26.02.28 - "Reseña" NVIDIA DGX Spark: el poder de la SuperAI en formato compacto y local

NVIDIA DGX Spark: el poder de SuperAI, en formato pequeño y local

En esta ocasión, Ask nos ha prestado un NVIDIA DGX Spark fabricado por MSI y hemos realizado diversas pruebas con nuestras herramientas de generación de IA.

■ ¿Qué es NVIDIA DGX Spark?

Fuente: https://www.nvidia.com/ja-jp/products/workstations/dgx-spark/

NVIDIA DGX Spark es una superordenadora de IA de escritorio compacta, lanzada oficialmente por NVIDIA en 2025. Equipada con el "GB10 Superchip", basado en la arquitectura Grace Blackwell, condensa una capacidad de cómputo de IA de nivel centro de datos en un cuerpo de apenas 150 mm × 150 mm × 50,5 mm.

🔑 Punto clave: NVIDIA DGX Spark es una "superordenadora de IA que cabe sobre un escritorio", un dispositivo que permite llevar a las oficinas de particulares y empresas una capacidad de procesamiento de IA que antes solo era posible en grandes centros de datos.

Gracias a su arquitectura de memoria con 128 GB de memoria unificada (en la que la GPU y la CPU comparten el mismo espacio de memoria), permite ejecutar inferencias locales con modelos de IA de hasta 200 000 millones de parámetros. Además, conectando dos unidades NVIDIA DGX Spark mediante la red ConnectX-7, es posible trabajar con modelos de hasta 405 000 millones de parámetros.

Principales casos de uso

• Prototipado, pruebas y validación de modelos de IA
• Ajuste fino (fine-tuning) de modelos de hasta 70 000 millones de parámetros
• Generación y procesamiento de imágenes y vídeos de alta resolución mediante IA (ComfyUI, entre otros)
• Desarrollo de aplicaciones de IA en el borde (frameworks Isaac, Metropolis, Holoscan)
• Flujos de trabajo de ciencia de datos y aprendizaje automático

※Caso de uso real de MetAI: demostraciones en las oficinas del cliente

En la práctica de nuestra empresa (MetAI LLC), una de las mayores ventajas de NVIDIA DGX Spark es la posibilidad de llevar demostraciones directamente a las oficinas del cliente. A menudo recibimos solicitudes de clientes que quieren probar las herramientas de IA de MetAI en sus propias oficinas, pero las estaciones de trabajo de escritorio tradicionales suelen ser grandes y pesadas, lo que hacía poco práctico transportarlas.

NVIDIA DGX Spark, con apenas 1,2 kg de peso y un cuerpo compacto de 150 mm de lado, puede llevarse directamente en una bolsa hasta las instalaciones del cliente. La configuración in situ se completa en poco tiempo, por lo que las demostraciones y pruebas de IA pueden comenzar de inmediato. Esto permite que los clientes experimenten en tiempo real el rendimiento de la IA durante las reuniones y presentaciones, algo muy bien valorado por ellos.

■ Entorno de prueba

En esta ocasión, probamos la velocidad de procesamiento y el consumo de recursos de un flujo de trabajo creativo de IA con ComfyUI, utilizando el NVIDIA DGX Spark de MSI disponible en nuestra oficina.

■ Método de instalación de ComfyUI

La instalación de ComfyUI en el NVIDIA DGX Spark de MSI requiere un procedimiento especial para la arquitectura Blackwell, distinto al de un entorno Linux habitual. Como no encontramos ninguna solución en el sitio web oficial ni en el soporte técnico, establecimos el siguiente método con la ayuda de IA. Esperamos que resulte útil a quienes se enfrenten al mismo problema.

0. Abrir el símbolo del sistema

‍Desde el símbolo del sistema, acceder a la carpeta de ComfyUI instalada previamente

1. Verificación del sistema

nvidia-smi
nvcc --version
‍

2. Creación de un entorno virtual de Python (se recomienda Python 3.12 o superior)

python3 -m venv comfy_blackwell
source comfy_blackwell/bin/activate
pip install --upgrade pip setuptools wheel

3. Instalación de PyTorch (versión optimizada para Blackwell)

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130

4. Instalación de ComfyUI y sus dependencias

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

5. Inicio con opciones de optimización para GB10

En NVIDIA DGX Spark es importante especificar las opciones --highvram y --fp8_e4m3fn-text-enc:

python main.py --listen 0.0.0.0 --highvram --fp8_e4m3fn-text-enc

💡 Tras el inicio, instale los modelos (checkpoints, LoRA, etc.) y los flujos de trabajo de la forma habitual. Usar ComfyUI Manager resulta muy eficiente.

