NVIDIA 的 AI 小電腦值得買嗎?DGX Spark 適合繪圖、聊天和生成影片嗎?


想在自己的電腦上玩 AI 繪圖、跟 AI 聊天,甚至生成影片,看到 NVIDIA 推出小小一台「個人 AI 超級電腦」,很容易心動:是不是買了它,就能不用雲端,想做什麼都自己跑?

這台機器叫 DGX Spark。它確實能執行本機 AI,而且記憶體容量是重要特色。但它不是一台預裝所有 AI 工具、買回家就什麼都能快速完成的娛樂電腦。

本文依 2026 年 10 月 5 日查閱的官方文件與通路價格分析,本站沒有操作過實機,也沒有進行生成速度測試。先說我的結論:一般玩家如果想同時玩繪圖、聊天和影片,我會優先考慮一般 RTX 電腦;Spark 比較有說服力的購買理由,是你明確需要在本機跑很大的模型。

💡重點速覽
  • 容量是特色,不是速度保證:128GB 是 CPU 與 GPU 共用的系統記憶體,不是一張 128GB 的 RTX 5090。
  • 本機聊天最有購買理由:尤其是大型模型、私人資料與長期架設自己的 AI 服務。
  • 繪圖和影片能做,但仍需設定:官方提供 ComfyUI 指南,不代表所有外掛都能直接安裝。
  • 買之前要看最新價格:64GB 新版預定 10 月 23 日上市,US$4,999 起,不能再沿用最初的入門售價。

一、它到底是一台什麼電腦?

DGX Spark 把 NVIDIA GB10 Grace Blackwell 晶片、記憶體、SSD 和 AI 軟體平台放在小型機身裡。華碩、宏碁等品牌也有同平台產品,但它們不是機身、容量和價格都相同的 NVIDIA 原機。

NVIDIA 官方 DGX Spark 外觀圖:金色小型主機放在筆電右側的桌面上
DGX Spark 官方宣傳圖,右側金色小型主機為產品本體;圖中筆電僅為展示搭配,不代表包含在售價內。圖片來源:NVIDIA Newsroom 官方媒體圖庫。圖片版權屬原權利人。

以下整理 NVIDIA 官方規格;合作品牌的實際配置,仍應看個別商品頁。

項目 規格與需要理解的地方
核心晶片 NVIDIA GB10 Grace Blackwell
CPU 20 核心 Arm 處理器
GPU Blackwell 架構,支援 CUDA 與第五代 Tensor Core
記憶體 128GB 統一記憶體;另宣布推出 64GB 版本
記憶體頻寬 273GB/s
儲存 NVMe SSD,容量依版本而異,最高 4TB
作業系統 DGX OS,屬於 Linux 平台
網路 10GbE、Wi-Fi 7、ConnectX-7 高速互連
NVIDIA 原機大小 約 15 × 15 × 5.05 公分,約 1.2 公斤
電源 原機隨附 240W 電源供應器,不代表一直耗電 240W

它的「統一記憶體」,白話就是 CPU 與 GPU 可以使用同一池記憶體,而不是一般電腦那樣,把系統記憶體與顯示記憶體分開。這有利於容納大型模型,但作業系統和其他程式也會占用空間,不能把全部容量都當成模型專用。

二、現在買,要準備多少錢?

NVIDIA 在 2026 年 10 月 2 日宣布新的 64GB DGX Spark,預定 10 月 23 日由宏碁、華碩、戴爾、技嘉、惠普與微星等合作品牌提供,US$4,999 起。截至本文查閱日,它仍是預定上市的配置,不是已經全面買得到的商品。

台灣通路方面,2026 年 10 月 5 日查閱 PChome,華碩 Ascent GX10,128GB 記憶體、1TB SSD,頁面標價為 NT$175,900。這是華碩同平台機型的單一通路報價,不是 NVIDIA 原機的統一售價,也不是本文確認的市場最低價;實際價格與交期以店家為準。

因此,看到舊文章介紹的上市價格,不應直接拿來當現在的預算。這也不是一筆只為了「偶爾玩一下 AI」就容易合理化的支出。

三、128GB 很大,但別把容量當速度

如果模型太大,塞不進顯示記憶體,就可能需要降低精度、把部分工作移到系統記憶體,或換較小的模型。Spark 的大容量,主要是在解決這種「裝不下」的問題。

但「裝得下」和「做得快」是兩回事。

比較項目 DGX Spark 128GB GeForce RTX 5090
記憶體容量 128GB,CPU、GPU 與系統共用 32GB,GPU 專用
記憶體頻寬 273GB/s 1,792GB/s

以上是官方規格比較,不是本站測試。RTX 5090 的 GPU 記憶體傳輸頻寬較高,但不能把頻寬比例直接換算成出圖或聊天速度的比例;實際還要看模型、精度、軟體與工作流程。

宣傳中的「最高 1 PFLOP」也有條件:官方文件指的是 FP4 低精度、搭配稀疏運算的峰值。可以把它理解成特定算法下的運算能力,不是每個繪圖或影片模型都能得到的速度。

我的判斷是,如果你想跑的工作本來就能放進 RTX 顯示卡,Spark 多出來的容量不一定有足夠的使用價值。它不是因為名字叫「超級電腦」,就一定比較適合個人創作。

四、拿來繪圖、聊天和生成影片,差別在哪?

