NVIDIA DGX Spark已正式向 AI 開發者交付，對于剛入手的全新 DGX Spark，該如何進行初始化設置？本篇文章將引導您完成 DGX Spark 首次設置。在初始設置的過程中，您需要選擇訪問系統的方式，并運行首次設置實用程序來配置所有內容。設置完成后，可以根據喜好選擇不同的方式訪問 DGX Spark。

本期內容包含：

DGX Spark 硬件概述

開箱并連接設備

首次啟動與初始設置

系統信息確認

SSH 命令行遠程登錄

Docker 配置

一、DGX Spark 硬件概述

作為新一代計算機，DGX Spark 以小巧的桌面機形態提供 1 PFLOP AI 性能和 128GB 統一內存，使開發者能夠在本地運行最高 2,000 億參數的 AI 模型推理以及對 700 億參數的模型進行微調。此外，開發者還可通過 DGX Spark 在本地創建 AI 智能體和運行高級軟件堆棧。

DGX Spark 具有以下特點：

基于 NVIDIA GB10 Grace Blackwell 超級芯片構建

NVIDIA Grace CPU 采用?性能 20-core Arm 架構

128 GB 統一尋址系統內存

先進的連接功能，包括支持高性能 NVIDIA Connect-X 網絡技術、 WiFi 7 等

支持高達 200B 參數級別的AI模型（雙 DGX Spark 互聯可支持高達 405B 參數的模型）

小巧的桌面端外形

二、開箱并連接設備

DGX Spark 包含硬件及配件如下：

機器

- 1 臺DGX Spark

配件

- 交流電源線

- 1 個帶 USB-C 插頭的直流電源

- 快速入門指南手冊

硬件連接

DGX Spark 支持兩種使用方式：

顯示器模式：連接顯示器、鍵鼠

無頭模式：通過 SSH 遠程訪問

我們這里選擇使用顯示器模式，按照以下順序連接：

① HDMI 顯示器

② USB 鍵盤和鼠標（開機后，如未檢測到鍵盤或鼠標，系統將提示您將藍牙設備置于配對模式）

④ 電源適配器（只能插入最左側 Type-C 口）

⑤ 按電源鍵開機（如下圖最左側按鈕）

三、首次啟動與初始設置

系統啟動后，連接好的顯示器上將顯示 DGX Spark 自動加載的首次配置向導，引導您完成初始化設置。點擊“Get Started”開始設置，根據屏幕提示一步步完成設置過程即可。

設置流程步驟：

1. 語言和時區選擇

請選擇您偏好的系統語言和時區設置。請注意，輸入框會隨著您的輸入進行篩選。

2. 鍵盤布局選擇（僅限本地設置）

選擇鍵盤布局，僅在設置期間使用顯示器時才會出現此界面。

3. 條款和條件

閱讀并接受條款和條件，然后繼續安裝。

4. 用戶賬戶創建

創建用戶名和密碼，用于系統訪問。

5. 信息共享設置（可選）

配置分析和崩潰報告首選項，此步驟可跳過。

6. Wi-Fi 網絡選擇

選擇 Wi-Fi 網絡，如果已經連接了以太網并接入了互聯網，此步驟將自動跳過。

7. Wi-Fi 密碼

輸入所選 Wi-Fi 網絡的密碼。

8. 軟件下載和安裝

連接網絡后，系統會自動下載并安裝完整的軟件鏡像。此過程可能需要一些時間，系統可能會在完成之前多次重新啟動。

注意：在此過程中請勿關閉或重新啟動系統。下載開始后，安裝無法中斷。

9. 安裝完成

安裝完成后，設備會自動重啟，之后即可正常使用。

四、系統信息確認

系統安裝完成進入桌面后，運行“Ctrl+Alt+T”，打開終端，通過運行相關命令查看系統信息。

- 運行lscpu，查看 CPU 信息：

- 運行free -h，查看內存容量：

- 運行lsblk，查看硬盤容量：

- 運行nvidia-smi，查看 GPU 信息：

- 運行docker -v，查看預安裝的 Docker 版本：

- 運行nvcc -V，查看預安裝的 CUDA 版本：

五、SSH 命令行遠程登錄

DGX Spark 默認可以通過網絡 SSH 從同一網絡上的另一臺計算機連接。

1. 首先，我們在終端輸入 ip a，查看當前 ip 信息。

2. 通過 SSH 工具遠程連接

這里，我們以 FinalShell 為例，首先新建一個 SSH 連接，輸入名稱、主機 IP 地址、端口號（默認是 22）、用戶名以及密碼。

確定之后，出現安全警告提示，點擊“接受并保存”。

之后，即可使用遠程命令行訪問 DGX Spark。

六、Docker 配置

1. NVIDIA Container Runtime

NVIDIA Container Runtime 是一個用于在 Docker 容器中啟用 GPU 加速的關鍵技術，它在 Docker 與 NVIDIA 驅動程序之間建立連接，能夠讓容器直接、高效地調用 DGX Spark 系統中的 GPU 計算資源，從而加速處理 AI / ML 工作負載、CUDA 應用程序以及其他 GPU 加速軟件。

其主要優勢有：

- 容器內無縫訪問 GPU

- 驅動程序與庫的自動管理

- 支持多 GPU 配置

- 與主流的容器編排平臺兼容

NVIDIA Container Runtime 與 NVIDIA Container Toolkit 相結合使用，后者提供了必要的組件，以便為容器化應用動態配置并接入 GPU 設備和 CUDA 庫。

NVIDIA Container Toolkit 在 DGX Spark 系統中已預裝并完成配置，包括：

NVIDIA Container Runtime

與 Docker 的集成

GPU 設備訪問配置

CUDA 庫管理功能

2. 用戶組設置

默認情況下，執行 Docker 命令需要 sudo 權限。現在，將您的用戶添加到 docker 用戶組，即可無需使用 sudo 直接運行 Docker 命令。

執行：

sudousermod -aG docker$USER
newgrp docker

3. Docker 運行測試

接下來，我們進行測試，以驗證是否可以正常調用 GPU 設備和 CUDA 庫。

下載并運行一個 PyTorch 的容器：

dockerrun --rm -it --gpus=all
  -v"$PWD":/workspace
  -w /workspace
  nvcr.io/nvidia/pytorch:25.08-py3

在容器內輸入 nvidia-smi、nvcc-V 等命令，均能獲取正常輸出，即說明 Docker 容器內 GPU 和 CUDA 環境已就緒。

至此，您的 DGX Spark 已配置完成，可立即投入使用，開啟 AI 探索之旅！

更多關于 DGX Spark 的使用指南、測試報告等，將在麗臺科技公眾號持續發布，敬請保持關注！