⚡ NVIDIA DGX Spark

A Personal AI Workstation · เครื่องเวิร์กสเตชัน AI ส่วนตัว · 个人 AI 工作站

DGX Spark 架构图 — 硬件端口、控制层、Docker 容器和外部服务连接概览
计算节点核心架构概览 · 标签为简体中文

💡 What is the DGX Spark? · DGX Spark คืออะไร · 什么是 DGX Spark?

🇬🇧 English

The NVIDIA DGX Spark is a compact workstation built around the new Grace Blackwell GB10 chip — NVIDIA's first ARM-based AI processor designed for a desk, not a data center.

It runs NVIDIA DGX OS (a customized Ubuntu 24.04) and behaves like a small server you control from your laptop. You don't sit in front of it — you SSH in, open a browser tab, and let it do the heavy lifting.

This page describes the MSI EdgeXpert MS-C931, which is MSI's branded version of the same hardware. NVIDIA designed it; MSI builds the chassis.

🇹🇭 ไทย

NVIDIA DGX Spark คือเวิร์กสเตชันขนาดเล็กที่สร้างขึ้นรอบชิป Grace Blackwell GB10 รุ่นใหม่ ซึ่งเป็นโปรเซสเซอร์ AI ตัวแรกของ NVIDIA ที่ใช้สถาปัตยกรรม ARM ออกแบบมาเพื่อวางบนโต๊ะทำงาน ไม่ใช่ในศูนย์ข้อมูล

เครื่องนี้รัน NVIDIA DGX OS (Ubuntu 24.04 ที่ปรับแต่งเฉพาะ) และทำงานเหมือนเซิร์ฟเวอร์เล็กๆ ที่คุณควบคุมจากแล็ปท็อปของคุณ คุณไม่ต้องนั่งหน้าเครื่อง แค่ SSH เข้าไป เปิดแท็บเบราว์เซอร์ แล้วปล่อยให้มันทำงานหนักไป

หน้านี้อธิบายเครื่อง MSI EdgeXpert MS-C931 ซึ่งเป็นเวอร์ชันแบรนด์ MSI ของฮาร์ดแวร์เดียวกัน NVIDIA เป็นคนออกแบบ ส่วน MSI สร้างเคส

🇨🇳 中文

NVIDIA DGX Spark 是一款紧凑型工作站,搭载全新的 Grace Blackwell GB10 芯片 —— 这是 NVIDIA 首款基于 ARM 架构的 AI 处理器,专为桌面而非数据中心而设计。

它运行 NVIDIA DGX OS(一个定制版的 Ubuntu 24.04),表现得像一台小型服务器,你可以从笔记本电脑控制它。你不需要坐在它面前 —— 只需 SSH 进去,打开浏览器标签页,让它处理繁重的计算工作。

本页介绍的是 MSI EdgeXpert MS-C931,它是 MSI 品牌版的同款硬件。NVIDIA 设计芯片,MSI 制造机箱。

🎯 Who is it for? · ใครควรซื้อ · 谁适合用?

🇬🇧 English

The DGX Spark is for people who want to run large AI models locally — without paying per token to a cloud API, and without the constraints of consumer-grade graphics cards.

  • ✓ AI developers who want to fine-tune open models
  • ✓ Researchers running experiments that wouldn't fit on a single consumer GPU
  • ✓ Anyone tired of waiting on shared cluster time
  • ✓ Builders making AI-powered apps and tools who need a beefy local box for development

It is not a gaming PC, not a general office desktop, and not a replacement for a phone or laptop. It's purpose-built for AI workloads.

