DIGITS 项目：NVIDIA 进军个人 AI 超级计算领域

当你拥有平台时，你就拥有了体验。这就是苹果在 iPhone 上投入如此多的原因。这也是NVIDIA的目标数字项目，在 CES 2025 上亮相。

Project DIGITS 通过引入紧凑而强大的个人 AI 超级计算机，使高级 AI 计算的访问变得民主化。它旨在让 AI 研究人员、数据科学家、学生甚至业余爱好者能够直接从他们的办公桌上开发、制作原型和微调 AI 模型。虽然专业人士以前可以在本地微调模型，但他们经常受到硬件限制、高成本或可扩展性问题的限制。Project DIGITS 通过以桌面形式提供计算能力消除了这些障碍。

正如 NVIDIA 创始人兼首席执行官黄仁勋所说， 在新闻稿中表示, “AI 将成为各行各业中每一种应用的主流。借助 Project DIGITS，Grace Blackwell 超级芯片将惠及数百万开发者。将 AI 超级计算机放在每一位数据科学家、AI 研究人员和学生的桌子上，将使他们能够参与和塑造 AI 时代。”

DIGITS 项目也是个人计算如何以 VR 设备似乎无法做到的方式推动 AI 融入消费者日常生活的先驱——也许不是现在，但会比我们想象的更快。

DIGITS 项目如何改变人工智能发展

如今，专业人士可以使用配备高性能 GPU 的工作站或通过访问 AWS、Google Cloud 或 Azure 等基于云的平台来开发 AI 模型。但 Project DIGITS 将云平台的可扩展性与本地工作站的便利性相结合。Project DIGITS 的大小与 Mac Mini 相当，它允许用户运行高性能 AI 任务，而无需广泛的基础设施。它为模拟环境或运行大型语言模型等任务提供了强大的处理能力。一次性 3,000 美元的投资可取代持续的云费用，同时提供强大的 AI 功能。

目标受众和应用

Project DIGITS 不适用于日常使用。它旨在：

• AI开发者和研究人员：提供一个不依赖共享服务器资源的训练和测试AI模型的平台。
• 学术：其价格（3,000 美元起）使学术机构和（富裕的）个人学习者都能承受。
• 企业和游戏开发商：它为模拟环境或运行大型语言模型等任务提供了强大的处理能力。

以下是一些展示其实际应用的真实用例：

大型语言模型的原型设计和微调

一家开发专门用于法律援助的聊天机器人的初创公司可以使用 Project DIGITS 来训练和微调具有 2000 亿个参数的大型语言模型 (LLM)。该团队可以在本地制作模型原型，测试其回答复杂法律查询的准确性，然后将其部署到云基础设施进行扩展。这消除了开发阶段对昂贵云资源的需求，从而加快创新速度并降低费用。

机器人和自主系统

设计仓库自动化系统的机器人公司可以使用 DIGITS 来模拟和优化机器人队列的行为。通过在本地运行物理 AI 模型，他们可以实时测试导航算法、对象识别和任务协调。更快的迭代周期使公司能够在实时环境中部署机器人之前提高效率并减少错误。

医学研究和基因组学

从事个性化癌症治疗的医学研究人员可以使用 DIGITS 分析基因组数据并训练 AI 模型，以预测患者对特定疗法的反应。该系统在本地处理大量数据集，从而实现快速实验。这加速了个性化医疗的突破，同时确保敏感数据在本地安全。

使用生成式 AI 进行游戏开发

游戏工作室可以使用 DIGITS 通过生成式 AI 模型创建逼真的非玩家角色 (NPC)。该系统可以训练能够根据玩家互动生成动态对话和逼真动画的模型。开发人员可以快速迭代角色设计和行为，而无需依赖外部计算资源，从而提高创造力和效率。

学术研究与教育

大学 AI 实验室可以开展 DIGITS 项目，教学生如何构建和部署高级机器学习模型。学生可以直接在系统上试验 PyTorch 或 TensorFlow 等框架，获得 AI 技术的实践经验。以可承受的价格获得高性能计算使 AI 教育民主化，为下一代创新者做好准备。

