[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:figure:ru":3,"public-menus:all":45,"post:what-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split:ru":531,"related:post:what-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split:ru:1":1593},{"statusCode":4,"data":5,"message":44},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":14,"robotsIndex":15,"socialLinks":14,"reservedSlugs":14,"seoPolicy":16},"figure","ru","en","https:\u002F\u002Ffigure.rocks","info@stajic.de","Figure Rocks","\u002Ffavicon-32x32.png","",null,true,{"branding":17,"relatedContent":18,"crossDomainLinks":19},{"logoUrl":12},{"enabled":15},[20,23,26,29,32,35,38,41],{"url":21,"label":22,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":24,"label":25,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fstajic.de","stajic.de",{"url":27,"label":28,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fbazify.com","bazify.com",{"url":30,"label":31,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fbazify.de","bazify.de",{"url":33,"label":34,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002F2mesta.com","2mesta.com",{"url":36,"label":37,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002F2mesta.de","2mesta.de",{"url":39,"label":40,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fbazify.at","bazify.at",{"url":42,"label":43,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fweb-hoch3.de","web-hoch3.de","Portal settings resolved",[46],{"id":47,"name":48,"location":49,"isActive":15,"isDefault":15,"items":50},2,"Main Menu","sidebar",[51,65,189,282,358,424],{"id":52,"title":53,"url":61,"target":62,"icon":63,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":64},"1",{"de":54,"en":55,"es":56,"fr":57,"it":55,"ru":58,"sr":59,"zh":60},"Startseite","Home","Inicio","Accueil","Главная","Početna","首页","\u002F","_self","i-lucide-home",[],{"id":66,"title":67,"url":76,"target":62,"icon":77,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":78},"3",{"de":68,"en":69,"es":70,"fr":71,"it":72,"ru":73,"sr":74,"zh":75},"Spiele","Games","Juegos","Jeux","Giochi","Игры","Igre","游戏","\u002Fgames","i-lucide-gamepad-2",[79,92,107,121,135,148,162,176],{"id":80,"title":81,"url":76,"target":62,"icon":90,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":91},"3-1",{"de":82,"en":83,"es":84,"fr":85,"it":86,"ru":87,"sr":88,"zh":89},"Spiele-Hub","Games Hub","Centro de juegos","Hub de jeux","Hub Giochi","Игровой центр","Centar za igre","游戏中心","i-lucide-layout-grid",[],{"id":93,"title":94,"url":103,"target":62,"icon":104,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":106},"1-1",{"de":95,"en":96,"es":97,"fr":98,"it":99,"ru":100,"sr":101,"zh":102},"Neu & Angesagt","New & Trending","Novedades & Tendencias","Nouveautés & Tendances","Novità & Tendenze","Новинки & тренды","Novo & Popularno","新品 & 热门","\u002Fnews\u002Fgaming-news","i-lucide-sparkles","custom",[],{"id":108,"title":109,"url":118,"target":62,"icon":119,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":120},"1-2",{"de":110,"en":111,"es":112,"fr":113,"it":114,"ru":115,"sr":116,"zh":117},"Angebote","Deals","Ofertas","Offres","Offerte","Акции","Ponude","优惠","\u002Fdeals","i-lucide-badge-percent",[],{"id":122,"title":123,"url":132,"target":62,"icon":133,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":134},"1-3",{"de":124,"en":125,"es":126,"fr":127,"it":128,"ru":129,"sr":130,"zh":131},"Release-Kalender","Release Calendar","Calendario de lanzamientos","Calendrier des sorties","Calendario delle uscite","Календарь релизов","Kalendar izdanja","发布日历","\u002Freleases","i-lucide-calendar-days",[],{"id":136,"title":137,"url":145,"target":62,"icon":146,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":147},"3-2",{"de":138,"en":139,"es":140,"fr":141,"it":142,"sr":143,"zh":144},"amiibo-kompatible Spiele","amiibo-Compatible Games","Juegos compatibles con Amiibo","Jeux compatibles Amiibo","Giochi compatibili con amiibo","Amiibo kompatibilne igre","Amiibo 兼容游戏","\u002Freference\u002Fcompatibility","i-lucide-check-circle-2",[],{"id":149,"title":150,"url":159,"target":62,"icon":160,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":161},"3-3",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Wie amiibo funktionieren","How amiibo work","Cómo funcionan los Amiibo","Comment fonctionnent les Amiibo","Come funzionano gli Amiibo","Как работают Amiibo","Kako Amiibo rade","Amiibo 如何运作","\u002Fgames\u002Fhow-amiibo-unlocks-work","i-lucide-puzzle",[],{"id":163,"title":164,"url":173,"target":62,"icon":174,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":175},"3-4",{"de":165,"en":166,"es":167,"fr":168,"it":169,"ru":170,"sr":171,"zh":172},"Beste Amiibo pro Spiel","Best amiibo per Game","Mejores Amiibo por juego","Meilleurs Amiibo par jeu","Migliori Amiibo per gioco","Лучшие Amiibo по играм","Najbolji Amiibo po igri","各游戏最佳 Amiibo","\u002Fgames\u002Fbest-amiibo-per-game","i-lucide-award",[],{"id":177,"title":178,"url":186,"target":62,"icon":187,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":188},"3-5",{"de":179,"en":180,"es":181,"fr":182,"it":183,"ru":184,"sr":185},"Freischaltbares & Belohnungen","Unlockables & Rewards","Desbloqueables & Recompensas","Déblocables & Récompenses","Sbloccabili & Ricompense","Разблокировки & награды","Otključavanja & nagrade","\u002Fgames\u002Funlocks-and-benefits","i-lucide-gift",[],{"id":190,"title":191,"url":199,"target":62,"icon":200,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":201},"4",{"de":192,"en":193,"es":194,"it":195,"ru":196,"sr":197,"zh":198},"Sammeln","Collecting","Coleccionismo","Collezionismo","Коллекционирование","Kolekcionarstvo","收藏","\u002Fcollecting","i-lucide-gem",[202,213,227,240,254,268],{"id":203,"title":204,"url":211,"target":62,"icon":90,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":212},"4-1",{"de":205,"en":206,"fr":207,"it":208,"ru":209,"zh":210},"Sammel-Hub","Collecting Hub","Hub de collecte","Hub di raccolta","Центр сбора","收藏中心","\u002Famiibo\u002Fcollecting",[],{"id":214,"title":215,"url":224,"target":62,"icon":225,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":226},"4-2",{"de":216,"en":217,"es":218,"fr":219,"it":220,"ru":221,"sr":222,"zh":223},"Kaufberatung","Buying Guide","Guía de compra","Guide d'achat","Guida all'acquisto","Гид покупателя","Vodič za kupovinu","购买指南","\u002Famiibo-library\u002Famiibo-buying-smart","i-lucide-shopping-bag",[],{"id":228,"title":229,"url":237,"target":62,"icon":238,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":239},"4-3",{"de":230,"en":230,"es":231,"fr":232,"it":233,"ru":234,"sr":235,"zh":236},"Fake vs Real","Falso vs. Real","Faux vs Vrai","Falso vs Vero","Фейк vs Оригинал","Lažno vs Pravo","真假对比","\u002Famiibo-library\u002Famiibo-buying-smart\u002Favoid-fake-listings","i-lucide-scan",[],{"id":241,"title":242,"url":251,"target":62,"icon":252,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":253},"4-4",{"de":243,"en":244,"es":245,"fr":246,"it":247,"ru":248,"sr":249,"zh":250},"Aufbewahrung & Präsentation","Storage & Display","Almacenamiento & exhibición","Rangement & Présentation","Contenitori & Esposizione","Хранение & витрины","Odlaganje & izlaganje","存储 & 展示","\u002Famiibo-library\u002Famiibo-care-and-storage","i-lucide-box",[],{"id":255,"title":256,"url":265,"target":62,"icon":266,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":267},"4-5",{"de":257,"en":258,"es":259,"fr":260,"it":261,"ru":262,"sr":263,"zh":264},"Preisübersicht","Price Guide","Guía de precios","Guide des prix","Guida ai prezzi","Гид по ценам","Cenovnik","价格指南","\u002Fcollections\u002Fprice-guide","i-lucide-bar-chart-3",[],{"id":269,"title":270,"url":279,"target":62,"icon":280,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":281},"4-6",{"de":271,"en":272,"es":273,"fr":274,"it":275,"ru":276,"sr":277,"zh":278},"Raritäten","Rare Finds","Hallazgos únicos","Trouvailles rares","Pezzi rari","Редкие находки","Retki nalazi","稀有发现","\u002Fcollections\u002Frare-and-notable","i-lucide-trophy",[],{"id":283,"title":284,"url":292,"target":62,"icon":293,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":294},"5",{"de":285,"en":286,"es":287,"fr":286,"it":288,"ru":289,"sr":290,"zh":291},"Technik","Tech","Tecnología","Tecnologia","Технологии","Tehnologija","科技","\u002Ftech","i-lucide-cpu",[295,306,318,331,344],{"id":296,"title":297,"url":292,"target":62,"icon":90,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":305},"5-1",{"de":298,"en":298,"es":299,"fr":300,"it":301,"ru":302,"sr":303,"zh":304},"Tech Hub","Centro tecnológico","Hub Tech","Hub Tecnologico","Технохаб","Tehnološki centar","科技中心",[],{"id":307,"title":308,"url":315,"target":62,"icon":316,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":317},"5-2",{"de":309,"en":310,"fr":311,"it":312,"ru":313,"zh":314},"Audio- & Mikrofonqualität","Audio & Mic Quality","Qualité audio & micro","Qualità audio & mic","Качество звука & микрофона","音频 & 麦克风质量","\u002Fgear\u002Faudio","i-lucide-mic",[],{"id":319,"title":320,"url":328,"target":62,"icon":329,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":330},"5-3",{"de":321,"en":322,"es":323,"fr":324,"it":325,"sr":326,"zh":327},"Controller & Zubehör","Controllers & Accessories","Mandos & accesorios","Manettes & accessoires","Controller & Accessori","Kontroleri & dodatna oprema","控制器 & 配件","\u002Fgear\u002Fcontrols","i-lucide-joystick",[],{"id":332,"title":333,"url":341,"target":62,"icon":342,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":343},"5-4",{"de":334,"en":335,"es":336,"fr":337,"it":338,"ru":339,"sr":340},"Displays & Aufnahme","Displays & Capture","Pantallas & Captura","Écrans & Capture","Display & Acquisizione","Дисплеи & Захват","Ekrani & snimanje","\u002Fgear\u002Fdisplays","i-lucide-monitor",[],{"id":345,"title":346,"url":355,"target":62,"icon":356,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":357},"5-5",{"de":347,"en":348,"es":349,"fr":350,"it":351,"ru":352,"sr":353,"zh":354},"Netzwerkstabilität","Network Stability","Estabilidad de la red","Stabilité du réseau","Stabilità della rete","Стабильность сети","Stabilnost mreže","网络稳定性","\u002Fplaybooks\u002Fnetwork-stability","i-lucide-wifi",[],{"id":359,"title":360,"url":368,"target":62,"icon":369,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":370},"6",{"de":361,"en":361,"es":362,"fr":363,"it":364,"ru":365,"sr":366,"zh":367},"Shop","Tienda","Boutique","Negozio","Магазин","Prodavnica","商店","\u002Fshop","i-lucide-shopping-cart",[371,383,391,399,412],{"id":372,"title":373,"url":368,"target":62,"icon":381,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":382},"6-1",{"de":374,"en":375,"es":376,"fr":377,"ru":378,"sr":379,"zh":380},"Shop-Hub","Shop Hub","Centro de compras","Espace Boutique","Центр магазина","Centar za kupovinu","购物中心","i-lucide-store",[],{"id":384,"title":385,"url":388,"target":62,"icon":389,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":390},"6-2",{"de":386,"en":386,"es":387,"fr":387,"it":387,"sr":387,"zh":387},"amiibo","Amiibo","\u002Famiibo-shop","i-lucide-scan-line",[],{"id":392,"title":393,"url":396,"target":62,"icon":397,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":398},"6-3",{"de":394,"en":394,"es":394,"fr":394,"it":394,"ru":394,"sr":394,"zh":395},"LEGO","乐高","\u002Flego-shop","i-lucide-blocks",[],{"id":400,"title":401,"url":409,"target":62,"icon":410,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":411},"6-4",{"de":402,"en":403,"es":404,"fr":405,"it":406,"sr":407,"zh":408},"Figuren & Sammlerstücke","Figures & Collectibles","Figuras & Coleccionables","Figurines & Objets de collection","Figure & Collezionismo","Figure & kolekcionarstvo","手办 & 收藏品","\u002Fshop\u002Ffigures","i-lucide-package",[],{"id":413,"title":414,"url":421,"target":62,"icon":422,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":423},"6-5",{"de":415,"en":415,"fr":416,"it":417,"ru":418,"sr":419,"zh":420},"Gaming Gear","Équipement gaming","Accessori gaming","Игровое снаряжение","Gejming oprema","游戏装备","\u002Fgaming-gear-shop","i-lucide-headphones",[],{"id":425,"title":426,"url":427,"target":62,"icon":389,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":428},"2",{"de":386,"en":386,"es":386,"fr":386,"it":386,"ru":386,"sr":386,"zh":386},"\u002Famiibo",[429,440,447,461,475,489,503,517],{"id":430,"title":431,"url":427,"target":62,"icon":90,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":439},"2-1",{"de":432,"en":433,"es":434,"fr":435,"it":435,"ru":436,"sr":437,"zh":438},"amiibo-Hub","amiibo Hub","Centro amiibo","Hub amiibo","Хаб amiibo","amiibo centar","amiibo 中心",[],{"id":441,"title":442,"url":444,"target":62,"icon":445,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":446},"1772724791061",{"de":443,"en":443},"Franchise","\u002Famiibo\u002Ffranchise","i-lucide-star",[],{"id":448,"title":449,"url":458,"target":62,"icon":459,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":460},"2-3",{"de":450,"en":451,"es":452,"fr":453,"it":454,"ru":455,"sr":456,"zh":457},"Region & Verpackung (EU\u002FUS\u002FJP)","Region & Packaging (EU\u002FUS\u002FJP)","Región y embalaje (UE\u002FEE. UU.\u002FJP)","Région & Emballage (UE\u002FUS\u002FJP)","Regione & Confezione (EU\u002FUS\u002FJP)","Регион & упаковка (EU\u002FUS\u002FJP)","Region & pakovanje (EU\u002FUS\u002FJP)","地区 & 包装 (EU\u002FUS\u002FJP)","\u002Famiibo-library\u002Famiibo-editions-and-regions","i-lucide-globe",[],{"id":462,"title":463,"url":472,"target":62,"icon":473,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":474},"2-4",{"de":464,"en":465,"es":466,"fr":467,"it":468,"ru":469,"sr":470,"zh":471},"Schnellidentifikations-Checkliste","Fast Identification Checklist","Lista de identificación rápida","Liste d'identification rapide","Checklist identificazione rapida","Чек-лист быстрой идентификации","Kontrolna lista za brzu identifikaciju","快速识别清单","\u002Famiibo\u002Fidentify-checklist","i-lucide-list-checks",[],{"id":476,"title":477,"url":486,"target":62,"icon":487,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":488},"2-6",{"de":478,"en":479,"es":480,"fr":481,"it":482,"ru":483,"sr":484,"zh":485},"Tipps für Sealed-Sammlungen","Sealed Collection Tips","Consejos de colección sellada","Conseils collection scellée","Consigli collezione sigillata","Советы по коллекции Sealed","Saveti za zapečaćene kolekcije","密封收藏贴士","\u002Famiibo\u002Fsealed-tips","i-lucide-shield-check",[],{"id":490,"title":491,"url":500,"target":62,"icon":501,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":502},"2-5",{"de":492,"en":493,"es":494,"fr":495,"it":496,"ru":497,"sr":498,"zh":499},"Zustand & Bewertung","Condition & Grading","Estado & Graduación","État & Évaluation","Condizioni & Valutazione","Состояние & Оценка","Stanje & ocenjivanje","品相与分级","\u002Famiibo-library\u002Famiibo-condition-and-grading","i-lucide-badge-check",[],{"id":504,"title":505,"url":514,"target":62,"icon":515,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":516},"2-2",{"de":506,"en":507,"es":508,"fr":509,"it":510,"ru":511,"sr":512,"zh":513},"Ausgaben & Nachdrucke","Editions & Reprints","Ediciones & Reimpresiones","Éditions & Réimpressions","Edizioni & ristampe","Издания & переиздания","Izdanja & reizdanja","版本 & 重印","\u002Famiibo\u002Fcollecting\u002F","i-lucide-layers",[],{"id":518,"title":519,"url":528,"target":62,"icon":529,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":530},"2-7",{"de":520,"en":521,"es":522,"fr":523,"it":524,"ru":525,"sr":526,"zh":527},"Nachdruck-Timeline","Reprint Timeline","Cronología de reimpresión","Chronologie des réimpressions","Cronologia ristampe","Хронология переизданий","Hronologija reprinta","重印时间轴","\u002Freference\u002Ftimelines\u002Famiibo-reprint-timeline","i-lucide-timer",[],{"statusCode":4,"data":532,"message":1592},{"id":533,"title":534,"slug":535,"content":536,"contentJson":537,"excerpt":14,"featuredImage":989,"featuredImageAlt":990,"featuredImageCaption":14,"featuredImageTitle":14,"featuredImageCopyright":14,"featuredImageAuthor":14,"featuredImageSourceUrl":14,"featuredImageLicense":14,"featuredImageIsAiGenerated":606,"status":991,"publishedAt":992,"createdAt":993,"updatedAt":994,"seoLocalePaths":995,"categories":1004,"author":1024,"translations":1027},"456","Что на самом деле изменил бы игровой ПК в стиле Spark? Унифицированная память, ИИ-вычисления и классическое разделение GPU","what-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u003Cp>DGX Spark создан для разработки ИИ, а не для замены игрового десктопа GeForce. Именно поэтому он полезен как мысленный эксперимент. Он объединяет возможности CPU, GPU, Tensor и RT вокруг большого пула когерентной памяти, благодаря чему вся система выглядит не как классический ПК с двумя крупными островами памяти, а скорее как одна гетерогенная вычислительная машина.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Прямой ответ\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Игровой ПК, подобный Spark, изменил бы топологию данных сильнее, чем само представление о GPU.\u003C\u002Fstrong> Потенциальный выигрыш — большой общий пул, к которому CPU, графика и локальные ИИ-нагрузки могут обращаться более когерентно. Непосредственная цена — общая ёмкость не даёт автоматически пропускную способность уровня дискретного GPU, а более тесная интеграция обычно снижает модульную возможность апгрейда.