🇹🇭 ไทย

DGX Spark เหมาะสำหรับคนที่อยากรันโมเดล AI ขนาดใหญ่บนเครื่องตัวเอง โดยไม่ต้องจ่ายค่าโทเค็นให้คลาวด์ API และไม่ติดข้อจำกัดของกราฟิกการ์ดทั่วไป

  • ✓ นักพัฒนา AI ที่อยากปรับแต่ง (fine-tune) โมเดลโอเพนซอร์ส
  • ✓ นักวิจัยที่ทำงานทดลองซึ่งใส่ในการ์ดจอเดี่ยวไม่ได้
  • ✓ คนที่เบื่อต้องรอคิวใช้คลัสเตอร์ร่วมกับคนอื่น
  • ✓ นักพัฒนาแอปและเครื่องมือ AI ที่ต้องการเครื่องในมือเพื่อใช้พัฒนาเอง

มันไม่ใช่เครื่องสำหรับเล่นเกม ไม่ใช่คอมพิวเตอร์ออฟฟิศทั่วไป และไม่ใช่ของแทนที่โทรศัพท์หรือแล็ปท็อป — มันถูกออกแบบมาเพื่อภาระงาน AI โดยเฉพาะ

🇨🇳 中文

DGX Spark 适合想在本地运行大型 AI 模型的人 —— 不用按 token 付费给云 API,也不受消费级显卡的限制。

  • ✓ 想要微调开源模型的 AI 开发者
  • ✓ 单张消费级 GPU 装不下的实验场景下的研究人员
  • ✓ 厌倦了排队共享集群时间的人
  • ✓ 制作 AI 应用和工具、需要一台强悍本地机器做开发的人

不是游戏 PC,不是普通办公桌面机,也不是手机或笔记本电脑的替代品 —— 它是为 AI 工作负载专门打造的。

🐧 The operating system · ระบบปฏิบัติการ · 操作系统

🇬🇧 English

The Spark ships with NVIDIA DGX OS, which is essentially Ubuntu 24.04 LTS wrapped with NVIDIA's software stack. If you've used Ubuntu before, almost everything feels familiar — apt, systemd, GNOME, bash. What NVIDIA adds on top:

  • • Pre-installed NVIDIA drivers matched to the GB10 silicon
  • CUDA toolkit + cuDNN, NCCL, and other GPU libraries
  • NVIDIA Container Toolkit so Docker containers can see the GPU with one flag (--gpus=all)
  • DGX Dashboard — a web GUI for system monitoring and firmware updates
  • Data Center GPU Manager and other diagnostics tuned for the hardware
  • • Kernel + network stack tweaks for AI workloads

In practice: you SSH in, run apt commands like any Ubuntu box, but you also get nvidia-smi, nvidia-ctk, fwupdmgr, and a stack of NVIDIA-blessed containers and models a single command away.

🇹🇭 ไทย

Spark มาพร้อมกับ NVIDIA DGX OS ซึ่งโดยพื้นฐานคือ Ubuntu 24.04 LTS ที่ห่อหุ้มด้วยซอฟต์แวร์สแต็กของ NVIDIA ถ้าคุณเคยใช้ Ubuntu มาก่อน เกือบทุกอย่างจะคุ้นเคย — apt, systemd, GNOME, bash สิ่งที่ NVIDIA เพิ่มเข้ามาด้านบน:

  • ไดรเวอร์ NVIDIA ที่ติดตั้งไว้แล้ว เข้ากันได้กับชิป GB10
  • CUDA toolkit + cuDNN, NCCL และไลบรารี GPU อื่นๆ
  • NVIDIA Container Toolkit ทำให้คอนเทนเนอร์ Docker เห็น GPU ได้ด้วยแฟล็กเดียว (--gpus=all)
  • DGX Dashboard เว็บ GUI สำหรับมอนิเตอร์ระบบและอัปเดตเฟิร์มแวร์
  • Data Center GPU Manager และเครื่องมือวินิจฉัยอื่นๆ ที่ปรับมาให้เข้ากับฮาร์ดแวร์
  • • ปรับเคอร์เนลและเน็ตเวิร์กสแต็กให้เหมาะกับงาน AI

ในทางปฏิบัติ: คุณ SSH เข้าไป รันคำสั่ง apt เหมือนเครื่อง Ubuntu ทั่วไป แต่ยังได้ nvidia-smi, nvidia-ctk, fwupdmgr และคอนเทนเนอร์/โมเดลที่ NVIDIA รับรองอีกเพียบ ห่างแค่คำสั่งเดียว

