NVIDIA官方声明解读：DGX Spark功耗细节全公开，240W总功率如何分配？

导语

近日，NVIDIA官方针对旗下轻量化AI设备DGX Spark的功耗参数发布重要更新，明确整机峰值总功率为240W，并详细拆解了GPU/CPU核心（GB10 SoC）与其他组件的功耗分配逻辑。同时特别提醒：通过nvidia-smi工具监测的功耗仅反映GPU部分，非整机能耗。这一声明对开发者、运维人员理解设备实际负载能力、合理规划能源配置具有重要指导意义。

NVIDIA官方更新：240W总功耗背后的组件分工

NVIDIA在最新声明中明确指出：DGX Spark的整机峰值总系统功率为240W，具体由三大核心模块构成，每一部分的功率设计均经过精密权衡，以确保性能与稳定性的平衡。

1. GB10 SoC（GPU+CPU）：140W TDP，算力核心的“安全线”

作为设备的“大脑”，GB10系统级芯片（SoC）集成了GPU（图形处理器）与CPU（中央处理器），承担了AI推理、训练及数据处理等核心计算任务。其热设计功耗（TDP）为140W——这是芯片在长期稳定运行时允许的最大热功耗阈值，也是散热系统设计的关键依据。

简单来说，140W的TDP意味着GB10 SoC在满负载计算时，功耗不会超过这一数值（实际运行中可能更低），既能保障AI任务的高效处理，又避免了过热导致的性能降级或硬件损伤。

2. 其他关键组件：100W，连接与存储的“隐形支撑”

剩余的100W功耗分配给了除GB10外的必要硬件，包括：

•ConnectX-7网络适配器：高性能网络接口（支持高速以太网或InfiniBand），是设备与外部集群数据交互的“桥梁”，尤其对分布式训练或实时推理场景至关重要；

•SSD固态硬盘：提供高速本地存储，支撑模型参数、训练数据的快速读写；

•USB-C接口预留：支持外接显示器、传感器等扩展设备，增强设备的灵活性与场景适应性。

这些组件虽不直接参与核心计算，但却是保障设备功能完整性的基础，100W的分配体现了“轻量化不减功能”的设计理念。

3. 整机峰值240W：稳定运行的“硬上限”

三者相加的240W峰值总功耗，是DGX Spark在满负载运行时（GB10满血输出+其他组件全速工作）的理论功耗上限。这一数值直接影响电源适配器的规格选择、散热方案设计（如风扇转速、散热片尺寸）以及部署环境的电力承载能力。用户需确保供电系统能稳定提供至少240W的功率，避免因过载引发宕机或性能下降。

重要提醒：nvidia-smi只测GPU功耗！别忽略其他组件

在日常使用中，开发者通常通过NVIDIA官方工具nvidia-smi监测GPU状态，其中显示的“功耗”数值（单位：W）仅对应GPU部分的实时消耗，而非DGX Spark的整机能耗。

举个例子：若nvidia-smi显示GPU功耗为120W，仅代表当前计算负载下GPU芯片的用电量；但如果此时CPU正在处理大量数据预处理任务、ConnectX-7正在进行高速数据传输，整机的实际功耗可能已接近甚至达到240W上限。

这一细节对以下场景尤为关键：

•电源选型：不能仅根据

nvidia-smi的GPU功耗估算总用电需求，必须以240W整机峰值为准；

•能效优化：若发现设备总功耗异常偏高，需排查非GPU组件（如后台进程占用CPU、网络持续高吞吐）是否成为“隐形耗电大户”；

•散热管理：即使GPU功耗未达140W，其他组件的发热叠加也可能影响整机温度，需综合评估散热能力。

读懂官方声明，释放设备真实潜力

对于DGX Spark的用户而言，理解“240W整机峰值=140W GB10 SoC+100W其他组件”的分配逻辑，以及nvidia-smi的监测范围限制，是高效使用设备的第一步。无论是部署在边缘机房、实验室还是移动工作站，只有精准掌握功耗特征，才能在性能、能耗与稳定性之间找到最佳平衡点。

未来，随着轻量化AI设备的普及，类似的“细节透明化”将成为行业趋势——NVIDIA此次主动澄清，正是为了让用户“知其然更知其所以然”，真正释放技术的实用价值。