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Это архитектурный мысленный эксперимент\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Характеристики DGX Spark — фактические. Игровая архитектура, предложенная далее, \u003Cstrong>не\u003C\u002Fstrong> является анонсированным продуктом NVIDIA, и эта статья не предсказывает «DGX Spark Gaming Edition». Spark — доказательство того, что коммерческая система на Blackwell может объединять ядра Arm CPU, ресурсы GPU\u002FTensor\u002FRT и большой пул когерентной памяти. «Подобный Spark» означает заимствование этих принципов проектирования для игрового мысленного эксперимента, а не предсказание конкретного SKU или дорожной карты.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Содержание\">\u003Cstrong class=\"editorjs-toc__title\">Содержание\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-5\" class=\"editorjs-toc__link\">Что на самом деле представляет собой Spark\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-7\" class=\"editorjs-toc__link\">Классическое разделение ПК создаёт дублирование и перемещение данных\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-10\" class=\"editorjs-toc__link\">Унифицированный дизайн меняет вопрос\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-13\" class=\"editorjs-toc__link\">Ёмкость и пропускная способность рассказывают совершенно разные истории\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-17\" class=\"editorjs-toc__link\">Сжатие и предсказание могли бы сделать унифицированный пул с меньшей пропускной способностью более жизнеспособным\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-19\" class=\"editorjs-toc__link\">Почему нейронный рендеринг делает унифицированную память более интересной\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-22\" class=\"editorjs-toc__link\">Что понадобилось бы игровой версии, для чего Spark не оптимизирован?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-24\" class=\"editorjs-toc__link\">Самая интересная версия, вероятно, гибридная\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-27\" class=\"editorjs-toc__link\">Что покупатель получает — и от чего отказывается\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-29\" class=\"editorjs-toc__link\">Что опровергло бы идею?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-31\" class=\"editorjs-toc__link\">Первоисточник\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-5\">Что на самом деле представляет собой Spark\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Характеристика DGX Spark\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Официальное значение\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Почему это важно для мысленного эксперимента\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Архитектура\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Grace Blackwell \u002F GB10\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">CPU и GPU Blackwell спроектированы как единая интегрированная вычислительная платформа\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">CPU\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">20-ядерный Arm\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Отход от традиционного предположения об игровом десктопе на x86\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Системная память\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">64 ГБ или 128 ГБ когерентной унифицированной LPDDR5X\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Большой общий пул вместо отдельных ОЗУ CPU + выделенной видеопамяти\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Пропускная способность памяти\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">273 ГБ\u002Fс\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Высокая для интегрированной системы, но значительно ниже пропускной способности памяти топовых дискретных видеокарт\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">ИИ-вычисления\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">До 1 PFLOP FP4\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Показывает, насколько приоритеты проектирования могут смещаться в сторону матричных\u002FTensor-нагрузок\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Аппаратное обеспечение RT\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">RT-ядра 4-го поколения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">SoC по-прежнему включает выделенное ускорение графики в реальном времени\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-7\">Классическое разделение ПК создаёт дублирование и перемещение данных\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Традиционный путь данных в дискретной игровой системе\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Системная память на стороне CPU\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Игровая логика, буферы потоковой передачи и многие ресурсы начинаются в системной ОЗУ.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">PCIe\u002Fперемещение данных\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Ресурсы копируются или отображаются в сторону GPU по мере необходимости.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Дискретная видеопамять\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">GPU хранит свой рабочий набор в отдельном высокоскоростном пуле.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Рендеринг\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Шейдеры, RT и вычисления потребляют эти резидентные ресурсы.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Вытеснение\u002Fпотоковая передача\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Когда рабочий набор меняется, данные снова перемещаются.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Cp>Такое разделение само по себе не является плохим. Оно позволяет GPU иметь чрезвычайно быструю выделенную память и даёт пользователям возможность независимо обновлять компоненты. Но оно также создаёт границы: ёмкость может простаивать на одной стороне, данные могут дублироваться, а приложениям нужны явные политики перемещения и резидентности.\u003C\u002Fp>\n\u003Ch2 id=\"section-10\">Унифицированный дизайн меняет вопрос\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Модель данных, подобная Spark\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Один когерентный пул\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">CPU и GPU видят гораздо больший общий адресуемый ресурс памяти.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Специализированные движки\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Графика, RT и матричные\u002FTensor-нагрузки используют один и тот же пул системного уровня.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Меньше обязательного дублирования\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Некоторые нагрузки могут избежать поддержания отдельных копий для CPU и GPU.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Новая проблема конкуренции\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Все вычислительные движки теперь могут конкурировать за одну и ту же пропускную способность памяти.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Программное обеспечение становится важнее\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Планирование и локальность определяют, будет ли унифицированная память ощущаться элегантной или перегруженной.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Дискретный игровой ПК vs принцип, подобный Spark\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Дискретный игровой ПК\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Интегрированная система, подобная Spark\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Ёмкость памяти\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Системная ОЗУ + отдельные пулы видеопамяти\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Большой когерентный общий пул\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Пиковая пропускная способность графики\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Может быть чрезвычайно высокой с выделенной памятью типа GDDR\u002FHBM\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Должна быть спроектирована достаточно высокой для конкуренции графики + CPU + ИИ\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Возможность апгрейда\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">GPU, ОЗУ и иногда CPU заменяются независимо\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Более вероятна замена на уровне платформы\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Пригодность для локального ИИ\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">ИИ конкурирует за видеопамять GPU или отдельный NPU\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Большой общий пул может упростить размещение моделей\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Перемещение данных\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Явные передачи и дублирование могут иметь значение\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Потенциально меньше копирования, но