🇨🇳 中文

Spark 出厂搭载 NVIDIA DGX OS,它本质上是 Ubuntu 24.04 LTS 加上 NVIDIA 的软件栈。如果你用过 Ubuntu,几乎一切都会感到熟悉 —— aptsystemd、GNOME、bash。NVIDIA 在它之上添加了:

  • • 与 GB10 芯片匹配的预装 NVIDIA 驱动
  • CUDA 工具包 + cuDNN、NCCL 等 GPU 库
  • NVIDIA Container Toolkit,让 Docker 容器只需一个 flag (--gpus=all) 就能访问 GPU
  • DGX Dashboard —— 用于系统监控和固件更新的 Web GUI
  • Data Center GPU Manager 等针对该硬件优化的诊断工具
  • • 针对 AI 工作负载优化的内核和网络栈

实际使用中:你 SSH 进去,运行 apt 命令就像在任何 Ubuntu 机器上一样,但同时拥有 nvidia-sminvidia-ctkfwupdmgr,以及一大堆 NVIDIA 认证的容器和模型,都只需一条命令就能调用。

Open WebUI · ComfyUI · Ollama · JupyterLab your apps
Docker + NVIDIA Container Toolkit runtime
CUDA toolkit · NCCL · drivers · DGX Dashboard · fwupdmgr NVIDIA layer
Ubuntu 24.04 LTS (kernel, apt, systemd, GNOME) base OS
NVIDIA GB10 — Grace CPU (ARM64) + Blackwell GPU + unified memory hardware

🔌 What's on the box · ที่พอร์ตด้านหลัง · 接口一览

A small device the size of a hardback book, with everything you need to talk to it and chain it to another one. เครื่องขนาดเล็กเท่าหนังสือปกแข็ง พร้อมพอร์ตทุกอย่างที่จำเป็นทั้งสำหรับสั่งงานและต่อพ่วงกับเครื่องอีกตัว 机器只有一本精装书大小,但具备控制它和与另一台 Spark 连接所需的全部接口。

🖥️

HDMI 2.1

1× output

For first-boot setup with a TV or monitor. Once SSH is configured, you may never plug a screen in again. สำหรับติดตั้งครั้งแรกด้วยทีวีหรือจอ พอตั้งค่า SSH เสร็จแล้ว คุณอาจไม่ต้องเสียบจออีกเลย 用于通过电视或显示器进行首次开机设置。SSH 配置好之后,你可能再也不用接屏幕了。

USB-C 20Gbps

3× ports

No USB-A on the device. A USB-C-to-USB-A adapter (~$5) is required for any standard keyboard or mouse. เครื่องไม่มี USB-A เลย ต้องมีอแดปเตอร์ USB-C เป็น USB-A (ประมาณ 5 USD) จึงจะใช้คีย์บอร์ดหรือเมาส์ทั่วไปได้ 机器没有 USB-A 接口。要接普通键盘或鼠标,需要一个 USB-C 转 USB-A 转接头(约 5 美元)。

🌐

10 GbE RJ-45

Wired Ethernet

Standard wired networking. Auto-DHCP joins your home router instantly with no configuration. เน็ตเวิร์กสายมาตรฐาน DHCP อัตโนมัติเข้าเราเตอร์บ้านได้ทันที ไม่ต้องตั้งค่าอะไร 标准有线网络。自动 DHCP 立即连入你家的路由器,无需配置。

📡

Wi-Fi + Bluetooth

Built-in

Onboard Wi-Fi and Bluetooth radios. Wi-Fi credentials are added via the first-boot wizard or nmcli over SSH. วิทยุ Wi-Fi และ Bluetooth ในตัว ใส่รหัส Wi-Fi ได้จากตัวช่วยติดตั้งครั้งแรก หรือผ่าน nmcli ทาง SSH 内置 Wi-Fi 和蓝牙。Wi-Fi 凭据可通过首次启动向导添加,或通过 SSH 用 nmcli 配置。

