WAVE Distribution, niemiecki dystrybutor z siedzibą w Linden pod Frankfurtem, poinformował redakcję AIPORT.pl, że NVIDIA DGX Spark Founders Edition jest dostępny w Polsce, a pierwsze oferty detaliczne zaczynają się od około 26 tys. zł brutto. Urządzenie wielkości grubej książki łączy układ GB10 Grace Blackwell ze 128 GB pamięci współdzielonej przez CPU i GPU, co pozwala mieścić lokalnie modele do 200 miliardów parametrów, ale przepustowość tej pamięci wynosi 273 GB/s i to ona decyduje o realnej szybkości pracy.
- NVIDIA DGX Spark Founders Edition jest dostępny w Polsce w dystrybucji WAVE Distribution, a pierwsze oferty detaliczne zaczynają się od około 26 tys. zł brutto – urządzenie oferuje 128 GB zunifikowanej pamięci LPDDR5X o przepustowości 273 GB/s i pozwala lokalnie uruchamiać modele do 200 miliardów parametrów.
- W lutym 2026 roku NVIDIA podniosła cenę sugerowaną DGX Spark Founders Edition z 3999 do 4699 dolarów (o niecałe 18 procent) z powodu ograniczeń w dostawach pamięci, nie wprowadzając żadnych zmian w konfiguracji sprzętowej.
- W testach LMSYS DGX Spark uruchomiony z modelem GPT-OSS 20B osiągnął 49,7 tokena na sekundę w fazie generowania, podczas gdy GeForce RTX 5090 uzyskał 205 tokenów na sekundę – a głównym ograniczeniem jest przepustowość zunifikowanej pamięci LPDDR5X.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
GB10 łączy 20 rdzeni Arm z GPU Blackwell i jedną pulą 128 GB pamięci
Sercem DGX Spark jest NVIDIA GB10 Grace Blackwell Superchip, czyli wielokostkowy układ zaprojektowany przez NVIDIA wspólnie z MediaTekiem. Część procesorowa to 20 rdzeni Arm, dziesięć wydajnościowych Cortex-X925 i dziesięć energooszczędnych Cortex-A725, połączonych z układem graficznym Blackwell przez interfejs NVLink C2C. Nie ma tu podziału na RAM systemowy i VRAM, bo obie strony sięgają do tej samej puli 128 GB LPDDR5X.
Specyfikacja Founders Edition, potwierdzona w materiałach NVIDIA:
- GB10 Grace Blackwell Superchip, 20 rdzeni Arm, GPU Blackwell z rdzeniami Tensor 5. generacji
- 128 GB zunifikowanej pamięci LPDDR5X, przepustowość do 273 GB/s
- do 1 PFLOP wydajności AI w formacie FP4 (przy wykorzystaniu rzadkości)
- 4 TB SSD NVMe M.2 z możliwością szyfrowania
- karta sieciowa ConnectX-7, dwa porty QSFP o łącznej przepustowości 200 Gb/s
- 10 Gigabit Ethernet i Wi-Fi 7
- obudowa 150 × 150 × 50,5 mm, TDP samego układu na poziomie 140 W
- DGX OS oparty na Ubuntu, architektura ARM64, bez wsparcia dla Windowsa
Porty QSFP nie są ozdobnikiem. Dwa połączone DGX Sparki dają 256 GB wspólnej pamięci i według NVIDIA obsługują wnioskowanie na modelach do 405 miliardów parametrów. Sama karta ConnectX-7 stanowi zresztą znaczącą część wartości sprzętu, na co zwracał uwagę serwis ServeTheHome w recenzji urządzenia.
Wąskim gardłem nie jest moc obliczeniowa, tylko przepustowość pamięci
Deklarowany 1 PFLOP w FP4 brzmi imponująco, ale generowanie tokenów przez model językowy jest ograniczone przede wszystkim przepustowością pamięci, a nie surową mocą tensorową. W teście organizacji LMSYS, autorów frameworku SGLang, DGX Spark uruchomiony z modelem GPT-OSS 20B w Ollamie osiągnął 2053 tokeny na sekundę w fazie prefill i 49,7 tokena na sekundę w fazie generowania. Dla porównania GeForce RTX 5090 w tym samym teście dał 8519 i 205 tokenów na sekundę, a więc około czterokrotnie więcej. LMSYS wskazuje wprost, że głównym ograniczeniem jest przepustowość zunifikowanej pamięci LPDDR5X.