локальность по-прежнему важна\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-13\">Ёмкость и пропускная способность рассказывают совершенно разные истории\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Эталонная архитектура\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Ёмкость памяти\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Пропускная способность памяти\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Урок проектирования\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">DGX Spark\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">128 ГБ когерентной унифицированной LPDDR5X\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">273 ГБ\u002Fс\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Огромная общая ёмкость, но не пропускная способность графики дискретного высокого класса\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">RTX PRO 6000 Blackwell Workstation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">96 ГБ GDDR7\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">1 792 ГБ\u002Fс\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Профессиональный дискретный GPU показывает, насколько высокой пропускной способности могут требовать высококлассные графические\u002FИИ-нагрузки\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">GeForce RTX 5090\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">32 ГБ GDDR7, 512-бит\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Высококлассный дискретный дизайн\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Игровой флагман делает акцент на пропускной способности и выделенной локальной памяти, а не на гигантской когерентной ёмкости\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Смысл не в том, что одна архитектура универсально лучше. Spark демонстрирует когерентную ёмкость; RTX PRO 6000 демонстрирует экстремальную локальную пропускную способность. Игровой архитектуре, которая попытается объединить когерентность, подобную Spark, с графикой флагманского класса, придётся согласовать эти приоритеты, а не копировать один продукт без изменений.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Стена пропускной способности\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>273 ГБ\u002Fс\u003C\u002Fstrong> у Spark — полезное напоминание о том, что ёмкость памяти и пропускная способность памяти — разные характеристики. Игровая производная не могла бы просто скопировать 128 ГБ LPDDR5X и предполагать, что это заменит высококлассный дискретный GPU. Ей потребовалась бы гораздо более агрессивная пропускная способность, кэширование, сжатие или планирование нагрузок — возможно, все четыре.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-17\">Сжатие и предсказание могли бы сделать унифицированный пул с меньшей пропускной способностью более жизнеспособным\u003C\u002Fh2>\n\u003Cp>Будущему интегрированному дизайну не обязательно решать все проблемы путём увеличения скорости выводов. Сжатие может уменьшить количество перемещаемых байтов, нейронные представления могут уменьшить хранимую детализацию, предсказательная предвыборка может скрыть часть задержки доступа, а иерархия кэша может держать горячие графические данные рядом с GPU. Эти методы не устраняют стену пропускной способности, но могут уменьшить частоту, с которой программное обеспечение в неё упирается.\u003C\u002Fp>\n\u003Ch2 id=\"section-19\">Почему нейронный рендеринг делает унифицированную память более интересной\u003C\u002Fh2>\n\u003Cp>Классическая графика в основном спрашивает, может ли GPU держать текстуры, геометрию и буферы достаточно близко для рендеринга сцены. Нейронная графика может добавлять веса моделей, латентные представления, буферы истории и промежуточные тензоры. Большой когерентный пул делает эти новые классы данных проще для совместного использования между игровыми системами на стороне CPU и выводом на стороне GPU, особенно когда также работает локальный игровой ассистент или модель NPC.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">DirectX становится ML-платформой: что линейная алгебра и нейронные шейдеры означают для будущих игр\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Программная сторона этого перехода: математика машинного обучения входит в саму модель программирования графики.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать анализ DirectX ML →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-22\">Что понадобилось бы игровой версии, для чего Spark не оптимизирован?\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Игровое требование\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Почему интеграция в стиле Spark помогает\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Что ещё нужно решить\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Графика с высокой частотой обновления\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Тесная координация CPU\u002FGPU\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Гораздо более высокая устойчивая пропускная способность графики и низкая задержка\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Большие нейронные модели\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Общая ёмкость уменьшает проблемы размещения\u002Fдублирования\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Вывод не должен непредсказуемо отнимать время кадра\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Потоковая загрузка ассетов\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Один пул упрощает отношения резидентности\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Путь от хранилища к памяти и декомпрессия должны оставаться быстрыми\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Соревновательная задержка\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Меньше передач может помочь\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Унифицированное планирование не должно добавлять конкуренцию или длинные очереди\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Долгий срок службы продукта\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Интегрированная платформа может быть энергоэффективной\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Путь ремонта\u002Fобновления может стать хуже, чем у модульного ПК\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-24\">Самая интересная версия, вероятно, гибридная\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Гипотеза Figure Rocks\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Будущая высококлассная игровая система может не выбирать между \u003Cstrong>полностью дискретной\u003C\u002Fstrong> и \u003Cstrong>полностью унифицированной\u003C\u002Fstrong>. Гибрид мог бы объединить большой когерентный пул памяти с высокопроизводительным локальным кэшем или уровнем графической памяти, позволяя рабочим нагрузкам ИИ и игрового состояния совместно использовать ёмкость, в то время как чувствительный к задержке рендеринг сохраняет очень быстрый локальный путь.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Возможная гибридная иерархия игровой памяти\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Большой когерентный пул\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Хранит игровые ассеты, модели ИИ, состояние CPU и менее чувствительные к задержке данные.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Предиктивный менеджер резидентности\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Перемещает вероятно нужные ресурсы в более быструю память до момента спроса.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Высокопроизводительный графический уровень\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Защищает текущий рабочий набор рендеринга.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Нейронное сжатие\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Держит выбранные ассеты или представления меньше до момента необходимости.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Планировщик движка\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Балансирует рабочие нагрузки CPU, графики, RT и нейронных сетей относительно сроков кадра.