엔비디아 DGX 스파크 64GB 추천 — 4,999달러·10월 23일 출시, 128GB 모델과 뭐가 다른가 (2026.10.22)
노트북이나 작은 데스크톱에서 70B급 모델을 직접 돌리려는 분들이라면, 요즘 가장 자주 비교하는 이름이 엔비디아 DGX 스파크일 겁니다. 그런데 이 제품이 128GB 하나로만 판매되던 흐름이 깨졌습니다. 엔비디아가 64GB 구성을 추가하고, GTC 베를린 2026 기조연설에서 “10월 23일부터 파트너사를 통해 판매한다”고 못 박았습니다.
DGX 스파크는 손바닥 크기 안에 GB10 슈퍼칩을 넣은 데스크톱형 AI 시스템입니다 (출처: NVIDIA 공식 제품 페이지)
📌 한줄 요약: DGX 스파크 64GB는 GB10 그레이스 블랙웰 슈퍼칩과 1페타플롭 FP4 성능을 그대로 유지하면서 통합 메모리만 128GB → 64GB로 줄인 모델입니다. 가격은 4,999달러부터(에이서·에이수스·델·기가바이트·HP·MSI), 판매 시작은 10월 23일입니다. 메모리가 절반인데도 128GB 모델의 원래 출시가(2,999달러)보다 비싸다는 점, 2대를 묶으면 128GB·최대 8대까지 클러스터가 가능하다는 점이 핵심입니다. “모델을 로컬에서 굴리는 개발자”가 아니면 살 이유가 거의 없는 물건입니다.
1. GTC 베를린에서 정리된 ‘로컬 AI’ 라인업
10월 21일(현지시간) 베를린 템포드롬에서 열린 젠슨 황 엔비디아 CEO의 기조연설은 데이터센터(AI 팩토리) 이야기가 대부분이었지만, 개인 개발자에게 직접 와닿는 발표도 한 묶음 나왔습니다. 엔비디아는 이 자리에서 자사 로컬 AI 하드웨어 3종의 역할을 이렇게 구분했습니다.
| 라인업 | 대상 | 운영체제 | 핵심 |
|---|---|---|---|
| RTX 스파크 | 윈도우 PC 사용자·크리에이터 | 윈도우 11 | 개인 에이전트, 1440p 100fps 게이밍 |
| DGX 스파크 | 개발자·소규모 팀 | DGX OS(Linux) | 모델 개발·검증·추론 |
| DGX 스테이션 | 기업·연구팀 | Linux (12월 윈도우 버전) | 프런티어급 워크로드 |
여기서 새로 추가된 것이 DGX 스파크 64GB입니다. 엔비디아 공식 블로그는 이 모델이 10월 23일(금)부터 파트너사를 통해 순차 출하되며, 단일 시스템으로 네모트론 3.5 볼트 74B(24GB), Qwen3.8 27B, Gemma 4 26B-A4B 같은 모델을 돌릴 수 있다고 설명했습니다. 최대 1,000억(100B) 파라미터 모델까지 커버한다는 것이 엔비디아의 주장입니다.
GTC 베를린 2026은 10월 20~22일 사흘간 열렸고, 젠슨 황 CEO의 기조연설은 21일 진행됐습니다 (출처: NVIDIA 공식 블로그)
2. 스펙 — 128GB 모델과 ‘메모리’만 다릅니다
엔비디아 공식 제품 페이지의 사양표를 보면 두 모델의 차이는 정확히 한 줄입니다.
| 항목 | DGX 스파크 (공통) |
|---|---|
| 슈퍼칩 | GB10 그레이스 블랙웰 |
| CPU | Arm 20코어 (Cortex-X925 10 + Cortex-A725 10) |
| GPU | 블랙웰 아키텍처, 5세대 텐서 코어, 4세대 RT 코어 |
| AI 성능 | 최대 1 페타플롭 FP4 |
| 시스템 메모리 | 64GB 또는 128GB LPDDR5X, 코히런트 통합 메모리 |
| 메모리 인터페이스 | 256비트 |
| 메모리 대역폭 | 273GB/s |
| 저장장치 | 최대 4TB NVMe M.2 (자체 암호화) |
| 네트워킹 | ConnectX-7 200Gb/s, 10GbE 1포트 |
| 무선 | Wi-Fi 7, 블루투스 5.4 |
| 포트 | USB-C 4개, HDMI |
즉 64GB 모델은 “연산은 그대로, 그릇만 절반” 입니다. 여기서 반드시 짚어야 할 부분이 있습니다. 메모리 인터페이스가 256비트로 동일하기 때문에 대역폭도 273GB/s로 같습니다. 통합 메모리 대역폭은 토큰 생성 속도를 좌우하는 핵심 수치인데, 이 값은 128GB 모델과 차이가 없습니다.
