NVIDIA DGX Spark完全ガイド｜NemoClaw用デスクトップAIの仕様・価格・導入方法

NVIDIA DGX Sparkとは

NVIDIA DGX SparkはNVIDIAが2025年のGTC（GPU Technology Conference）で発表したデスクトップ型AIコンピュータです。「デスクトップに置けるデータセンター」というコンセプトのもと、これまでラックマウントサーバーが必要だった高性能AI推論をオフィスや研究室の机上で実現します。

DGX SparkはNemoClawのローカル推論（local-nim）プロファイルを動作させるための理想的なハードウェア基盤です。セキュリティ要件からクラウドAPIを使えない組織、低レイテンシが求められる用途、データを社外に出せない業種にとって特に注目されるシステムです。

DGX Sparkのハードウェア仕様

DGX SparkのコアコンポーネントはGB10 Superチップです。GB10 SuperはGrace CPU（Arm Neoverse V2ベース）とBlackwell GPUアーキテクチャを一つのチップに統合したSystem-on-Chip（SoC）で、従来のGPUサーバーと異なりCPUとGPUが巨大な共有メモリプールに直接アクセスできる設計です。

主要スペック一覧

128GB統合メモリがNemoClawにもたらす利点

NemoClawで動作するNIMモデルのサイズ感と128GB統合メモリの対応関係を示します。

上記はあくまで目安であり、量子化（INT4/INT8）の適用・KVキャッシュサイズ・同時リクエスト数によって実際の必要メモリは変動します。量子化を活用することでより大きなモデルを搭載できる可能性があります。

DGX SparkへのNemoClaw設定手順

DGX SparkはNVIDIA Container Toolkit・Docker・Kubernetes（MicroK8s）がプリインストールされたDGX OSを搭載しているため、NemoClawのインストール環境が初期状態から整っています。以下にNemoClawをDGX Spark上で起動するまでの手順の概要を示します。

ステップ1: NVIDIAライセンス確認とNGC設定

# DGX OSへのログイン後、NVIDIAのNGC（NVIDIA GPU Cloud）にログイン
docker login nvcr.io
# プロンプトが表示されたら:
# Username: $oauthtoken
# Password: [NGC APIキー]

# NGC APIキーの取得場所: https://ngc.nvidia.com/setup/api-key
# NemoClawのライセンスが含まれるNVIDIA AI Enterpriseサブスクリプションが必要な見込み

ステップ2: NemoClawコアのインストール

# NemoClawコアのDockerイメージ取得
docker pull nvcr.io/nvidia/nemoclaw:latest

# DGX Spark向け推奨設定でNemoClawを起動
docker run -d \
  --name nemoclaw-core \
  --gpus all \
  --shm-size=64g \
  -p 8080:8080 \
  -v /local/nemoclaw/models:/models \
  -v /local/nemoclaw/blueprints:/blueprints \
  -v /var/log/nemoclaw:/logs \
  nvcr.io/nvidia/nemoclaw:latest

--shm-size=64gは共有メモリサイズです。DGX Sparkの128GB統合メモリを活かすため、使用するモデルサイズに応じて調整してください。

ステップ3: NIMモデルのダウンロードと起動

# Nemotron 3 Nano 30Bモデルのダウンロード
# ※モデルサイズは約60GB。ダウンロード時間は接続速度に依存
docker run -d \
  --name nim-nemotron-30b \
  --gpus all \
  -e NGC_API_KEY="YOUR_NGC_API_KEY" \
  -v /local/nemoclaw/models/nemotron-30b:/opt/nim/.cache \
  -p 8000:8000 \
  nvcr.io/nim/nvidia/nemotron-3-nano-30b-instruct:latest

# 起動確認（モデルロード完了まで数分かかる場合があります）
curl http://localhost:8000/v1/health/ready

ステップ4: blueprint.yamlのDGX Spark向け設定

# DGX Spark向け最適化blueprint.yaml例

agent:
  name: "dgx-spark-agent"
  runtime: "openshell"

inference:
  # DGX Sparkのlocal-nimを使用
  primary_profile: "local-nim"
  endpoint: "http://localhost:8000"    # ローカルNIMエンドポイント
  model: "nemotron-3-nano-30b"