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-27\">Что покупатель получает — и от чего отказывается\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Компромисс покупателя\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Потенциальный выигрыш\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Потенциальная цена\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Очень большой полезный пул\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Меньше жёстких стен между RAM, VRAM и памятью моделей\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Общая конкуренция и менее очевидные характеристики производительности\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Запас для локального ИИ\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Более крупные модели могут сосуществовать с играми\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Рабочие нагрузки ИИ могут конкурировать с рендерингом\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Интеграция\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Потенциальная эффективность и компактность\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Тепловые ограничения могут ограничивать пиковую графическую производительность\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Простота платформы\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Меньше границ совместимости\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Обновление всей платформы вместо обновления только GPU\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Оптимизация\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Движок может координировать больше системы\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Плохая поддержка ПО может тратить дорогое оборудование впустую\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Предиктивное управление памятью\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Меньше поздних поступлений ассетов\u002Fстраниц при точном прогнозе\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Неверные прогнозы могут тратить пропускную способность, резидентность и кэш\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Оптимизация на уровне платформы\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Движок, драйвер и оборудование могут глубже координировать размещение данных и ускорители\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Большая привязка к экосистеме и более непрозрачное поведение производительности\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-29\">Что опровергло бы идею?\u003C\u002Fh2>\n\u003Cp>Если высококлассные дискретные GPU продолжат обеспечивать гораздо лучшую стоимость, пропускную способность и задержку, а локальный игровой ИИ останется опциональным, может быть мало причин принимать привязку и конкуренцию унифицированной архитектуры. Гипотеза становится сильнее только если игры всё больше нуждаются в больших общих наборах данных и нейронных рабочих нагрузках, которые неудобно вписывать в традиционное разделение CPU-RAM + дискретная VRAM.\u003C\u002Fp>\n\u003Ch2 id=\"section-31\">Первоисточник\u003C\u002Fh2>\n\u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002Fen-us\u002Fproducts\u002Fworkstations\u002Fdgx-spark\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NVIDIA DGX Spark — Официальные характеристики\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Официальные характеристики архитектуры GB10, унифицированной памяти, пропускной способности, CPU, GPU и вычислений ИИ.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002Fde-de\u002Fproducts\u002Fworkstations\u002Fprofessional-desktop-gpus\u002Frtx-pro-6000\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NVIDIA — RTX PRO 6000 Blackwell Workstation Edition\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Официальный ориентир 96 ГБ GDDR7 и пропускной способности 1 792 ГБ\u002Fс для высококлассного дискретного GPU Blackwell.\u003C\u002Fp>\u003C\u002Fa>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Игровая архитектура в стиле Spark\u003C\u002Fh3>\u003Cdiv id=\"faq1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">DGX Spark — это игровой ПК?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Нет. NVIDIA позиционирует его как персональный суперкомпьютер для ИИ. Эта статья использует его архитектуру как мысленный эксперимент.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Превзойдёт ли 128 ГБ унифицированной памяти высококлассный GPU на 32 ГБ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Не автоматически. Ёмкость, пропускная способность, задержка и оптимизация ПО — это разные ограничения.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Почему унифицированная память привлекательна для игрового ИИ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Она может уменьшить жёсткие границы ёмкости и дублирование между рабочими нагрузками CPU, GPU и локальных моделей.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Какой самый большой риск?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Конкуренция за общую память плюс сниженная модульная обновляемость.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Может ли гибрид быть лучше?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Потенциально. Большой когерентный пул плюс быстрый локальный графический уровень могли бы сохранить пропускную способность, давая ИИ и общим рабочим нагрузкам больше общей ёмкости.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Термины архитектуры\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"coherent-memory\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Когерентная унифицированная память\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Архитектура памяти, в которой несколько процессоров могут обращаться к общему пространству системной памяти с гарантиями когерентности.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"memory-tier\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Уровень памяти\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Слой в иерархии с разными характеристиками ёмкости, пропускной способности и задержки.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"heterogeneous-compute\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Гетерогенные вычисления\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Использование разных типов процессоров или блоков ускорителей для разных классов рабочих нагрузок.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"spark-like\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Игровая архитектура в стиле Spark\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Сокращение Figure Rocks для заимствования принципов интегрированных CPU\u002FGPU\u002FИИ и когерентной памяти из систем, таких как DGX Spark; не анонсированный продукт.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>",{"time":538,"blocks":539,"version":988},1792340153629,[540,546,554,561,568,574,609,614,637,642,647,668,712,717,739,744,751,756,761,766,771,780,785,814,819,826,847,852,905,910,915,920,930,939,966],{"id":541,"data":542,"type":544,"tunes":545},"p-0111",{"text":543},"DGX Spark создан для разработки ИИ, а не для замены игрового десктопа GeForce. Именно поэтому он полезен как мысленный эксперимент. Он объединяет возможности CPU, GPU, Tensor и RT вокруг большого пула когерентной памяти, благодаря чему вся система выглядит не как классический ПК с двумя крупными островами памяти, а скорее как одна гетерогенная вычислительная машина.","paragraph",{},{"id":547,"data":548,"type":552,"tunes":553},"c-0112",{"body":549,"title":550,"variant":551},"\u003Cstrong>Игровой ПК, подобный Spark, изменил бы топологию данных сильнее, чем само представление о GPU.\u003C\u002Fstrong> Потенциальный выигрыш — большой общий пул, к которому CPU, графика и локальные ИИ-нагрузки могут обращаться более когерентно. Непосредственная цена — общая ёмкость не даёт автоматически пропускную способность уровня дискретного GPU, а более тесная интеграция обычно снижает модульную возможность апгрейда.","Прямой ответ","info","callout",{},{"id":555,"data":556,"type":552,"tunes":560},"c-0113",{"body":557,"title":558,"variant":559},"Характеристики DGX Spark — фактические. Игровая архитектура, предложенная далее, \u003Cstrong>не\u003C\u002Fstrong> является анонсированным продуктом NVIDIA, и эта статья не предсказывает «DGX Spark Gaming Edition». Spark — доказательство того, что коммерческая система на Blackwell может объединять ядра Arm CPU, ресурсы GPU\u002FTensor\u002FRT и большой пул когерентной памяти. «Подобный Spark» означает заимствование этих принципов проектирования для игрового мысленного эксперимента, а не предсказание конкретного SKU или дорожной карты.","Это архитектурный мысленный эксперимент","note",{},{"id":562,"data":563,"type":566,"tunes":567},"toc-0114",{"title":564,"maxLevel":565,"minLevel":47},"Содержание",3,"tableOfContents",{},{"id":569,"data":570,"type":572,"tunes":573},"h-0115",{"text":571,"level":47},"Что на самом деле представляет собой Spark","header",{},{"id":575,"data":576,"type":607,"tunes":608},"t-0116",{"content":577,"stretched":606,"withHeadings":15},[578,582,586,590,594,598,602],[579,580,581],"Характеристика DGX Spark","Официальное значение","Почему это важно для мысленного эксперимента",[583,584,585],"Архитектура","Grace Blackwell \u002F GB10","CPU и GPU Blackwell спроектированы как единая интегрированная вычислительная платформа",[587,588,589],"CPU","20-ядерный Arm","Отход от традиционного предположения об игровом десктопе на x86",[591,592,593],"Системная память","64 