环境监测

环境科学家可以使用 DIGITS 分析卫星图像并训练 AI 模型来检测森林砍伐或追踪野生动物种群。该系统可以在本地处理图像数据，使实地研究人员能够在没有互联网连接的偏远地区工作。实时洞察有助于更快、更准确地识别威胁，从而帮助保护工作。

主要特性和功能

当你深入了解 Project DIGIT 的主要特性和能力时，你就会明白 NVIDIA 希望如何通过一个平台来拥有体验——而且不只是任何平台，而是一个足够强大的平台，可以从服务器手中夺取对 AI 开发的控制权。

Project DIGITS 的核心是 NVIDIA 的 GB10 Grace Blackwell 超级芯片，它将 20 核 Grace CPU 与 Blackwell GPU 结合在一起。该架构以 FP4 精度提供高达 1 petaflops 的 AI 计算性能，使其能够处理具有多达 2000 亿个参数的大规模 AI 模型。当两个单元连接在一起时，它们可以支持具有多达 4050 亿个参数的模型。

每个单元包含 128 GB 的统一内存和高达 4 TB 的 NVMe 闪存存储，确保顺利处理复杂的计算和大型数据集。

该系统运行 NVIDIA 基于 Linux 的 DGX OS，并预装了完整的 NVIDIA AI Enterprise 软件堆栈。其中包括库、框架和编排工具，可与云或数据中心基础设施无缝集成。用户可以在本地制作原型并根据需要扩展其解决方案。

DIGITS 项目能够普及吗？

Project DIGITS 并非面向普通消费者。它的功能（例如管理多达 2000 亿个参数的模型）对于网页浏览或基本生产力等日常任务来说过于强大。目前还不能直接表明这种技术很快就会被普通消费者使用。然而，随着人工智能继续渗透到日常生活的更多方面，它确实代表了朝着这个方向迈出的一步。原因如下：

技术轨迹

从历史上看，GPS 等高性能技术曾经只用于特殊用途，如今已逐渐渗透到消费产品中。同样，随着对支持 AI 的消费设备的需求不断增长，Project DIGITS 的缩小版或简化版可以使高级 AI 计算可用于日常任务。

边缘计算的演进

随着人工智能越来越多地融入智能助手、自动驾驶汽车和个性化娱乐系统等消费设备，对强大的本地边缘计算的需求将会增加。像 Project DIGITS 这样的设备证明了将高性能人工智能功能引入更小、更易访问的格式的可行性。

消费者的潜在用例

尤其是随着创作者经济的兴起和工作的普遍分散化，在日常生活中更常见的用例并不牵强。

例如，业余电影制作人可以使用 DIGITS 通过生成式 AI 处理高质量的视频效果和动画。无需依赖云服务，就可以完成减龄演员、创建虚拟背景或实时编辑素材等任务，从而大幅降低成本并实现更大的创作自由。

健身爱好者可以利用 DIGITS 来个性化他们的健康和保健之旅。通过分析可穿戴设备的生物特征数据，AI 可以生成量身定制的锻炼程序，预测受伤风险并建议营养计划——所有这些都在本地处理，以确保速度和数据安全。

有抱负的游戏设计师可以为朋友和家人创造个性化的游戏体验。使用 DIGITS，他们可以训练 AI 模型来生成独特的故事情节、逼真的角色行为或适应玩家偏好的动态游戏环境，所有这些都可以在桌面系统上顺利运行。

企业家可以利用这些系统的力量来开发人工智能驱动的工具。例如，小企业主可以在他们的桌面上训练和测试客户服务聊天机器人，确保它在扩大规模以进行更广泛的部署之前能够正常工作。这种方法可以减少对外部资源的依赖，同时加速创新。

总结：NVIDIA 为我们展现了未来的一瞥。当消费者逐渐转向更高级的 AI 用途时，NVIDIA 可能就会出现。