NVIDIA DGX Spark: Qué Es, Especificaciones y Para Qué Sirve (2026)

📅 Actualizado: 21 de julio de 2026 · Próxima revisión: agosto 2026.

El NVIDIA DGX Spark es un "superordenador de IA" de sobremesa: un mini PC que integra el superchip GB10 Grace Blackwell, 128 GB de memoria unificada y hasta 1 petaFLOP de rendimiento de IA (FP4), capaz de ejecutar y ajustar modelos de hasta 200.000 millones de parámetros en local. Está pensado para desarrolladores e investigadores de IA que quieren la potencia de un pequeño datacenter y todo el stack CUDA de NVIDIA sobre su mesa, sin depender de la nube. Aquí tienes qué es exactamente, sus especificaciones completas y para qué sirve de verdad.

Upliora participa en el Programa de Afiliados de Amazon: si compras a través de nuestros enlaces podemos recibir una comisión, sin coste adicional para ti.

¿Qué es el NVIDIA DGX Spark?

El NVIDIA DGX Spark es la apuesta de NVIDIA por meter la potencia de IA de un rack en el formato de un mini PC de escritorio. Su corazón es el superchip GB10 Grace Blackwell, que fusiona en un solo paquete una GPU con arquitectura Blackwell y una CPU Arm de 20 núcleos (10 Cortex-X925 de alto rendimiento + 10 Cortex-A725 de eficiencia). A eso suma 128 GB de memoria unificada compartida entre CPU y GPU, y 4 TB de SSD NVMe.

No es un ordenador de propósito general: arranca NVIDIA DGX OS (una distribución Linux de NVIDIA) y su razón de ser es una sola: desarrollar, ejecutar y ajustar modelos de inteligencia artificial en local con el ecosistema CUDA completo.

Especificaciones del NVIDIA DGX Spark

El superchip GB10 Grace Blackwell explicado

La clave del DGX Spark es la memoria unificada de 128 GB. En una GPU tradicional, los pesos del modelo de IA tienen que caber en la VRAM dedicada (16-32 GB en tarjetas de consumo); si no caben, el rendimiento se desploma. El GB10 comparte los 128 GB entre CPU y GPU, así que la GPU puede "ver" mucha más memoria de la que ofrece cualquier tarjeta gráfica de escritorio.

Traducido a IA: un modelo de 70.000 millones de parámetros ocupa unos 43 GB en cuantización Q4; en el DGX Spark cabe con muchísimo margen, y aún queda espacio para el contexto y para modelos bastante mayores. El 1 petaFLOP de rendimiento FP4 es la cifra que, hace apenas dos años, exigía un servidor de tamaño armario.

¿Para qué sirve el NVIDIA DGX Spark?

El DGX Spark resuelve un problema muy concreto: tener capacidad de IA de datacenter en local, con CUDA, sin enviar datos a la nube. Estos son sus casos de uso reales:

1. Inferencia de modelos grandes en local — ejecutar LLMs de 70B, 100B e incluso 200B cuantizados sin salir de tu red.
2. Fine-tuning y entrenamiento ligero — ajustar modelos con LoRA/QLoRA, algo que las plataformas sin CUDA hacen de forma mucho más limitada.
3. Desarrollo sobre el stack NVIDIA — todo el tooling estándar de la industria (CUDA, cuDNN, TensorRT, contenedores NGC) funciona sin adaptaciones.
4. Prototipado que escala a la nube — el mismo software corre en el Spark y en un datacenter DGX, así que lo que desarrollas en la mesa se despliega arriba sin reescribir.
5. Investigación y educación en IA — laboratorios y equipos técnicos que necesitan una máquina dedicada de IA.

Dos unidades se pueden enlazar entre sí (ConnectX) para sumar memoria y abordar modelos de hasta ~400.000 millones de parámetros.

Rendimiento: qué esperar del DGX Spark

• 1 petaFLOP FP4 para inferencia acelerada con cuantización agresiva.
• 128 GB de memoria unificada: el factor que determina qué modelos caben, y aquí caben casi todos los abiertos de 2026.
• CUDA nativo: la ventaja frente a Apple Silicon o AMD no es la velocidad bruta, sino que todo el ecosistema de IA asume CUDA, así que no peleas con drivers ni compatibilidad.
• Su ancho de banda de memoria (~273 GB/s) está pensado para capacidad y desarrollo, más que para batir récords de tokens/segundo en inferencia pura.

¿Qué modelos de IA puede ejecutar el DGX Spark?

Prácticamente todo el catálogo abierto de 2026 en local:

Alternativas: otras formas de tener 128 GB de memoria unificada para IA

El DGX Spark es la opción con CUDA nativo, pero no es la única forma de ejecutar modelos grandes en local. Si tu objetivo es inferencia (usar los modelos, no entrenarlos), los mini PC con AMD Ryzen AI Max+ 395 (Strix Halo) también ofrecen 128 GB de memoria unificada:

La diferencia clave: el DGX Spark trae CUDA y capacidad de fine-tuning que los Strix Halo no igualan; los Strix Halo, a cambio, son la vía más directa si solo quieres ejecutar LLMs. Los comparamos en detalle en nuestra comparativa de mini PC Strix Halo para IA local.

¿Para qué sirve el NVIDIA DGX Spark? (resumen)

El NVIDIA DGX Spark sirve para desarrollar, ejecutar y ajustar modelos de IA de gran tamaño —hasta ~200.000 millones de parámetros— en local, con el ecosistema CUDA de NVIDIA y sin depender de la nube. Es un superordenador de IA de sobremesa para ingenieros, investigadores y equipos técnicos, no un ordenador de uso general.

Preguntas frecuentes

¿Qué es el NVIDIA DGX Spark?

Es un mini PC "superordenador de IA" con el superchip GB10 Grace Blackwell, 128 GB de memoria unificada y hasta 1 petaFLOP de rendimiento FP4, diseñado para ejecutar y ajustar modelos de IA de gran tamaño en local con CUDA.

¿Para qué sirve el DGX Spark?

Para inferencia de LLMs grandes, fine-tuning con LoRA/QLoRA, desarrollo sobre el stack CUDA de NVIDIA y prototipado que luego escala a la nube DGX. No es un ordenador de propósito general: arranca DGX OS (Linux).

¿Qué modelos de IA puede ejecutar el NVIDIA DGX Spark?

Hasta modelos de ~200.000 millones de parámetros cuantizados gracias a sus 128 GB de memoria unificada, además de fine-tuning de modelos medianos. Dos unidades enlazadas llegan a ~400B.

¿DGX Spark o un mini PC Strix Halo para IA local?

Si necesitas CUDA y fine-tuning, el DGX Spark. Si solo quieres ejecutar LLMs en local, un mini PC Strix Halo con 128 GB de memoria unificada hace ese trabajo igual de bien.