🔗

200 Gbps QSFP

CX7 cluster link

Connect two Sparks with an approved CX7 DAC cable for multi-node training and inference via NCCL. ใช้สาย CX7 DAC ที่รองรับ ต่อ Spark สองเครื่องเข้าด้วยกัน เพื่อเทรนและรันโมเดลข้ามโหนดผ่าน NCCL 用经过认证的 CX7 DAC 线缆连接两台 Spark,通过 NCCL 实现多节点训练和推理。

🔋

Power

240W brick · 48V/5A

Compact external power supply. Don't substitute — the device is designed around this specific brick. อแดปเตอร์ภายนอกขนาดกะทัดรัด อย่าใช้ตัวอื่นแทน — เครื่องถูกออกแบบมาให้ใช้กับอแดปเตอร์ตัวนี้โดยเฉพาะ 紧凑型外部电源适配器。不要替换 —— 机器就是按这个适配器的规格设计的。

🎛️ How do you control it? · ควบคุมยังไง · 如何控制?

The Spark has no built-in screen of its own. You drive it from a laptop or desktop through one of several layers. Spark ไม่มีจอในตัว คุณต้องสั่งงานมันจากแล็ปท็อปหรือเดสก์ท็อปผ่านหลายชั้นทางเลือก Spark 自身没有屏幕。你需要从笔记本或台式机通过下面几种方式之一来控制它。

🔐

SSH (terminal)

when you want raw control

The simplest path. From your laptop's terminal, ssh user@spark.local drops you onto its command line. Set up an ed25519 key once and password prompts disappear forever. วิธีที่ง่ายที่สุด จากเทอร์มินัลบนแล็ปท็อป ssh user@spark.local ก็เข้าคอมมานด์ไลน์ของเครื่องได้เลย ตั้งคีย์ ed25519 ครั้งเดียวก็ไม่ต้องใส่พาสเวิร์ดอีก 最简单的方式。在笔记本的终端里运行 ssh user@spark.local 就能进入它的命令行。配置一次 ed25519 密钥后就再也不用输密码了。

🧩

NVIDIA Sync (tray app)

one-click experience

NVIDIA's companion app for Windows/macOS/Linux. Auto-manages SSH tunnels, integrates with VSCode/Cursor, opens the DGX Dashboard and other web UIs with a single click. แอปเสริมของ NVIDIA สำหรับ Windows/macOS/Linux จัดการ SSH tunnel ให้อัตโนมัติ เชื่อมกับ VSCode/Cursor และเปิด DGX Dashboard หรือเว็บอื่นๆ ได้ด้วยคลิกเดียว NVIDIA 的 Windows/macOS/Linux 配套应用。自动管理 SSH 隧道,集成 VSCode/Cursor,一键打开 DGX Dashboard 等 Web 界面。

📊

DGX Dashboard (web)

system overview

A built-in web dashboard at port 11000. Real-time GPU metrics, firmware update controls, and an integrated JupyterLab for notebook-driven work. เว็บแดชบอร์ดในตัวที่พอร์ต 11000 ดูสถิติ GPU แบบเรียลไทม์ อัปเดตเฟิร์มแวร์ และมี JupyterLab ในตัวสำหรับงานแบบโน้ตบุ๊ก 内置的 Web 仪表板,端口 11000。提供实时 GPU 指标、固件更新控制,并集成了 JupyterLab 用于基于 notebook 的工作。

💬

Open WebUI (chat)

talk to local LLMs

An open-source ChatGPT-style web interface that runs locally on the Spark. Pulls models from Ollama, supports document uploads with retrieval, and exposes admin controls for model management. เว็บอินเทอร์เฟซโอเพนซอร์สสไตล์ ChatGPT ที่รันบน Spark ดึงโมเดลจาก Ollama รองรับการอัปโหลดเอกสารพร้อมระบบค้นคืน และมีหน้าจอแอดมินจัดการโมเดล 一个开源的 ChatGPT 风格 Web 界面,在 Spark 上本地运行。可从 Ollama 拉取模型,支持文档上传与检索,并提供模型管理的管理员控制台。

📦 What can it run? · รันอะไรได้ · 能跑什么?