  # DGX Spark向けパフォーマンス最適化
  performance:
    max_concurrent_requests: 8         # 20コアCPUを活かした並列処理
    request_timeout_ms: 30000
    gpu_memory_utilization: 0.85       # 128GBメモリの85%を推論に割り当て

privacy:
  pii_detection: true
  pii_action: "mask"

data:
  external_access: false
  retention_days: 90

audit:
  enabled: true
  log_path: "/logs/agents/"
  include_prompts: false

DGX CloudとのハイブリッドAI構成

DGX Sparkの最大の特徴の一つは、NVIDIAのDGX Cloudと組み合わせたハイブリッドAIアーキテクチャを構築できる点です。オフィスのDGX Sparkで機密データを処理しながら、大規模な推論やファインチューニングはDGX Cloudにオフロードするという使い分けが可能になります。

ハイブリッド構成のユースケース

ハイブリッド構成のblueprint.yaml設定

# DGX Sparkとクラウドのハイブリッド推論設定
agent:
  name: "hybrid-agent"
  runtime: "openshell"

privacy_router:
  enabled: true
  rules:
    # 機密データ・PIIはDGX Sparkでローカル処理
    - condition: "data_classification in [confidential, restricted]"
      inference_profile: "local-nim"
      endpoint: "http://localhost:8000"
      model: "nemotron-3-nano-30b"
    - condition: "pii_detected == true"
      inference_profile: "local-nim"
      endpoint: "http://localhost:8000"
      model: "nemotron-3-nano-30b"
    # 複雑な推論・長文生成はクラウドにオフロード
    - condition: "task_complexity == high"
      inference_profile: "dgx-cloud"
      model: "nemotron-3-super-120b"
    # デフォルトはローカルで処理
    - condition: "default"
      inference_profile: "local-nim"
      endpoint: "http://localhost:8000"
      model: "nemotron-3-nano-30b"

DGX Sparkの価格と調達方法

DGX Sparkの日本での公式価格はGTC 2025発表時点では確定しておらず、正式な発売と同時に発表される見込みです。以下は参考情報として公式発表内容を基に記載しています。購入前に必ずNVIDIAの公式サイトおよび国内代理店で最新の価格・在庫情報を確認してください。

参考価格情報（暫定）

日本国内での調達チャネル

NemoClaw運用における性能特性

DGX SparkでNemoClawを運用する際の性能特性について、公式情報および技術仕様から推測できる傾向を示します。実際のワークロードでの性能測定は製品入手後に行うことを推奨します。

レイテンシとスループットの目安

クラウドAPIとの比較

日本企業のユースケースと導入シナリオ

DGX SparkとNemoClawを組み合わせることで実現できる、日本企業に適したユースケースを紹介します。

金融・法務：高機密データの社内完結処理

金融機関・法律事務所・会計事務所は顧客の機密情報を大量に扱います。クラウドAPIへの送信が法規制・社内規程・顧客との契約で禁止されているケースがあります。DGX Sparkによりこれらの機密データをAIエージェントで処理しながら、データが物理的に社外に出ない環境を構築できます。

想定されるユースケース例：

• 契約書レビューエージェント（条項の問題点検出・類似案件検索）
• 財務報告書の要約・異常値フラグ付け
• コンプライアンス確認・法令チェックの自動化

製造業・研究開発：知財保護とオフライン運用

製造業では設計図・技術仕様・未公開特許情報といった機密技術情報をAIが処理するシナリオがあります。また工場環境や研究室ではインターネット接続が制限されているケースもあります。DGX SparkはスタンドアロンでもNemoClawを完全動作させられるため、オフライン環境での運用が可能です。

想定されるユースケース例：

• 技術文書・マニュアルを参照するRAG型エージェント（オフライン動作）
• 品質検査ログの解析・異常パターン検出
• 実験データの分析・仮説生成支援

医療・ヘルスケア：患者情報の院内完結処理

医療機関では患者の診療情報は要配慮個人情報であり、外部への送信には厳格な制約があります。DGX SparkとNemoClawのlocal-nim構成により、患者情報をAIエージェントで分析しながら院内インフラから外部に一切送信しない設計が実現できます。