快速阅读：英伟达DGX Spark搭载的GB10芯片实为消费级黑韦尔架构，而非宣传中的数据中心级别，导致大量软件回退到六年前的Ampere代码路径运行。花溢价买CUDA生态，结果CUDA生态根本没准备好。

　　有人花了差不多3万人民币买了台DGX Spark，准备正经做AI研究，一周后决定退货。

　　这台机器的核心问题，一句线架构是消费级黑韦尔，既不是服务器黑韦尔，也不是普通游戏黑韦尔，是一个自己特供的版本。大量软件不支持它，或者被打了补丁，强制跑在六年前的Ampere代码路径上。

　　更讽刺的是，当有人在英伟达官方九游娱乐-官网app论坛追问这个问题时，官方代表给出的解释大意是：因为芯片里塞了光追核心和DLSS算法，所以没空间放完整的张量核心。

　　原帖作者由此推测，这颗GB10芯片原本是为游戏掌机设计的（需要统一内存架构的那种），英伟达临时决定把它包装成AI产品，用来应对苹果和AMD Strix Halo的竞争。有意思的是，英伟达自家另一款产品Jetson Thor，售价与DGX Spark相近，搭载的却是真正的数据中心黑韦尔架构。同样叫“第五代张量核心技术”，实际上差着一代的距离。

　　有网友指出，这个问题比单纯的软件兼容性更深：黑韦尔这个名字现在覆盖了架构差异巨大的好几条产品线，你的CUDA代码在英伟达自家不同产品之间都无法互相移植了。这不是什么小麻烦，这是整个生态碎片化的开始。

　　当然，DGX Spark也有人用得很顺手。有用户表示，用vLLM跑推理，单机可以达到2500 tokens/s的预填充速度，两台通过内置的ConnectX-7网卡直连组成集群后，速度可以进一步提升，还能加载更大的模型。机器背面那个QSFP112接口支持RoCEv2 RDMA，延迟只有1-2微秒，这个规格在这个价位的设备上确实没有竞争对手。

　　问题在于，你为它付出的溢价，本来买的是CUDA生态的成熟度和开箱即用。而现在这两样都没有兑现。

　　有观点认为，拿同等预算在Mac Studio或Strix Halo方向上下注，反而更务实：苹果的统一内存实现是真正打通的，不会出现加载一个ComfyUI模型就把显存用掉两倍的问题；Strix Halo的软件生态虽然同样不完美，但价格差出去的那部分钱可以直接换成更多的云端算力配额。

　　那些真正需要大显存、同时又确实依赖CUDA特定功能的用户，到底应该怎么选，目前恐怕还没有一个干净的答案。

　　英伟达这次干了一件特别“聪明”的蠢事：用游戏芯片冒充AI芯片，把最愿意掏钱的专业用户当韭菜割。这3万块买的不是性能，是信任——“我相信CUDA生态成熟，我相信英伟达专业”。结果呢？光追核心塞进了AI套件，张量核心却被“没空间”挤掉了。

　　护城河这东西，从外面攻很难，从里面挖特别快。当你的产品线自己都互不兼容，当“黑韦尔”这个名字变成了一锅乱炖，你亲手教会了用户一件事：原来CUDA税也可以不交。

　　苹果和AMD应该给这款产品发一面锦旗：感谢友商助攻，生态碎片化从今天开始。