🇬🇧 English

The Spark's killer feature is unified memory: the CPU and GPU share the same address space. That lets you load models that wouldn't fit on a standard consumer GPU.

  • Local LLMs — Llama 3.3 70B, Qwen 2.5 Coder, Mistral, Gemma, and most open-weight models via Ollama
  • Image generation — FLUX.1, SDXL, and other diffusion models via ComfyUI
  • Video generation — CogVideoX, LTX-Video, HunyuanVideo, also in ComfyUI
  • Talking-head avatars — MuseTalk, SadTalker for self-hosted lip-sync
  • Fine-tuning — LoRA / QLoRA training runs that finish in hours, not days
  • Containers — anything from NVIDIA's NGC registry (nvcr.io) — PyTorch, TensorFlow, Triton, RAPIDS, etc., pre-tuned for Grace Blackwell

🇹🇭 ไทย

ฟีเจอร์เด็ดของ Spark คือ หน่วยความจำรวม (unified memory): CPU และ GPU ใช้พื้นที่หน่วยความจำเดียวกัน นั่นทำให้คุณโหลดโมเดลที่ใส่ในกราฟิกการ์ดทั่วไปไม่ได้

  • LLM ภายในเครื่อง — Llama 3.3 70B, Qwen 2.5 Coder, Mistral, Gemma และโมเดลโอเพนซอร์สส่วนใหญ่ผ่าน Ollama
  • สร้างภาพ — FLUX.1, SDXL และโมเดล diffusion อื่นๆ ผ่าน ComfyUI
  • สร้างวิดีโอ — CogVideoX, LTX-Video, HunyuanVideo ก็ใน ComfyUI เช่นกัน
  • อวตารพูดได้ (talking-head) — MuseTalk, SadTalker สำหรับซิงค์ปากที่โฮสต์เอง
  • ปรับแต่งโมเดล (fine-tuning) — รัน LoRA / QLoRA ใช้เวลาเป็นชั่วโมง ไม่ใช่เป็นวัน
  • คอนเทนเนอร์ — อะไรก็ได้จาก NGC ของ NVIDIA (nvcr.io) เช่น PyTorch, TensorFlow, Triton, RAPIDS ฯลฯ ปรับแต่งมาสำหรับ Grace Blackwell

🇨🇳 中文

Spark 的杀手级特性是统一内存 (unified memory):CPU 和 GPU 共享同一地址空间。这让你能加载消费级 GPU 装不下的模型。

  • 本地 LLM —— Llama 3.3 70B、Qwen 2.5 Coder、Mistral、Gemma 等大多数开源权重模型,通过 Ollama 运行
  • 图像生成 —— FLUX.1、SDXL 等扩散模型,通过 ComfyUI 运行
  • 视频生成 —— CogVideoX、LTX-Video、HunyuanVideo,同样在 ComfyUI 中
  • 数字人 / 对口型 —— MuseTalk、SadTalker,用于自托管的唇形同步
  • 微调训练 —— LoRA / QLoRA 训练,几小时完成而不是几天
  • 容器 —— 任何来自 NVIDIA NGC 仓库 (nvcr.io) 的镜像,如 PyTorch、TensorFlow、Triton、RAPIDS 等,都为 Grace Blackwell 预优化

⚡ DGX Spark — unified memory ⚡ DGX Spark — หน่วยความจำรวม ⚡ DGX Spark — 统一内存

CPU + GPU share one large pool
(model + activations + working data, all together)
CPU + GPU ใช้พูลหน่วยความจำขนาดใหญ่ร่วมกัน
(โมเดล + activations + ข้อมูลทำงาน อยู่รวมกันหมด)
CPU + GPU 共享一个大池
(模型 + 激活值 + 工作数据,全部放在一起)