DGX 스파크 실물. 150×150mm 남짓한 정사각형 섀시에 전원과 네트워크만 연결해 쓰는 구조입니다 (출처: Wikimedia Commons, dllu, CC BY-SA 4.0)
바꿔 말하면 이렇습니다.
- 64GB로 충분한 모델을 돌린다면, 128GB 모델과 속도는 사실상 같습니다.
- 모델이 64GB를 넘어가면 128GB 모델만 할 수 있는 일이 생깁니다(양자화 없이 큰 모델을 통째로 올리는 경우).
- 대신 가격은 64GB 쪽이 더 비쌉니다. 여기가 이 제품의 가장 논쟁적인 지점입니다.
3. 가격이 거꾸로 갔습니다 — 4,999달러의 의미
DGX 스파크 128GB는 2025년 2,999달러로 등장했습니다. 그런데 2026년 AI발 메모리 수요 폭증으로 LPDDR5X 가격이 뛰면서, 현재 파트너 판매가는 4,699달러 안팎까지 올라갔다는 보도가 여러 매체에서 나왔습니다. 그런데 이번에 나온 64GB 모델의 시작가가 4,999달러입니다.
정리하면 이 구조입니다.
| 모델 | 메모리 | 가격(미국 기준) | 비고 |
|---|---|---|---|
| DGX 스파크 128GB | 128GB LPDDR5X | 출시가 2,999달러 → 현재 4,699달러 수준(보도) | 파운더스 에디션 |
| DGX 스파크 64GB | 64GB LPDDR5X | 4,999달러부터 | OEM 전용, 10월 23일 |
| DGX 스테이션 | 748GB 코히런트 | MSI 게시가 8만 5,000달러 수준 | GB300, 20PF FP4 |
“메모리가 절반인데 왜 더 비싼가”라는 의문이 자연스럽게 나옵니다. 외신들도 이 점을 그대로 지적했습니다. 해석은 두 갈래입니다.
- 메모리 원가가 이미 올라간 상태에서 출발한 가격이라는 것. 128GB 모델의 2,999달러는 메모리 폭등 이전에 책정된 값이고, 지금 시장가(4,699달러)와 비교하면 64GB의 4,999달러도 “완전히 터무니없는 수준은 아니다”는 논리입니다.
- OEM 판매 전용이라 가격이 통제되지 않는다는 것. 엔비디아는 64GB 모델을 자체 파운더스 에디션으로 팔지 않고 에이서·에이수스·델·기가바이트·HP·MSI에 맡겼습니다. 구성(SSD 용량, 케이스, 지원 정책)에 따라 가격이 더 올라갈 수 있습니다.
솔직히 말하면, “저렴해진 입문 모델”이 아니라 “공급이 어려워진 시대의 재편된 가격표” 에 가깝습니다. 64GB 모델의 존재 이유는 가격 인하가 아니라, 128GB 물량이 부족한 상황에서 라인을 유지하기 위한 SKU로 읽는 편이 자연스럽습니다.
4. 2대 묶으면 128GB — 클러스터 활용법
DGX 스파크의 진짜 강점은 여전히 확장입니다. 후면의 ConnectX-7 포트(QSFP)로 두 대를 직접 연결하면 메모리가 합쳐져 128GB 풀로 동작합니다. 엔비디아가 Qwen 3.8 27B로 진행한 자체 테스트에서는 2대 구성이 단일 시스템 대비 최대 1.7배 성능을 냈다고 밝혔습니다.