AI 繪圖:能做,但我不會優先為了出圖買它

NVIDIA 有提供 ComfyUI 指南。ComfyUI 是把模型、提示詞與生成步驟串成流程的圖像工具,官方列出 Stable Diffusion、FLUX 等支援範例,所以 Spark 並不是只能執行聊天模型。

問題在於,一般玩家在意的通常是出圖速度、LoRA 和外掛是否容易使用,以及電腦能不能兼顧遊戲、剪片與日常工作。LoRA 可以簡單理解為讓模型學習特定風格或角色的小型附加權重。

如果繪圖流程已能放進一般 RTX 顯示卡,我會優先選一般 RTX 電腦。 這是我對用途與平台的判斷,不是宣稱所有模型在 RTX 上都一定比較快。Spark 比較值得考慮的情況,是你確實需要大型模型或特別吃記憶體的複雜流程。

AI 聊天:這是它比較有吸引力的地方

官方提供 Ollama 與 Open WebUI 指南,可以讓模型在 Spark 上執行,再透過瀏覽器聊天。若整個流程都使用本機模型,不接外部服務,對話不需要交給雲端模型處理。

大容量記憶體在這裡有實際用途:能容納更大的模型,也能為較長的對話與其他工作留下空間。

官方宣稱 128GB 版支援最高約 2,000 億參數模型,新版 64GB 約 1,000 億參數。但實際可用範圍仍取決於模型格式、量化方式與對話長度。量化就是用較少的位元保存模型資料,以減少記憶體需求;不是所有同參數量的模型都能直接套用這個上限。

如果只是日常聊天、問問題,我認為為此買一台十幾萬元的專用機,很難划算。如果你明確想跑大型本機模型、處理不想上傳的資料,或長期架設自己的 AI 服務,Spark 才比較值得列入比較。

AI 影片:容量有幫助,但還是可能需要等

NVIDIA 的 ComfyUI 影片指南列出 Wan、HunyuanVideo 等工作流程,其中特定配置預估的尖峰 GPU 記憶體需求,約為 80GB、100GB 與 120GB。

這不是所有 AI 影片的最低需求,也不是生成速度測試。但它提醒了一件事:128GB 的容量可能有幫助,64GB 卻不能直接照搬這些大型配置。要降低解析度、減少幀數,或改用更省記憶體的流程,仍需要自己調整。

更重要的是,大記憶體不保證生成得快。影片要產生很多畫面,運算時間還是需要考慮。本文沒有同條件的 Spark 與 RTX 生成時間比較,因此不編造「幾秒出圖」或「幾分鐘完成影片」的數字。

如果只是偶爾生成短片,我會先比較雲端服務;如果想大量在本機生成,再針對指定模型與畫質,查同設定的實際效能資料。買硬體也不等於買斷各家雲端影片服務,能在本機使用哪些模型,仍取決於模型是否提供下載與相應授權。

五、它不是普通 Windows 電腦

Spark 使用 Arm CPU 與 Linux,不是一般玩家熟悉的 x86 處理器搭配 Windows。

官方的 ComfyUI 指南也涉及終端機、Python 或 Docker。已有教學不代表完全不用設定,套件、外掛和預先編譯的程式,也要確認是否支援這個平台。不能把 Windows 加 RTX 的安裝步驟全部原封不動搬過去。

如果你的樂趣是研究模型、調整環境,這些不一定是缺點。但如果你只想輸入提示詞、看到成果,就應把設定與維護的時間一起算進購買成本。

六、一般個人玩家,我會怎麼選?

以下是我根據公開規格與操作文件整理的購買看法,不是 NVIDIA 的官方建議,也不是實機評分。

你的主要需求 我的看法
繪圖為主,兼顧遊戲、剪片 優先考慮一般 RTX 電腦,按實際模型需求選顯示記憶體容量
偶爾聊天、出圖或生成短片 先用既有設備,或比較雲端服務,不急著買專用機
明確要跑大型本機聊天模型 Spark 值得列入比較,重點看容量與可接受的回覆速度
研究模型、微調、架設本機 AI 服務 比單純娛樂用途更符合 Spark 的定位

如果你還說不出「哪個模型、哪個流程,現有設備真的裝不下」,我不會建議先花這筆錢。可以先確認自己最常做的是什麼,再決定要花錢買速度、買容量,還是買省事。

總結:值得買的是你需要的能力,不是「超級電腦」這個名稱

DGX Spark 有它的價值:體積小、CUDA 平台、大容量統一記憶體,適合把大型模型與開發工作留在本機。但對一般玩家來說,它不是繪圖、聊天與影片三種用途都最划算的選擇。

我的結論是:三種 AI 都想玩,優先考慮一般 RTX 電腦;明確卡在大型模型的記憶體容量,再考慮 Spark。 如果只是因為它是 NVIDIA 推出的 AI 電腦就想買,理由還不夠。

參考來源

除已列發布或報價日期外,上列資料均於 2026 年 10 月 5 日查閱。首圖為自製示意插畫,不是產品照片。

本文整理自上列公開資料,資料蒐集與整理過程使用 AI 工具輔助。如有錯誤歡迎指正。