가 128GB로 통합되어 최대 2,000억 개 매개변수 모델을 지원합니다. NVIDIA Sync Cluster Assistant는 연결된 시스템을 찾아 네트워크를 구성하며, 10월 말 출시 예정인 Model Launcher는 단일 시스템이나 클러스터에서 Qwen3.8 27B를 실행하고 브라우저 기반 코딩을 위해 OpenCode를 구성합니다.

**분석가의 견해:** 긍정적인 소식은 DGX Spark 64GB가 비교적 비싼 현재의 DGX Spark 제품군 안에서 개발자에게 더 저렴한 선택지를 제공하면서도, 컴퓨팅 아키텍처와 개발 환경은 그대로 유지한다는 점입니다. 이 플랫폼의 가격 이력을 감안하면 덜 고무적인 소식은, 새로운 64GB 구성의 시작가가 원래 128GB 모델의 출시 가격보다 높다는 점이며, 이것이 초기 도입을 가로막는 요인이 될 수 있다는 것입니다.

이 제품을 구매하는 가장 강력한 근거가 메모리 용량에 맞고 NVIDIA의 소프트웨어 스택의 이점을 누리는 특정 유형의 워크로드에 있으며, 클러스터링이 별도의 재무 검토가 필요한 확장 옵션이라면, 조직들은 더 민첩하거나 아마도 더 나은 다른 대안을 찾을 수도 있다는 우려는 충분히 합리적입니다. 하지만 더 깊이 살펴보면, 저는 그런 관점이 잘못되었다고 생각합니다. 메모리 사양이 다소 낮더라도 재정적으로 더 접근하기 쉬운 DGX Spark 버전이 이 범주의 도입 로드맵에 규모를 가져올 최적의 지점이 될 수 있습니다. 이에 대해서는 잠시 후에 더 자세히 다루겠습니다.

### 소형 구성으로는 가격 압박이 해소되지 않는다

핵심적인 불일치는 이것입니다. DGX Spark 64GB는 4,999달러에서 시작하는데, 원래 128GB/4TB 모델의 출시 가격은 3,999달러였습니다(이후 6,950달러로 가격이 올랐음에도 그렇습니다). 공정하게 말하면, 현재 128GB GB10 시스템은 대략 7,000달러에서 9,000달러 사이이므로, 이 새로운 옵션은 훨씬 더 비싼 제품군에 진입하는 낮은 진입점이 됩니다. 그래도 출시 가격의 차이는 가격 변동, 가치, 제품 적응성에 대해 위험을 회피하려는 구매자에게 혼란스러운 메시지를 줄 수 있습니다. 대부분의 구매자가 AI 하드웨어 공급업체에게 확실성과 일관성을 요구하는 시점이라면 더욱 그렇습니다. 사소한 방해 요소이지만 그래도 방해 요소이며, 불필요한 마찰 지점입니다.

긍정적인 면은 구매자가 동일한 20코어 Arm CPU, Blackwell GPU, 273GB/s의 공유 메모리 대역폭을 그대로 누릴 수 있다는 점입니다. 반면 원래 모델 메모리 용량의 절반을 받아들여야 하며, 바로 이 지점에서 가격과 가치에 대한 실질적인 질문이 특히 점점 더 경쟁이 치열해지는 환경에서 상대적으로 높은 출시 가격과 충돌합니다. 예를 들어 AMD Ryzen AI Halo 및 Ryzen AI MAX 시스템은 약 3,500달러에서 4,500달러에 판매되며, 128GB Halo 구성은 4,699달러, 192GB 버전은 약 6,500달러입니다. 또한 ROCm을 지원하고 Windows와 Linux와도 호환됩니다.

이는 경쟁 구성이 비슷한 가격에 더 많은 메모리를 제공하는 상황에서, DGX Spark 64GB는 유지되는 컴퓨팅 및 소프트웨어 역량을 구매자가 얼마나 활용하는지를 통해 가격을 정당화해야 한다는 뜻입니다. 이 낮은 구성에서는 NVIDIA의 생태계가 지금으로서는 프리미엄을 지불할 가치가 있을 수 있지만, 그러한 판단의 유효 기간이 얼마나 될지는 의문입니다.

### DGX Spark 64GB는 명확히 정의된 로컬 워크로드 범주에 맞는다

참고로 NVIDIA는 최대 1,000억 개 매개변수 모델을 지원한다고 명시하고 있으며, 실용적인 목표로는 30~35B급 모델과 자율형 에이전트를 제시합니다. Qwen3.8-27B, Meta Muse Glimmer, Nemotron 3.5 Lightning은 한 대의 시스템에 들어가는 모델들입니다. 일관된 통합 메모리 덕분에 CPU와 GPU는 동기화된 하나의 메모리 풀을 공유하므로, 데이터를 중복 저장하거나 별도의 시스템 RAM과 GPU 메모리 사이에서 옮길 필요가 없습니다. Blackwell GPU는 FP4 압축 모델 형식을 지원하며, Grace CPU는 같은 패키지 안에서 데이터 전처리와 오케스트레이션을 담당합니다.

이 시스템의 더 넓은 가치 제안과 관련해서, 워크플로에는 다음과 같은 핵심 활용 사례가 포함됩니다.