■ Inicio de las pruebas

Todos los siguientes benchmarks se realizaron en ComfyUI. La "primera ejecución" corresponde al arranque en frío del modelo (incluida la carga inicial), y la "segunda ejecución" es el tiempo tras el precalentamiento.

📊 Importante: dado que DGX Spark utiliza memoria unificada (compartida entre CPU y GPU), la VRAM siempre muestra un 0%. Por ello, el estado del procesamiento se verifica mediante el uso de RAM y GPU.

① Lighting Migration (cambio de iluminación)

Tras el precalentamiento, el proceso mostró una velocidad estable de 43 segundos. Se confirmó un funcionamiento estable con un 88% de uso de GPU y una temperatura de 51 °C. Además, la temperatura fue aproximadamente 20 °C más baja, lo que confirma un funcionamiento silencioso y eficiente en consumo energético.

Luz de fondo

Multiluz

Iluminación desde la izquierda

② Upscale 20x (832×1248 → 16 640×24 960)

Incluso en un procesamiento de resolución extremadamente alta, con un escalado de 20x (resolución final: 16 640 × 24 960 px), la ejecución en caliente tardó solo unos 85 segundos. Gracias a los 128 GB de memoria unificada, el proceso se completa sin errores OOM por falta de VRAM.

③ Imagen fotorrealista (mejora de calidad img2img)

④ Cambio de pose y cámara

‍⑤ Cambio de pose con ControlNet

■ Pruebas de generación de vídeo con IA

① Escalado de 480p a 4K (vídeo)

Enlace al vídeo:https://drive.google.com/file/d/1Zq-hvuYf14rDSDEDM_riWyubBWZiYvvy/view?usp=sharing

El escalado a 4K de un vídeo requiere mucho tiempo debido al enorme volumen de procesamiento, pero gracias a los 128 GB de memoria no se producen bloqueos por falta de VRAM ni siquiera con vídeos de larga duración. Su utilidad para la producción audiovisual y de retransmisión es muy alta.

② Colorización de blanco y negro (vídeo de 17 segundos)

Enlace al vídeo:https://drive.google.com/file/d/1Rb7h_-6546kpukRC16HlQ3hqbyNZ1BL1/view?usp=sharing

La colorización de un vídeo de 17 segundos se procesó en aproximadamente 40 segundos. Una velocidad muy práctica para la restauración de material audiovisual de emisoras y la colorización automática en archivos digitales.

■ Conclusión general
El NVIDIA DGX Spark de MSI abre nuevas posibilidades para los flujos de trabajo creativos de IA al ofrecer "potencia de centro de datos en un formato compacto". Aunque presenta cierta lentitud en el arranque en frío, en ejecución en caliente demuestra un procesamiento rápido y estable, y, sobre todo, al no tener limitaciones de VRAM, permite realizar tareas de procesamiento de vídeo de resolución ultraelevada y larga duración que antes eran imposibles con las GPU convencionales.

Ventajas de NVIDIA DGX Spark

• Los 128 GB de memoria unificada evitan la falta de VRAM (errores OOM)
• Temperatura baja (entre 50 y 65 °C) y funcionamiento muy silencioso (35 dB), ideal para un uso prolongado
• Diseño compacto y de bajo consumo (1,2 kg y 240 W) que facilita su incorporación en la oficina
• Puede transportarse en una bolsa hasta las instalaciones del cliente, permitiendo iniciar demostraciones de IA de inmediato
• Conectando dos unidades, se puede escalar hasta modelos de 405 000 millones de parámetros
• Incluye preinstalada la pila completa de software de IA de NVIDIA

‍Puntos a tener en cuenta

• Debido a que el arranque en frío (carga inicial del modelo) es largo, el uso con varios modelos requiere un diseño con precarga
• La configuración de ComfyUI para Blackwell es compleja y requiere una compilación específica para CUDA 13.0
• La generación de vídeo con IA implica un gran volumen de procesamiento, por lo que cuanto más largo es el vídeo, más tiempo se necesita

En MetAI LLC seguiremos realizando pruebas de flujos de trabajo creativos de IA con NVIDIA DGX Spark, impulsando su implementación en soluciones de IA para emisoras y empresas.