To zmienia sens porównania z RTX 5090, które pojawia się w materiale WAVE. Karta RTX 5090 ma 32 GB własnej pamięci VRAM i jest wyraźnie szybsza wszędzie tam, gdzie model się w tych 32 GB mieści. DGX Spark wygrywa tylko wtedy, gdy model po prostu nie ma prawa się tam zmieścić, a przeniesienie go do chmury jest z jakiegoś powodu wykluczone. Producent formułuje to zresztą podobnie, choć ostrożniej.
Warto pamiętać o jeszcze jednym ograniczeniu praktycznym. DGX Spark działa na DGX OS na architekturze ARM64, bez oficjalnego wsparcia dla Windowsa i bez WSL2. Jeśli zespół pracuje na narzędziach wymagających x86, sprzęt nie rozwiąże problemu, tylko go przeniesie.
Rozumiem, dlaczego DGX Spark robi wrażenie. Litrowe pudełko na biurku, 128 GB pamięci, pełny stos CUDA i modele, które jeszcze dwa lata temu wymagały serwerowni. To realna zmiana kategorii sprzętu, a nie marketingowa opowieść.
Ale zanim ktokolwiek podpisze zamówienie, chciałbym, żeby zadał sobie jedno pytanie: czy naprawdę potrzebuje tej maszyny, czy tylko poczucia, że dane zostają u niego. Bo za 26 tys. zł brutto dostajemy sprzęt, który w typowym zadaniu generowania tekstu jest kilkukrotnie wolniejszy od karty graficznej za ułamek tej kwoty. Sensowny scenariusz to prototypowanie na dużych modelach, praca na danych, których nie wolno wysłać do chmury, oraz przygotowanie projektu pod późniejsze przeniesienie na większą infrastrukturę NVIDIA. Nieco gorszy scenariusz to kupienie superkomputera na biurko, który przez większość tygodnia stoi wyłączony.
Sprawdziłem też, co dokładnie jest tu newsem. DGX Spark trafił do globalnej sprzedaży w październiku 2025 roku i polscy resellerzy oferowali go wcześniej. Nowością jest kanał dystrybucji, a nie sam produkt. To rozróżnienie ma znaczenie, bo komunikat dystrybutora zawsze opisuje rynek z perspektywy własnego magazynu.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
NVIDIA podniosła cenę Founders Edition o 700 dolarów z powodu niedoboru pamięci
Cena sugerowana DGX Spark wzrosła w lutym 2026 roku z 3999 do 4699 dolarów, czyli o niecałe 18 procent. NVIDIA ogłosiła zmianę 23 lutego 2026 roku na własnym forum deweloperskim i podała jeden powód.
„Cena sugerowana DGX Spark (Founders Edition) została zmieniona z 3999 na 4699 dolarów z powodu ograniczeń w dostawach pamięci” / „has been adjusted from $3,999 to $4,699 due to memory supply constraints”
Firma zaznaczyła jednocześnie, że nie wprowadziła żadnych zmian w konfiguracji sprzętowej. Kupujący płaci więcej za dokładnie to samo urządzenie. Przyczyną jest globalny niedobór pamięci DRAM i NAND, który uderza w cenę pakietu 128 GB LPDDR5X wlutowanego w GB10. To ten sam kryzys podażowy, który w 2026 roku podniósł ceny w całym segmencie sprzętu komputerowego.
Sama premiera też była opóźniona. Urządzenie pokazano na CES w styczniu 2025 roku pod nazwą Project DIGITS, sprzedaż miała ruszyć w maju, a ruszyła w październiku 2025 roku. Cena startowa była już wtedy o 1000 dolarów wyższa od zapowiadanej.
AMD oferuje tę samą pojemność pamięci taniej, ale bez CUDA
Ryzen AI Halo od AMD kosztuje 3999 dolarów, ma również 128 GB zunifikowanej pamięci LPDDR5X i mieści modele do 200 miliardów parametrów. Przepustowość pamięci wynosi 256 GB/s, a więc jest zbliżona do 273 GB/s w DGX Spark. Różnica dotyczy przede wszystkim ekosystemu: AMD daje architekturę x86 i pełne wsparcie dla Windowsa 11 oraz Linuksa, NVIDIA daje CUDA i ścieżkę migracji do własnych centrów danych.
W testach obraz nie jest jednoznaczny. AMD opublikowało wyniki, według których Ryzen AI Halo kończy pełny przepływ agentowy w 311,6 sekundy wobec 367,1 sekundy dla DGX Spark, czyli o 15 procent szybciej, choć samą fazę wnioskowania wygrywa sprzęt NVIDIA. Decydująca okazała się część liczona na procesorze, głównie osadzenia i routing. Dane pochodzą od producenta konkurencyjnego rozwiązania i tak należy je czytać, ale kierunek potwierdzają niezależne testy: w porównaniach na modelu gpt-oss 120B przewaga DGX Spark w generowaniu tokenów wynosi kilkanaście procent, a nie kilkaset.
