В этом разборе
Несколько Spark добавляют общую ёмкость; приложение определяет разделение, репликацию и обмен между отдельными расположениями памяти.
Соединение двух DGX Spark добавляет распределённую ёмкость, а не единую локальную шину памяти. Октябрьский помощник кластера уменьшает трудность настройки, сохраняя физическое различие локального когерентного доступа и обмена между машинами. Удобство подключения не меняет того, где расположены данные и каким путём приложение получает доступ к нужному состоянию.
Сеть входила в исходный контекст
Объявление Spark 18 марта 2025 года представило персональную AI-систему и сетевой контекст. Статья о поставке 13 октября 2025 года затем документировала начало поставок исходного варианта с 128 ГБ. Это отдельные этапы появления платформы и её фактического вывода на рынок.
Этапы важны потому, что кластеризация не является поздним открытием существования сети. Последующее изменение относится к доступности многомашинного процесса. Аппаратная связность и пригодное распределённое приложение являются связанными, но различными достижениями. Можно иметь соединённые машины без приложения, которое действительно использует их совместно в одном вычислении или полезно разделяет между ними запросы.
Что добавил октябрь
Публикация 2 октября 2026 года представила партнёрскую конфигурацию с 64 ГБ и Sync Cluster Assistant для соединения систем. Контекст GB10 и ConnectX сохранился. Помощник направляет настройку, не меняя базового расположения памяти и физических свойств доступа к ней из локального либо удалённого исполнения приложения.
Процесс с локальной памятью и распределённое вычисление с передачей данных проходят разные пути. Сумма ёмкости нескольких систем описывает общий инвентарь, но не устанавливает единое выделение с локальными свойствами доступа для каждого приложения. Общее количество памяти и способ её использования должны оставаться отдельными записями даже при простой настройке соединения.
Распределённой модели нужен план размещения
Представим модель, разделённую между машинами. Приложение должно определить расположение работы и состояния, а также содержимое обмена по межсистемному каналу. Другая стратегия запускает независимые реплики, используя дополнительную машину для другого потока запросов. Оба варианта увеличивают возможности, но по-разному меняют путь одного запроса и ресурсный бюджет его исполнителя.
Это условные способы использования нескольких систем. Ни один автоматически не следует из подключения сети. Первый создаёт коммуникационные зависимости внутри запроса; второй меняет общую ёмкость сервиса при отдельных бюджетах каждой реплики. Поэтому оценка должна называть стратегию приложения, а не только наличие работающего соединения и сумму памяти двух машин.
Артефакт топологии делает различие видимым
| Величина | Значение |
|---|---|
| Локальная память | Ёмкость локального исполнения одной системы |
| Общая память | Сумма соединённого инвентаря |
| Путь обмена | Канал передачи распределённого состояния |
| Размещение приложения | Фактическая стратегия разделения или репликации |
Таблица не превращает суммарную память в доказательство локального размещения модели. Она предотвращает и обратную ошибку — отрицание распределённой ёмкости из-за отсутствия локальности. Значим вопрос поддержки полезного размещения нагрузкой на выбранной топологии. Именно он определяет смысл соединения для приложения, независимо от удобства процедуры его первоначальной настройки.
Причинная интерпретация
Исходная платформа дала системы и сеть, помощник уменьшил барьер процесса. Это облегчает эксперимент без устранения стоимости обмена или интеграции приложения. Универсального коэффициента масштабирования из объявления не следует. Материалы смешанный парк GPU и пропускная способность памяти LLM объясняют учёт ресурсов и значение пути доступа, сохраняя пользу кластеризации без называния машин одной локальной памятью.