ГБ или 128 ГБ когерентной унифицированной LPDDR5X","Большой общий пул вместо отдельных ОЗУ CPU + выделенной видеопамяти",[595,596,597],"Пропускная способность памяти","273 ГБ\u002Fс","Высокая для интегрированной системы, но значительно ниже пропускной способности памяти топовых дискретных видеокарт",[599,600,601],"ИИ-вычисления","До 1 PFLOP FP4","Показывает, насколько приоритеты проектирования могут смещаться в сторону матричных\u002FTensor-нагрузок",[603,604,605],"Аппаратное обеспечение RT","RT-ядра 4-го поколения","SoC по-прежнему включает выделенное ускорение графики в реальном времени",false,"table",{},{"id":610,"data":611,"type":572,"tunes":613},"h-0117",{"text":612,"level":47},"Классическое разделение ПК создаёт дублирование и перемещение данных",{},{"id":615,"data":616,"type":635,"tunes":636},"flow-0118",{"steps":617,"title":633,"orientation":634},[618,621,624,627,630],{"label":619,"description":620},"Системная память на стороне CPU","Игровая логика, буферы потоковой передачи и многие ресурсы начинаются в системной ОЗУ.",{"label":622,"description":623},"PCIe\u002Fперемещение данных","Ресурсы копируются или отображаются в сторону GPU по мере необходимости.",{"label":625,"description":626},"Дискретная видеопамять","GPU хранит свой рабочий набор в отдельном высокоскоростном пуле.",{"label":628,"description":629},"Рендеринг","Шейдеры, RT и вычисления потребляют эти резидентные ресурсы.",{"label":631,"description":632},"Вытеснение\u002Fпотоковая передача","Когда рабочий набор меняется, данные снова перемещаются.","Традиционный путь данных в дискретной игровой системе","auto","processFlow",{},{"id":638,"data":639,"type":544,"tunes":641},"p-0119",{"text":640},"Такое разделение само по себе не является плохим. Оно позволяет GPU иметь чрезвычайно быструю выделенную память и даёт пользователям возможность независимо обновлять компоненты. Но оно также создаёт границы: ёмкость может простаивать на одной стороне, данные могут дублироваться, а приложениям нужны явные политики перемещения и резидентности.",{},{"id":643,"data":644,"type":572,"tunes":646},"h-0120",{"text":645,"level":47},"Унифицированный дизайн меняет вопрос",{},{"id":648,"data":649,"type":635,"tunes":667},"flow-0121",{"steps":650,"title":666,"orientation":634},[651,654,657,660,663],{"label":652,"description":653},"Один когерентный пул","CPU и GPU видят гораздо больший общий адресуемый ресурс памяти.",{"label":655,"description":656},"Специализированные движки","Графика, RT и матричные\u002FTensor-нагрузки используют один и тот же пул системного уровня.",{"label":658,"description":659},"Меньше обязательного дублирования","Некоторые нагрузки могут избежать поддержания отдельных копий для CPU и GPU.",{"label":661,"description":662},"Новая проблема конкуренции","Все вычислительные движки теперь могут конкурировать за одну и ту же пропускную способность памяти.",{"label":664,"description":665},"Программное обеспечение становится важнее","Планирование и локальность определяют, будет ли унифицированная память ощущаться элегантной или перегруженной.","Модель данных, подобная Spark",{},{"id":669,"data":670,"type":710,"tunes":711},"cmp-0122",{"rows":671,"title":702,"layout":607,"columns":703},[672,678,684,690,696],{"id":673,"label":674,"values":675},"capacity","Ёмкость памяти",{"disc":676,"unified":677},"Системная ОЗУ + отдельные пулы видеопамяти","Большой когерентный общий пул",{"id":679,"label":680,"values":681},"bandwidth","Пиковая пропускная способность графики",{"disc":682,"unified":683},"Может быть чрезвычайно высокой с выделенной памятью типа GDDR\u002FHBM","Должна быть спроектирована достаточно высокой для конкуренции графики + CPU + ИИ",{"id":685,"label":686,"values":687},"upgrade","Возможность апгрейда",{"disc":688,"unified":689},"GPU, ОЗУ и иногда CPU заменяются независимо","Более вероятна замена на уровне платформы",{"id":691,"label":692,"values":693},"ai","Пригодность для локального ИИ",{"disc":694,"unified":695},"ИИ конкурирует за видеопамять GPU или отдельный NPU","Большой общий пул может упростить размещение моделей",{"id":697,"label":698,"values":699},"efficiency","Перемещение данных",{"disc":700,"unified":701},"Явные передачи и дублирование могут иметь значение","Потенциально меньше копирования, но локальность по-прежнему важна","Дискретный игровой ПК vs принцип, подобный Spark",[704,707],{"id":705,"label":706},"disc","Дискретный игровой ПК",{"id":708,"label":709},"unified","Интегрированная система, подобная Spark","comparison",{},{"id":713,"data":714,"type":572,"tunes":716},"v3-numbers",{"text":715,"level":47},"Ёмкость и пропускная способность рассказывают совершенно разные истории",{},{"id":718,"data":719,"type":607,"tunes":738},"v3-bandwidth-comparison",{"content":720,"stretched":606,"withHeadings":15},[721,724,728,733],[722,674,595,723],"Эталонная архитектура","Урок проектирования",[725,726,596,727],"DGX Spark","128 ГБ когерентной унифицированной LPDDR5X","Огромная общая ёмкость, но не пропускная способность графики дискретного высокого класса",[729,730,731,732],"RTX PRO 6000 Blackwell Workstation","96 ГБ GDDR7","1 792 ГБ\u002Fс","Профессиональный дискретный GPU показывает, насколько высокой пропускной способности могут требовать высококлассные графические\u002FИИ-нагрузки",[734,735,736,737],"GeForce RTX 5090","32 ГБ GDDR7, 512-бит","Высококлассный дискретный дизайн","Игровой флагман делает акцент на пропускной способности и выделенной локальной памяти, а не на гигантской когерентной ёмкости",{},{"id":740,"data":741,"type":544,"tunes":743},"v3-bandwidth-ratio",{"text":742},"Смысл не в том, что одна архитектура универсально лучше. Spark демонстрирует когерентную ёмкость; RTX PRO 6000 демонстрирует экстремальную локальную пропускную способность. Игровой архитектуре, которая попытается объединить когерентность, подобную Spark, с графикой флагманского класса, придётся согласовать эти приоритеты, а не копировать один продукт без изменений.",{},{"id":745,"data":746,"type":552,"tunes":750},"c-0123",{"body":747,"title":748,"variant":749},"\u003Cstrong>273 ГБ\u002Fс\u003C\u002Fstrong> у Spark — полезное напоминание о том, что ёмкость памяти и пропускная способность памяти — разные характеристики. Игровая производная не могла бы просто скопировать 128 ГБ LPDDR5X и предполагать, что это заменит высококлассный дискретный GPU. Ей потребовалась бы гораздо более агрессивная пропускная способность, кэширование, сжатие или планирование нагрузок — возможно, все четыре.","Стена пропускной способности","warning",{},{"id":752,"data":753,"type":572,"tunes":755},"v3-compression-path",{"text":754,"level":47},"Сжатие и предсказание могли бы сделать унифицированный пул с меньшей пропускной способностью более жизнеспособным",{},{"id":757,"data":758,"type":544,"tunes":760},"v3-compression-path-p",{"text":759},"Будущему интегрированному дизайну не обязательно решать все проблемы путём увеличения скорости выводов. Сжатие может уменьшить количество перемещаемых байтов, нейронные представления могут уменьшить хранимую детализацию, предсказательная предвыборка может скрыть часть задержки доступа, а иерархия кэша может держать горячие графические данные рядом с GPU. Эти методы не устраняют стену пропускной способности, но могут уменьшить частоту, с которой программное обеспечение в неё упирается.",{},{"id":762,"data":763,"type":572,"tunes":765},"h-0124",{"text":764,"level":47},"Почему нейронный рендеринг делает унифицированную память более интересной",{},{"id":767,"data":768,"type":544,"tunes":770},"p-0125",{"text":769},"Классическая графика в основном спрашивает, может ли GPU держать текстуры, геометрию и буферы достаточно близко для рендеринга сцены. Нейронная графика может добавлять веса моделей, латентные представления, буферы истории и промежуточные тензоры. Большой когерентный пул делает эти новые классы данных проще для совместного использования между игровыми системами на стороне CPU и выводом на стороне GPU, особенно когда также работает локальный игровой ассистент или модель NPC.",{},{"id":772,"data":773,"type":778,"tunes":779},"ref-0126",{"url":774,"title":775,"excerpt":776,"ctaLabel":777},"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games","DirectX становится ML-платформой: что линейная алгебра и нейронные шейдеры означают для будущих игр","Программная сторона этого перехода: математика машинного обучения входит в саму модель программирования графики.","Читать анализ DirectX ML","referralArticle",{},{"id":781,"data":782,"type":572,"tunes":784},"h-0127",{"text":783,"level":47},"Что понадобилось бы игровой версии, для чего Spark не оптимизирован?",{},{"id":786,"data":787,"type":607,"tunes":813},"t-0128",{"content":788,"stretched":606,"withHeadings":15},[789,793,797,801,805,809],[790,791,792],"Игровое требование","Почему интеграция в стиле Spark помогает","Что ещё нужно