Przewagą, której AMD na razie nie ma, pozostaje klaster. Żaden producent maszyn na Strix Halo nie oferuje gotowego zestawu dwóch jednostek z 256 GB wspólnej pamięci.
Polskie firmy wysyłają wrażliwe dane do publicznych modeli, a lokalny sprzęt jest tylko częścią odpowiedzi
Argument o pracy na własnych danych bez wysyłania ich do chmury ma w Polsce mocne oparcie w liczbach. Z raportu „Cyberportret polskiego biznesu 2026”, przygotowanego przez ESET i DAGMA Bezpieczeństwo IT na próbie 1026 osób pracujących przy komputerze co najmniej trzy dni w tygodniu, wynika, że 62 procent pracowników korzysta ze sztucznej inteligencji w obowiązkach służbowych, a niemal co piąty używa autonomicznych agentów. Jednocześnie tylko 27 procent firm spisało zasady korzystania z takich narzędzi, a 10 procent badanych przyznaje, że przekazuje otwartym modelom wrażliwe dane firmowe. Korporacyjne licencje na narzędzia AI ma 38 procent organizacji, systemy DLP lub CASB wdrożyło 25 procent.
Maszyna do lokalnego wnioskowania nie naprawia tego sama z siebie. Jeśli firma nie ma zasad, nie ma kontroli nad danymi i nie ma zatwierdzonego narzędzia, pracownik i tak sięgnie po publiczny czat na prywatnym sprzęcie. Z badania ESET i DAGMA wynika, że 35 procent użytkowników AI próbowałoby obejść firmowe blokady, a 26 procent wygenerowałoby treść na własnym komputerze i wysłało ją na służbową pocztę.
Lokalny sprzęt ma natomiast sens tam, gdzie ograniczenie wynika z przepisów albo z umowy, a nie z ostrożności. Dotyczy to sektora finansowego, ochrony zdrowia, kancelarii prawnych i podmiotów objętych nowelizacją ustawy o krajowym systemie cyberbezpieczeństwa wdrażającą dyrektywę NIS2. W takich organizacjach pytanie nie brzmi, czy model jest szybszy w chmurze, tylko czy dane w ogóle mogą ją opuścić. Dla zespołu, który buduje system RAG na wewnętrznej dokumentacji albo dostraja model do 70 miliardów parametrów na własnym korpusie, jedna maszyna na biurku bywa tańsza i prostsza proceduralnie niż projekt chmurowy z pełną ścieżką zgodności.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Kto stoi za komunikatem
WAVE Distribution działa od 1990 roku, ma siedzibę w Linden w Niemczech i własne centra logistyczne na tamtejszym rynku. Portfolio dystrybutora obejmuje ponad 400 marek, w tym NVIDIA, ASUS, Apple, Intel i Corsair. Firma prowadzi też biuro w Azji. Materiał prasowy przesłał do redakcji Matt Kaluzny z działu rozwoju biznesu WAVE.
To informacja od podmiotu, który zarabia na sprzedaży opisywanego sprzętu, i tak ją traktuję. Dane techniczne i cenowe z komunikatu sprawdziłem w materiałach NVIDIA oraz w niezależnych testach, a porównanie z RTX 5090 uzupełniłem o wyniki, których w notce prasowej nie ma.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału prasowego WAVE Distribution & Computersysteme GmbH przesłanego do redakcji, a także ogłoszenia NVIDIA o zmianie ceny DGX Spark z dnia 23.02.2026, testu DGX Spark opublikowanego przez LMSYS oraz oficjalnej specyfikacji NVIDIA DGX Spark.
Polski kontekst rynkowy oparty na raporcie „Cyberportret polskiego biznesu 2026” ESET i DAGMA Bezpieczeństwo IT, zrealizowanym przez ARC Rynek i Opinia, omówionym przez PurePC.pl.
Do weryfikacji danych technicznych i porównawczych wykorzystano również recenzje ServeTheHome, materiały AMD dotyczące Ryzen AI Halo oraz publikacje Tom’s Hardware i TechPowerUp.
Cytat NVIDIA został zweryfikowany z oryginalnym anglojęzycznym komunikatem na forum deweloperskim producenta.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o dostępności i cenach DGX Spark na polskim rynku.