후면에는 ConnectX-7(QSFP) 포트와 10GbE, USB-C, HDMI가 배치됩니다. 2대 직결의 통로가 이 ConnectX-7입니다 (출처: Wikimedia Commons, dllu, CC BY-SA 4.0)
여기에 이번 GTC에서 함께 발표된 NVIDIA Sync 클러스터 어시스턴트 업데이트가 중요합니다. 이 도구는 연결된 시스템을 자동으로 탐색하고, 구성 검증과 ConnectX-7 네트워크 셋업까지 처리합니다. 엔비디아 블로그 설명에 따르면 수동 구성 기준으로 최대 8대까지 클러스터를 묶을 수 있습니다(공식 제품 페이지는 “최대 4대”로 안내하므로, 문서별 표현 차이는 구매 전 확인이 필요합니다).
실무적으로 이 확장성이 의미하는 바는 이렇습니다.
- 1대(64GB): 30B급 모델 + 긴 컨텍스트, 소규모 에이전트 1~2개
- 2대(128GB): 70B급 모델을 양자화 없이, 또는 100B급까지 시야 확보
- 4~8대: 팀 단위 공유 추론 백엔드, 동시 에이전트 다수 운영
작은 팀이 한 대의 클러스터를 백엔드로 두고 각자 개발 환경을 붙이는 구성이 엔비디아가 그리는 그림입니다. 다만 4대 이상은 전력·발열·랙 공간·스위칭을 함께 고려해야 하므로, 책상 위 제품이라기보다 미니 랙 프로젝트에 가까워집니다.
5. 라인업 비교 — 노트북, 64GB, 128GB, 스테이션
같은 이름의 ‘스파크’가 붙어 혼동하기 쉬운데, 선택 기준은 명확합니다.
| 구분 | RTX 스파크 노트북 | DGX 스파크 64GB | DGX 스파크 128GB | DGX 스테이션(GB300) |
|---|---|---|---|---|
| 폼팩터 | 15~16인치 노트북 | 데스크톱 미니 | 데스크톱 미니 | 데스크사이드 워크스테이션 |
| OS | 윈도우 11 | DGX OS(Linux) | DGX OS(Linux) | Linux (12월 윈도우) |
| 메모리 | 최대 128GB 통합 | 64GB | 128GB | 748GB 코히런트 |
| AI 성능 | 최대 1PF FP4 | 최대 1PF FP4 | 최대 1PF FP4 | 최대 20PF FP4 |
| 대역폭 | 273GB/s | 273GB/s | 273GB/s | GPU 7.1TB/s |
| 가격 | 2,599달러부터 | 4,999달러부터 | 4,699달러 수준(보도) | 8만 5,000달러 수준(MSI) |
| 이동성 | 높음 | 낮음(거치형) | 낮음 | 없음 |
읽는 포인트는 세 가지입니다.
- 윈도우에서 쓰고 싶다면 RTX 스파크 노트북입니다. DGX 스파크는 DGX OS 기반이라 윈도우 앱·게임용이 아닙니다.
- 64GB와 128GB의 차이는 용량뿐입니다. 연산·대역폭이 같으니 “속도 때문에 128GB”를 고르는 건 의미가 없습니다.
- 1,000억 파라미터를 넘어서는 모델을 다룬다면 스파크 라인이 아니라 DGX 스테이션 영역입니다. 대신 가격이 17배 수준으로 뛰고, 전력·냉각 요구도 완전히 달라집니다.
6. 장점 — 이런 점은 분명히 매력적입니다
- CUDA 생태계 그대로: 파이토치, vLLM, llama.cpp, 텐서RT가 그대로 돕니다. 맥이나 윈도우에서 겪는 백엔드 호환성 문제가 없습니다.
- 전력 대비 성능: 소비전력이 낮은 LPDDR5X 기반이라, 책상 위에서 조용히 돌아가는 수준의 발열입니다. 서버 GPU를 들여놓을 수 없는 공간에서 현실적인 선택지입니다.
- 검증된 소프트웨어 스택: DGX OS와 엔비디아 AI 소프트웨어가 사전 설치되고, 10월 업데이트로 Wi-Fi 어시스턴트와 DGX 스파크 스킬이 추가됩니다. 네모트론·GLM·딥시크·Qwen·미니맥스·FLUX.3에 대한 데이-0 지원도 명시됐습니다.
- 확장성: 2대 직결로 128GB, 최대 8대 클러스터까지. 필요할 때 조금씩 늘리는 방식이 가능합니다.
- 에이전트 상시 운영: 데이터가 외부로 나가지 않는 로컬 추론 환경을 만들 수 있습니다. 사내 코드·문서를 다루는 에이전트라면 이 점이 결정적입니다.