🎮 Consumer GPU — split memory 🎮 กราฟิกการ์ดทั่วไป — หน่วยความจำแยก 🎮 消费级 GPU — 分离式内存

CPU RAM (system memory) RAM ของ CPU (หน่วยความจำระบบ) CPU 内存 (系统内存)
⇅ PCIe bus (bottleneck) ⇅ บัส PCIe (คอขวด) ⇅ PCIe 总线 (瓶颈)
GPU VRAM (12–24 GB ceiling) VRAM ของ GPU (จำกัด 12–24 GB) GPU 显存 (上限 12–24 GB)

🌍 How it connects to the world · เชื่อมต่อยังไง · 如何与外界连接

A typical session has data flowing through several layers. Here's the path: เซสชันทั่วไป ข้อมูลจะไหลผ่านหลายชั้น เส้นทางเป็นแบบนี้: 一次典型的会话,数据会流经多个层级。路径如下:

👤 You
(laptop)
👤 คุณ
(แล็ปท็อป)
👤 你
(笔记本)
🔐 SSH / HTTPS
(over Wi-Fi or Ethernet)
🔐 SSH / HTTPS
(ผ่าน Wi-Fi หรืออีเทอร์เน็ต)
🔐 SSH / HTTPS
(通过 Wi-Fi 或以太网)
⚡ DGX Spark
(at home)
⚡ DGX Spark
(ที่บ้าน)
⚡ DGX Spark
(在家中)
🐳 Docker container
(Open WebUI / ComfyUI / etc.)
🐳 คอนเทนเนอร์ Docker
(Open WebUI / ComfyUI ฯลฯ)
🐳 Docker 容器
(Open WebUI / ComfyUI 等)
🚀 GB10 GPU
(does the math)
🚀 GB10 GPU
(ทำการคำนวณ)
🚀 GB10 GPU
(执行计算)

For models and containers, the Spark reaches out to NVIDIA's services: สำหรับโมเดลและคอนเทนเนอร์ Spark จะติดต่อกับบริการของ NVIDIA: 在拉取模型和容器时,Spark 会连接 NVIDIA 的服务:

⚡ Spark
📦 NGC (nvcr.io)
containers + models
📦 NGC (nvcr.io)
คอนเทนเนอร์ + โมเดล
📦 NGC (nvcr.io)
容器 + 模型
⚡ Spark
🌐 integrate.api.nvidia.com
hosted LLM inference
🌐 integrate.api.nvidia.com
API LLM ที่โฮสต์โดย NVIDIA
🌐 integrate.api.nvidia.com
NVIDIA 托管的 LLM 推理
⚡ Spark
🤗 Hugging Face Hub
open-weight models + datasets
🤗 Hugging Face Hub
โมเดลโอเพนซอร์ส + ชุดข้อมูล
🤗 Hugging Face Hub
开源权重模型 + 数据集

⚖️ How it compares · เปรียบเทียบกับทางเลือกอื่น · 与其他方案对比

⚡ DGX Spark ⚡ DGX Spark ⚡ DGX Spark

Memory model โครงสร้างหน่วยความจำ 内存架构 Unified CPU+GPU รวม CPU+GPU CPU+GPU 统一
Cost shape รูปแบบค่าใช้จ่าย 成本结构 Up-front, then free จ่ายครั้งเดียว แล้วฟรี 一次性付费,之后免费
Latency ความหน่วง 延迟 Local, low ในเครื่อง ต่ำ 本地,低
Privacy ความเป็นส่วนตัว 隐私 Your hardware ฮาร์ดแวร์ของคุณ 你自己的硬件
Power การใช้ไฟ 功耗 240 W from a wall outlet 240 วัตต์จากปลั๊กบ้าน 240 瓦,普通插座即可

☁️ Cloud GPU (rented) ☁️ Cloud GPU (เช่า) ☁️ 云端 GPU (租用)