- 지속적으로 실행되는 코딩 및 리서치 에이전트

- 독점 소스 코드를 기반으로 한 모델 미세 조정

- 다른 PC에서 사용하는 애플리케이션을 위한 추론 실행

- Jetson 기반 엣지 장치에 배포할 비전 모델 준비

로컬 실행은 이러한 워크로드를 소유자의 하드웨어에서 처리하므로, 토큰 단위의 클라우드 추론 요금을 피할 수 있습니다. 다른 무엇보다도, 제가 보기에 이것은 이 범주가 가진 가치 제안 중 가장 중요한 부분입니다. 이제 질문은 더 작은 메모리 구성이 낮은 가격만큼 가치가 있는지, 아니면 조직들이 그냥 128GB 버전을 선택해야 하는지입니다. 구매자는 DGX Spark 64GB를 실제 모델, 컨텍스트, 동시 처리 요구 사항에 비추어 선택해야 합니다. 이러한 요구 사항이 메모리 용량이 의도한 작업을 감당할 수 있는지를 결정하기 때문입니다.

전반적으로 볼 때, 특히 메모리가 부족하고 자금 압박이 큰 환경에서 NVIDIA가 조직들에게 또 하나의 선택지를 제공하는 것은 전체적으로 긍정적인 것으로 보입니다. 중소기업, SMB, 그리고 기타 조직들이 클라우드 기반의 토큰 과금 구조에 대한 의존도를 줄이려 하면서, 더 낮은 가격, 더 입문용에 가까운 메모리 용량, 그리고 NVIDIA 소프트웨어 생태계의 보편성은 이러한 유형의 시스템이 확산될 수 있는 경로가 될 수 있습니다. 다만 AMD의 매력적인 가격대와 더 많은 메모리는 이런 가정에 도전할 수 있습니다.

### 더 쉬워진 클러스터링은 확장성을 강화하지만 전체 비용 비교가 필요하다

NVIDIA Sync Cluster Assistant는 연결된 시스템을 찾아 구성을 검증하고 ConnectX-7 네트워킹을 설정하며, 노드 전체에서 동일한 소프트웨어 환경을 유지함으로써 확장을 더 실용적으로 만듭니다. 직접 연결된 64GB 시스템 두 대는 메모리를 128GB로 통합하고 총 메모리 대역폭을 두 배로 늘리며, NVIDIA의 Qwen3.8 27B 테스트는 최대 1.7배의 성능 향상을 보여줍니다.

구매자가 클러스터와 더 큰 단독 시스템 중에서 선택하기 위해 이 결과를 활용하기 전에, 벤치마크의 단일 시스템 메모리 구성에 대한 설명이 필요합니다. 인증된 200GbE 스위치를 통해 연결하는 4대 구성은 64GB 노드일 경우 256GB, 128GB 노드일 경우 512GB를 제공하며, 이는 용량을 늘리는 대신 하드웨어와 네트워킹 요구 사항도 함께 늘어난다는 뜻입니다. 클러스터링은 개발자에게 더 많은 용량을 얻는 명확한 경로를 제공하지만, 확장과 더 큰 초기 구매 중 어느 쪽을 선택할지는 전체 구성 가격에 따라 결정되어야 합니다.

### 소프트웨어 준비 상태가 프리미엄 하드웨어의 근거를 뒷받침해야 한다

DGX Spark 64GB에는 DGX OS와 CUDA-X AI 라이브러리, Agent Toolkit, Nemotron 모델을 포함한 NVIDIA의 AI 개발 환경이 탑재되며, CUDA를 활용하는 Ollama, vLLM, PyTorch를 지원합니다. TensorRT, Jupyter, OpenShell의 정책 기반 제어 기능, NemoClaw도 개발을 더 돕습니다. NVIDIA Sync를 통해 Windows PC와 Mac에서 접속할 수 있으며, 곧 출시될 Model Launcher는 OpenCode용 로컬 모델을 구성합니다.

Futurum의 2026년 상반기 지능형 기기 시장 규모 산정 및 5개년 전망에 따르면, AI PC 실리콘 콘텐츠 가치는 기본 시나리오에서 2025년 약 313달러에서 2030년 401달러로 증가할 것으로 예상되며, 이는 28% 증가로서 평탄한 소비자 PC 출하량을 상쇄하고 PC를 프리미엄 실리콘 수요처로 자리매김하게 합니다. 실리콘 콘텐츠 가치가 높아지면서, DGX Spark의 사전 구성된 개발 스택과 원격 추론 워크플로는 구매자가 메모리 용량 및 구매 가격과 함께 평가할 수 있는 구체적인 역량을 제공합니다. NVIDIA가 DGX Spark 64GB를 가장 강력하게 내세울 수 있는 근거는 이러한 역량이 개발자의 업무를 얼마나 효과적으로 뒷받침하는지에 달려 있으며, 이에 따라 소프트웨어 호환성과 배포 준비 상태가 구매 결정의 핵심이 됩니다.

**주목할 점:**

- 10월 23일에 제공되는 OEM 구성을 확인하십시오. 특히 4,999달러에 포함된 저장 용량과 128GB 시스템의 해당 가격을 확인해야 합니다.

- 단일 시스템 기준선과 테스...

원문 보기