7. 단점 — 이건 반드시 알고 사야 합니다
- 대역폭 273GB/s의 벽: 애플 M5 맥스(약 546GB/s)의 절반 수준입니다. 모델이 메모리에 들어가도 토큰이 빠르게 나오지 않는 구간이 생깁니다. “돌아간다”와 “빠르다”는 다른 이야기입니다.
- 가격 정합성: 메모리가 절반인 신형이 128GB 모델의 원래 출시가보다 비쌉니다. 같은 예산이면 중고 128GB나 경쟁 제품(라이젠 AI 맥스+ 395 계열, 맥 스튜디오)을 먼저 비교해야 합니다.
- OEM 편차: 파운더스 에디션이 없어 SSD 용량·보증·펌웨어 지원이 벤더마다 다릅니다. 상세 페이지 확인이 필수입니다.
- 리눅스 전용: 윈도우 앱, 게임, 어도비 계열은 사실상 포기해야 합니다. 별도 PC가 필요합니다.
- 초기 소프트웨어 성숙도: 클러스터 기능(최대 4대 vs 8대)처럼 문서 간 표현이 엇갈리는 부분이 있어, 실제 구성 전에 릴리스 노트를 확인하는 편이 안전합니다.
- 국내 출시·가격 미정: 10월 23일 판매는 미국 기준 파트너 라인업입니다. 국내 정식 판매 일정과 가격은 공식 발표가 필요합니다.
8. 그래서 누가 사야 할까
사야 하는 경우
- 30~70B급 모델을 양자화 최소화 상태로 로컬에서 반복 실험하는 개발자
- 사내 데이터를 외부로 보내지 않고 에이전트를 상시 운영하려는 소규모 팀
- CUDA 기반 추론 파이프라인을 클라우드 비용 없이 검증하려는 경우
- 2대 직결로 128GB를 구성해 단계적으로 확장할 계획이 있는 경우
피해야 하는 경우
- 윈도우에서 게임·영상편집·문서작업을 함께 하려는 분 (RTX 스파크 노트북이나 일반 데스크톱이 맞습니다)
- 모델을 주로 API로 호출하는 분 (로컬 추론의 이점이 거의 없습니다)
- 1,000억 파라미터 이상 모델을 상시 돌려야 하는 팀 (스테이션급 예산이 필요합니다)
- 단순 챗봇·요약 용도 (같은 예산의 미니 PC·맥으로 충분합니다)
9. 구매 전 체크리스트
- 모델이 64GB에 들어가는지 먼저 계산하세요. FP4/INT4 양자화 기준으로 파라미터 수 × 0.5~0.7GB, 컨텍스트 길이와 KV 캐시까지 더해야 합니다. 100B 모델은 “이론상”이고, 실제로는 30~70B 구간이 현실적입니다.
- 벤더별 구성 차이를 확인하세요. SSD 4TB인지, 보증 기간이 어떻게 되는지, 펌웨어 업데이트 주기가 공개돼 있는지가 실제 사용 만족도를 가릅니다.
- 2대 구성 예산을 미리 잡아두세요. 64GB 두 대면 128GB가 되지만, 가격도 두 배입니다. 처음부터 128GB 모델을 사는 것과 비교해 보세요.
- 전력·소음·네트워크를 확인하세요. 10GbE와 ConnectX-7을 살리려면 스위치 구성이 필요합니다.
- 환율을 반영하세요. 4,999달러는 환율 1,400~1,440원 기준 약 700만~720만 원입니다. 여기에 관세·부가세·유통 마진이 붙습니다.
솔직히 이 제품은 “싸진 DGX 스파크”가 아니라 “메모리가 귀해진 시대의 64GB 모델” 입니다. 성능이 궁금해서가 아니라 모델이 64GB 안에 들어오고, CUDA로 로컬 추론을 검증해야 하는 분에게는 여전히 대안이 마땅치 않습니다. 반대로 그 조건에 해당하지 않는다면, 같은 돈으로 128GB 구성이나 다른 플랫폼을 먼저 따져보는 편이 낫습니다. 가성비 좋은 AI PC를 찾는 분께는 권하지 않고, “책상 위에서 모델을 직접 굴려야 하는 분” 에게만 추천합니다.