NVIDIA DGX Spark vs Jetson Thor：AI 计算王者之争，谁更适合你的需求？

在人工智能技术日新月异的当下，AI计算平台已成为推动行业创新与突破的核心驱动力。从生成式AI的蓬勃发展到物理AI与机器人技术的深度融合，高性能、低功耗且灵活易用的计算解决方案正成为各领域开发者与研究者的迫切需求。NVIDIA作为全球AI计算的领军者，始终致力于通过技术创新重新定义计算边界，其最新推出的DGX Spark桌面超级电脑（以下简称DGX Spark)与Jetson Thor开发套件（以下简称Jetson Thor)两款产品，正是这一理念的集中体现。

本文旨在通过系统对比两款产品的功能架构、性能参数及应用场景，揭示NVIDIA如何以差异化技术路径满足AI开发的全链条需求。从DGX Spark的"桌面AI民主化"到Jetson Thor的"机器人计算革命"，我们将深入剖析其技术亮点、行业价值及未来趋势，为开发者、企业决策者及AI爱好者提供全面的参考指南。

一、功能对比

NVIDIA DGX Spark

NVIDIA DGX Spark作为一款个人AI计算机，专为构建和运行AI模型而设计，其核心功能集中在AI开发、模型推理及边缘计算领域。该设备支持大语言模型的原型设计、微调和推理，通过统一的内存模型优化性能，实现从桌面到云端基础设施的无缝迁移。DGX Spark预装了NVIDIA AI软件堆栈，包括CUDA-X AI平台、NeMo框架、RAPIDS数据科学加速工具等，为开发者提供了完整的AI开发环境。此外，DGX Spark还支持NVIDIA NIM微服务，使得本地开发的模型可以直接迁移至DGX Cloud或第三方云平台，无需代码修改，极大地简化了开发流程。

GPUS开发者

，赞20

Jetson Thor

Jetson Thor则是一款专为物理AI和机器人领域打造的紧凑型强机。其功能不仅涵盖了AI模型的推理和运行，还深入到了机器人控制、传感器处理等核心领域。Jetson Thor支持从Vision Language Action（VLA）模型到所有流行的LLMs和VLMs等广泛生成式AI模型，为机器人提供了强大的智能支持。通过运行NVIDIA AI软件栈，包括NVIDIA Isaac用于机器人技术、NVIDIA Metropolis用于视觉智能体、NVIDIA Holoscan用于传感器处理，Jetson Thor实现了云到边缘的无缝体验。此外，开发者还可以使用NVIDIA智能体AI工作流程在边缘构建AI代理，进一步拓展了其应用场景。

二、性能对比

1. AI性能

DGX Spark：

-搭载NVIDIA GB10 Grace Blackwell Superchip；

-支持第五代Tensor Core和第四代RT Cores

-提供高达1000 AI TOPS（理论FP4 TOPS，使用稀疏性特性）。

Jetson AGX Thor：

-搭载NVIDIA Blackwell架构GPU，具有2560个核心和96个第五代Tensor Core。

-提供高达2070 FP4 TFLOPS的AI计算能力。

2. CPU性能

DGX Spark：

-20核Arm架构CPU，包括10个Cortex-X925核心和10个Cortex-A725核心。

Jetson AGX Thor：

-14核Arm® Neoverse®-V3AE 64位CPU。

对比：DGX Spark的CPU核心数量更多，且采用了更先进的Arm架构，可能在多线程和并行处理任务上表现更优。

3. 内存与存储

DGX Spark：

-128GB 256位LPDDR5X内存，带宽为273GB/s。

-1或4TB NVMe M.2存储，支持自加密。

Jetson AGX Thor：

-128GB 256位LPDDR5X内存，带宽为273GB/s。

-1TB NVMe +M.2 Key M插槽存储。

4. 视频编码与解码

DGX Spark：未提供具体视频编码与解码性能指标。

Jetson AGX Thor：

-视频编码：支持多种分辨率和编码格式，如6x 4Kp60 (H.265)等。

-视频解码：同样支持多种分辨率和解码格式，如4x 8Kp30 (H.265)等。

-配备了第三代可编程视觉加速器（PVA）、双编码器和解码器、光流加速器等一系列硬件加速器，为机器人视觉、传感器处理等任务提供了强大的支持。

对比：Jetson AGX Thor在视频编码与解码方面提供了更详细和多样的支持，适合需要处理视频流的应用场景。

5. 连接性与扩展性

DGX Spark：

-4x USB TypeC接口。

-1x RJ-45连接器，10 GbE以太网。

-ConnectX-7 Smart NIC支持。

-支持通过ConnectX网络技术连接两台设备，进一步扩展了其计算能力

Jetson AGX Thor：

-广泛的I/O选项，包括QSFP插槽、有线多千兆RJ45连接器、多个USB端口等。

-支持高速传感器融合和复杂系统集成。

对比：两款产品都提供了丰富的连接选项，但Jetson AGX Thor在I/O扩展性和传感器融合方面更为突出。

6. 功耗与尺寸

DGX Spark：功耗未具体说明，但作为桌面级设备，其功耗可能相对较高。尺寸为150mm x 150mm x 50.5mm，重量为1.2kg。

Jetson AGX Thor：功耗范围为40W-130W，具体取决于配置和应用场景。尺寸为243.19 毫米×112.40 毫米×56.88 毫米（高度包含支脚、载板、模块和散热解决方案）

对比：Jetson AGX Thor在功耗方面提供了更灵活的控制，适合对能效有严格要求的应用场景。而DGX Spark作为桌面级设备，可能在功耗和散热方面需要更多的考虑。

三、使用场景对比

NVIDIA DGX Spark

DGX Spark主要面向需要快速迭代AI推理任务的开发者、初创团队、科研机构及高校。其桌面端的紧凑设计和接近数据中心级的性能，使得用户可以在本地环境中快速验证模型原型，无需依赖云端资源，从而降低了开发成本。例如，生成式AI应用（如文本、图像生成）的实时调试、物理模拟、机器人控制等复杂AI模型的训练与推理，都是DGX Spark的典型应用场景。此外，DGX Spark还适用于对敏感数据进行本地化处理的场景，如医疗、金融等领域，满足了隐私合规的要求。

Jetson Thor开发套件

Jetson Thor则更侧重于物理AI和机器人领域的应用。其强大的AI计算性能和丰富的硬件加速器，使得Jetson Thor成为下一代人形机器人的理想平台。通过支持广泛的生成式AI模型，Jetson Thor为机器人提供了强大的智能支持，包括物体识别、动态抓取、场景理解等任务。同时，Jetson Thor还适用于智能空间、零售、工业、医疗等多个行业，通过其无缝的云到边缘体验，加速了解决方案的开发和部署。例如，在工业自动化领域，Jetson Thor可以用于实现机器人的自主导航和精准操作；在医疗领域，则可以用于辅助手术机器人的精准控制。

四、总结与展望

NVIDIA DGX Spark与Jetson Thor作为NVIDIA在AI领域的两款力作，各自在功能、性能和使用场景上展现了独特的优势。DGX Spark以其桌面端的紧凑设计和强大的AI计算能力，为开发者提供了高效的本地化开发环境；而Jetson Thor则凭借其卓越的AI性能和丰富的硬件加速器，成为了物理AI和机器人领域的理想平台。未来，随着AI技术的不断发展和应用场景的持续拓展，这两款产品有望在更多领域发挥重要作用，推动AI创新的边界不断向前延伸。