Memory model โครงสร้างหน่วยความจำ 内存架构 Discrete GPU VRAM VRAM ของการ์ดจอแยก 独立 GPU 显存
Cost shape รูปแบบค่าใช้จ่าย 成本结构 Per-hour, per-token คิดเป็นชั่วโมง / ต่อโทเค็น 按小时 / 按 token 收费
Latency ความหน่วง 延迟 Network-dependent ขึ้นอยู่กับเครือข่าย 依赖网络
Privacy ความเป็นส่วนตัว 隐私 Provider's hardware ฮาร์ดแวร์ของผู้ให้บริการ 服务商的硬件
Power การใช้ไฟ 功耗 Someone else's data center ในศูนย์ข้อมูลคนอื่น 在别人的数据中心

🎮 Consumer GPU (RTX) 🎮 กราฟิกการ์ดทั่วไป (RTX) 🎮 消费级 GPU (RTX)

Memory model โครงสร้างหน่วยความจำ 内存架构 12-24 GB VRAM ceiling VRAM จำกัด 12-24 GB 显存上限 12-24 GB
Cost shape รูปแบบค่าใช้จ่าย 成本结构 Up-front, plus PC build จ่ายครั้งเดียว + ประกอบคอม 一次性付费 + 装机费
Latency ความหน่วง 延迟 Local, very low ในเครื่อง ต่ำมาก 本地,极低
Privacy ความเป็นส่วนตัว 隐私 Your hardware ฮาร์ดแวร์ของคุณ 你自己的硬件
Power การใช้ไฟ 功耗 500-800 W under load 500-800 วัตต์เมื่อทำงานหนัก 满载 500-800 瓦

📚 Further reading · อ่านเพิ่มเติม · 延伸阅读

  • 🛠️ DGX Spark Field Notesa developer debugging playbook — the real arm64 + Blackwell gotchas (containers, GPU access, Tailscale, Windows→Spark) with symptom, cause, and fix คู่มือแก้บั๊กสำหรับนักพัฒนา — ปัญหาจริงของ arm64 + Blackwell (คอนเทนเนอร์, การเข้าถึง GPU, Tailscale, Windows→Spark) พร้อมอาการ สาเหตุ และวิธีแก้ 面向开发者的调试手册 —— arm64 + Blackwell 的真实坑(容器、GPU 访问、Tailscale、Windows→Spark),附症状、原因和解决方法
  • 🎬 Spark Avatarlive demo — type text or ask a question, watch June lip-sync the answer (Ollama + Piper TTS + Wav2Lip, all on the Spark) เดโมสด — พิมพ์ข้อความหรือถามคำถาม ดู June ลิปซิงค์คำตอบ (Ollama + Piper TTS + Wav2Lip ทั้งหมดบน Spark) 在线演示 — 输入文字或提问,看 June 对口型回答(Ollama + Piper TTS + Wav2Lip,全在 Spark 上)
  • 📄 MSI EdgeXpert MS-C931 user guidethe official 45-page PDF (English) คู่มือผู้ใช้ทางการ 45 หน้า (PDF ภาษาอังกฤษ) 官方 45 页 PDF 用户手册(英文)
  • 🏗️ build.nvidia.com/sparkNVIDIA's developer portal with one-click playbooks (Open WebUI, vLLM, ComfyUI, etc.) พอร์ทัลนักพัฒนาของ NVIDIA พร้อม playbook ติดตั้งด้วยคลิกเดียว (Open WebUI, vLLM, ComfyUI ฯลฯ) NVIDIA 开发者门户,提供一键 playbook (Open WebUI、vLLM、ComfyUI 等)
  • 📦 NGC — NVIDIA GPU Cloudcontainer and model registry รีจิสทรีของคอนเทนเนอร์และโมเดล 容器与模型注册表
  • 🔑 NGC Personal API Keysrequired for docker login nvcr.io and NVIDIA Sync จำเป็นต้องใช้สำหรับ docker login nvcr.io และ NVIDIA Sync 使用 docker login nvcr.io 和 NVIDIA Sync 时所必需