решить",[794,795,796],"Графика с высокой частотой обновления","Тесная координация CPU\u002FGPU","Гораздо более высокая устойчивая пропускная способность графики и низкая задержка",[798,799,800],"Большие нейронные модели","Общая ёмкость уменьшает проблемы размещения\u002Fдублирования","Вывод не должен непредсказуемо отнимать время кадра",[802,803,804],"Потоковая загрузка ассетов","Один пул упрощает отношения резидентности","Путь от хранилища к памяти и декомпрессия должны оставаться быстрыми",[806,807,808],"Соревновательная задержка","Меньше передач может помочь","Унифицированное планирование не должно добавлять конкуренцию или длинные очереди",[810,811,812],"Долгий срок службы продукта","Интегрированная платформа может быть энергоэффективной","Путь ремонта\u002Fобновления может стать хуже, чем у модульного ПК",{},{"id":815,"data":816,"type":572,"tunes":818},"h-0129",{"text":817,"level":47},"Самая интересная версия, вероятно, гибридная",{},{"id":820,"data":821,"type":552,"tunes":825},"c-0130",{"body":822,"title":823,"variant":824},"Будущая высококлассная игровая система может не выбирать между \u003Cstrong>полностью дискретной\u003C\u002Fstrong> и \u003Cstrong>полностью унифицированной\u003C\u002Fstrong>. Гибрид мог бы объединить большой когерентный пул памяти с высокопроизводительным локальным кэшем или уровнем графической памяти, позволяя рабочим нагрузкам ИИ и игрового состояния совместно использовать ёмкость, в то время как чувствительный к задержке рендеринг сохраняет очень быстрый локальный путь.","Гипотеза Figure Rocks","success",{},{"id":827,"data":828,"type":635,"tunes":846},"flow-0131",{"steps":829,"title":845,"orientation":634},[830,833,836,839,842],{"label":831,"description":832},"Большой когерентный пул","Хранит игровые ассеты, модели ИИ, состояние CPU и менее чувствительные к задержке данные.",{"label":834,"description":835},"Предиктивный менеджер резидентности","Перемещает вероятно нужные ресурсы в более быструю память до момента спроса.",{"label":837,"description":838},"Высокопроизводительный графический уровень","Защищает текущий рабочий набор рендеринга.",{"label":840,"description":841},"Нейронное сжатие","Держит выбранные ассеты или представления меньше до момента необходимости.",{"label":843,"description":844},"Планировщик движка","Балансирует рабочие нагрузки CPU, графики, RT и нейронных сетей относительно сроков кадра.","Возможная гибридная иерархия игровой памяти",{},{"id":848,"data":849,"type":572,"tunes":851},"h-0132",{"text":850,"level":47},"Что покупатель получает — и от чего отказывается",{},{"id":853,"data":854,"type":710,"tunes":904},"cmp-0133",{"rows":855,"title":896,"layout":607,"columns":897},[856,862,867,873,878,884,890],{"id":857,"label":858,"values":859},"memory","Очень большой полезный пул",{"cost":860,"gain":861},"Общая конкуренция и менее очевидные характеристики производительности","Меньше жёстких стен между RAM, VRAM и памятью моделей",{"id":691,"label":863,"values":864},"Запас для локального ИИ",{"cost":865,"gain":866},"Рабочие нагрузки ИИ могут конкурировать с рендерингом","Более крупные модели могут сосуществовать с играми",{"id":868,"label":869,"values":870},"power","Интеграция",{"cost":871,"gain":872},"Тепловые ограничения могут ограничивать пиковую графическую производительность","Потенциальная эффективность и компактность",{"id":685,"label":874,"values":875},"Простота платформы",{"cost":876,"gain":877},"Обновление всей платформы вместо обновления только GPU","Меньше границ совместимости",{"id":879,"label":880,"values":881},"software","Оптимизация",{"cost":882,"gain":883},"Плохая поддержка ПО может тратить дорогое оборудование впустую","Движок может координировать больше системы",{"id":885,"label":886,"values":887},"predictive","Предиктивное управление памятью",{"cost":888,"gain":889},"Неверные прогнозы могут тратить пропускную способность, резидентность и кэш","Меньше поздних поступлений ассетов\u002Fстраниц при точном прогнозе",{"id":891,"label":892,"values":893},"platform","Оптимизация на уровне платформы",{"cost":894,"gain":895},"Большая привязка к экосистеме и более непрозрачное поведение производительности","Движок, драйвер и оборудование могут глубже координировать размещение данных и ускорители","Компромисс покупателя",[898,901],{"id":899,"label":900},"gain","Потенциальный выигрыш",{"id":902,"label":903},"cost","Потенциальная цена",{},{"id":906,"data":907,"type":572,"tunes":909},"h-0134",{"text":908,"level":47},"Что опровергло бы идею?",{},{"id":911,"data":912,"type":544,"tunes":914},"p-0135",{"text":913},"Если высококлассные дискретные GPU продолжат обеспечивать гораздо лучшую стоимость, пропускную способность и задержку, а локальный игровой ИИ останется опциональным, может быть мало причин принимать привязку и конкуренцию унифицированной архитектуры. Гипотеза становится сильнее только если игры всё больше нуждаются в больших общих наборах данных и нейронных рабочих нагрузках, которые неудобно вписывать в традиционное разделение CPU-RAM + дискретная VRAM.",{},{"id":916,"data":917,"type":572,"tunes":919},"h-0136",{"text":918,"level":47},"Первоисточник",{},{"id":921,"data":922,"type":928,"tunes":929},"src-0137",{"link":923,"meta":924},"https:\u002F\u002Fwww.nvidia.com\u002Fen-us\u002Fproducts\u002Fworkstations\u002Fdgx-spark\u002F",{"image":925,"title":926,"description":927},{"url":13},"NVIDIA DGX Spark — Официальные характеристики","Официальные характеристики архитектуры GB10, унифицированной памяти, пропускной способности, CPU, GPU и вычислений ИИ.","linkTool",{},{"id":931,"data":932,"type":928,"tunes":938},"v3-src-pro6000",{"link":933,"meta":934},"https:\u002F\u002Fwww.nvidia.com\u002Fde-de\u002Fproducts\u002Fworkstations\u002Fprofessional-desktop-gpus\u002Frtx-pro-6000\u002F",{"image":935,"title":936,"description":937},{"url":13},"NVIDIA — RTX PRO 6000 Blackwell Workstation Edition","Официальный ориентир 96 ГБ GDDR7 и пропускной способности 1 792 ГБ\u002Fс для высококлассного дискретного GPU Blackwell.",{},{"id":940,"data":941,"type":964,"tunes":965},"faq-0138",{"items":942,"title":963},[943,947,951,955,959],{"id":944,"answer":945,"question":946},"faq1","Нет. NVIDIA позиционирует его как персональный суперкомпьютер для ИИ. Эта статья использует его архитектуру как мысленный эксперимент.","DGX Spark — это игровой ПК?",{"id":948,"answer":949,"question":950},"faq2","Не автоматически. Ёмкость, пропускная способность, задержка и оптимизация ПО — это разные ограничения.","Превзойдёт ли 128 ГБ унифицированной памяти высококлассный GPU на 32 ГБ?",{"id":952,"answer":953,"question":954},"faq3","Она может уменьшить жёсткие границы ёмкости и дублирование между рабочими нагрузками CPU, GPU и локальных моделей.","Почему унифицированная память привлекательна для игрового ИИ?",{"id":956,"answer":957,"question":958},"faq4","Конкуренция за общую память плюс сниженная модульная обновляемость.","Какой самый большой риск?",{"id":960,"answer":961,"question":962},"faq5","Потенциально. Большой когерентный пул плюс быстрый локальный графический уровень могли бы сохранить пропускную способность, давая ИИ и общим рабочим нагрузкам больше общей ёмкости.","Может ли гибрид быть лучше?","Игровая архитектура в стиле Spark","faq",{},{"id":967,"data":968,"type":986,"tunes":987},"gloss-0139",{"title":969,"entries":970},"Термины архитектуры",[971,975,979,983],{"term":972,"anchor":973,"definition":974},"Когерентная унифицированная память","coherent-memory","Архитектура памяти, в которой несколько процессоров могут обращаться к общему пространству системной памяти с гарантиями когерентности.",{"term":976,"anchor":977,"definition":978},"Уровень памяти","memory-tier","Слой в иерархии с разными характеристиками ёмкости, пропускной способности и задержки.",{"term":980,"anchor":981,"definition":982},"Гетерогенные вычисления","heterogeneous-compute","Использование разных типов процессоров или блоков ускорителей для разных классов рабочих нагрузок.",{"term":963,"anchor":984,"definition":985},"spark-like","Сокращение Figure Rocks для заимствования принципов интегрированных CPU\u002FGPU\u002FИИ и когерентной памяти из систем, таких как DGX Spark; не анонсированный продукт.","glossary",{},"2.31","\u002Fuploads\u002F2026\u002F10\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split-1792340021752-bia7n6.webp","what-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split-1792340021752-bia7n6","PUBLISHED","2026-10-18T12:12:00.000Z","2026-10-18T16:12:11.888Z","2026-10-18T16:16:16.306Z",{"en":996,"de":997,"sr":998,"es":999,"fr":1000,"it":1001,"ru":1002,"zh":1003},"\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Fde\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Fsr\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Fes\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Ffr\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Fit\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Fru\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","\u002Fzh\u002Fblog\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split",[1005,1008,1012,1016,1020],{"id":1006,"name":289,"slug":1007},144,"tech",{"id":1009,"name":1010,"slug":1011},170,"Новости технологий","tech-news",{"id":1013,"name":1014,"slug":1015},280,"Хронология технологий дисплеев","display-tech-timeline",{"id":1017,"name":1018,"slug":1019},165,"Новости","news",{"id":1021,"name":1022,"slug":1023},427,"Новинки","new",{"id":283,"login":1025,"email":13,"displayName":1026},"aleksandar","Aleksandar Stajic",[1028,1399],{"lang":8,"title":1029,"content":1030,"contentJson":1031,"excerpt":14},"What Would a Spark-Like Gaming PC Actually Change? Unified Memory, AI Compute and the Classic GPU Split","{\"time\":1792340022841,\"blocks\":[{\"id\":\"p-0111\",\"type\":\"paragraph\",\"data\":{\"text\":\"DGX Spark is built for AI development, not for replacing a GeForce gaming desktop. That is exactly why it is useful as a thought experiment. It packages CPU, GPU, Tensor and RT capability around a large coherent memory pool, making the entire system look less like a classic PC with two major memory islands and more like one heterogeneous compute machine.\"},\"tunes\":{}},{\"id\":\"c-0112\",\"type\":\"callout\",\"data\":{\"variant\":\"info\",\"title\":\"Direct answer\",\"body\":\"\u003Cstrong>A Spark-like gaming PC would change the data topology more than it changes the idea of a GPU.\u003C\u002Fstrong> The potential gain is a large shared pool that CPU, graphics and local AI workloads can access more coherently. The immediate cost is that shared capacity does not automatically provide discrete-GPU-class bandwidth, and tighter integration usually reduces modular upgradeability.\"},\"tunes\":{}},{\"id\":\"c-0113\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"This is an architectural thought experiment\",\"body\":\"DGX Spark specifications are factual. The gaming architecture proposed later is \u003Cstrong>not\u003C\u002Fstrong> an announced NVIDIA product and this article is not predicting a 'DGX Spark Gaming Edition.' Spark is evidence that a commercial Blackwell system can combine Arm CPU cores, GPU\u002FTensor\u002FRT resources and a large coherent memory pool. 'Spark-like' means borrowing those design principles for a gaming thought experiment, not predicting a specific SKU or roadmap.\"},\"tunes\":{}},{\"id\":\"toc-0114\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"h-0115\",\"type\":\"header\",\"data\":{\"text\":\"What Spark actually is\",\"level\":2},\"tunes\":{}},{\"id\":\"t-0116\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"DGX Spark specification\",\"Official value\",\"Why it matters to this thought experiment\"],[\"Architecture\",\"Grace Blackwell \u002F GB10\",\"CPU and Blackwell GPU are designed as one integrated compute platform\"],[\"CPU\",\"20-core Arm\",\"Breaks from the traditional x86 gaming-desktop assumption\"],[\"System memory\",\"64 GB or 128 GB coherent unified LPDDR5X\",\"Large common pool rather than separate CPU RAM + dedicated VRAM\"],[\"Memory bandwidth\",\"273 GB\u002Fs\",\"Strong for an integrated system, but well below top-end discrete graphics memory bandwidth\"],[\"AI compute\",\"Up to 1 PFLOP FP4\",\"Shows how much design priority can move toward matrix\u002FTensor-style workloads\"],[\"RT hardware\",\"4th-gen RT cores\",\"The SoC still includes dedicated real-time graphics acceleration\"]]},\"tunes\":{}},{\"id\":\"h-0117\",\"type\":\"header\",\"data\":{\"text\":\"The classic PC split creates duplication and movement\",\"level\":2},\"tunes\":{}},{\"id\":\"flow-0118\",\"type\":\"processFlow\",\"data\":{\"title\":\"Traditional discrete-gaming data path\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"CPU-side system memory\",\"description\":\"Game logic, streaming buffers and many assets begin in system RAM.\"},{\"label\":\"PCIe\u002Fdata movement\",\"description\":\"Resources are copied or mapped toward the GPU as needed.\"},{\"label\":\"Discrete VRAM\",\"description\":\"The GPU keeps its working set in a separate high-bandwidth pool.\"},{\"label\":\"Rendering\",\"description\":\"Shaders, RT and compute consume those resident resources.\"},{\"label\":\"Eviction\u002Fstreaming\",\"description\":\"When the working set changes, data moves again.\"}]},\"tunes\":{}},{\"id\":\"p-0119\",\"type\":\"paragraph\",\"data\":{\"text\":\"That separation is not inherently bad. It allows the GPU to have extremely fast dedicated memory and lets users upgrade components independently. But it also creates boundaries: capacity can be stranded on one side, data can be duplicated, and applications need explicit movement and residency policies.\"},\"tunes\":{}},{\"id\":\"h-0120\",\"type\":\"header\",\"data\":{\"text\":\"A unified design changes the question\",\"level\":2},\"tunes\":{}},{\"id\":\"flow-0121\",\"type\":\"processFlow\",\"data\":{\"title\":\"Spark-like data model\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"One coherent pool\",\"description\":\"CPU and GPU see a much larger common addressable memory resource.\"},{\"label\":\"Specialized engines\",\"description\":\"Graphics, RT and matrix\u002FTensor workloads pull from the same system-level pool.\"},{\"label\":\"Less mandatory duplication\",\"description\":\"Some workloads can avoid maintaining separate CPU and GPU copies.\"},{\"label\":\"New contention problem\",\"description\":\"All compute engines can now compete for the same memory bandwidth.\"},{\"label\":\"Software becomes more important\",\"description\":\"Scheduling and locality determine whether unified memory feels elegant or congested.\"}]},\"tunes\":{}},{\"id\":\"cmp-0122\",\"type\":\"comparison\",\"data\":{\"title\":\"Discrete gaming PC vs Spark-like principle\",\"layout\":\"table\",\"columns\":[{\"id\":\"disc\",\"label\":\"Discrete gaming PC\"},{\"id\":\"unified\",\"label\":\"Spark-like integrated system\"}],\"rows\":[{\"id\":\"capacity\",\"label\":\"Memory capacity\",\"values\":{\"disc\":\"System RAM + separate VRAM pools\",\"unified\":\"Large coherent shared pool\"}},{\"id\":\"bandwidth\",\"label\":\"Peak graphics bandwidth\",\"values\":{\"disc\":\"Can be extremely high with GDDR\u002FHBM-style dedicated memory\",\"unified\":\"Must be designed high enough for graphics + CPU + AI contention\"}},{\"id\":\"upgrade\",\"label\":\"Upgradeability\",\"values\":{\"disc\":\"GPU, RAM and sometimes CPU replaced independently\",\"unified\":\"More platform-level replacement likely\"}},{\"id\":\"ai\",\"label\":\"Local AI fit\",\"values\":{\"disc\":\"AI competes for GPU VRAM or separate NPU\",\"unified\":\"Large shared pool can make models easier to fit\"}},{\"id\":\"efficiency\",\"label\":\"Data movement\",\"values\":{\"disc\":\"Explicit transfers and duplication can matter\",\"unified\":\"Potentially less copying, but locality still matters\"}}]},\"tunes\":{}},{\"id\":\"v3-numbers\",\"type\":\"header\",\"data\":{\"text\":\"Capacity and bandwidth tell radically different stories\",\"level\":2},\"tunes\":{}},{\"id\":\"v3-bandwidth-comparison\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Reference architecture\",\"Memory capacity\",\"Memory bandwidth\",\"Design lesson\"],[\"DGX Spark\",\"128 GB coherent unified LPDDR5X\",\"273 GB\u002Fs\",\"Huge shared capacity, but not discrete-high-end graphics bandwidth\"],[\"RTX PRO 6000 Blackwell Workstation\",\"96 GB GDDR7\",\"1,792 GB\u002Fs\",\"Professional discrete GPU shows how much bandwidth high-end graphics\u002FAI workloads can demand\"],[\"GeForce RTX 5090\",\"32 GB GDDR7, 512-bit\",\"High-end discrete design\",\"Gaming flagship emphasizes bandwidth and dedicated local memory over giant coherent capacity\"]]},\"tunes\":{}},{\"id\":\"v3-bandwidth-ratio\",\"type\":\"paragraph\",\"data\":{\"text\":\"The point is not that one architecture is universally better. Spark demonstrates coherent capacity; the RTX PRO 6000 demonstrates extreme local bandwidth. A gaming architecture that tries to combine Spark-like coherence with flagship-class graphics would need to reconcile those priorities rather than copy one product unchanged.\"},\"tunes\":{}},{\"id\":\"c-0123\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"The bandwidth wall\",\"body\":\"Spark's \u003Cstrong>273 GB\u002Fs\u003C\u002Fstrong> is a useful reminder that memory capacity and memory bandwidth are different specifications. A gaming derivative could not simply copy 128 GB LPDDR5X and assume it replaces a high-end discrete GPU. It would need much more aggressive bandwidth, caching, compression or workload scheduling — possibly all four.\"},\"tunes\":{}},{\"id\":\"v3-compression-path\",\"type\":\"header\",\"data\":{\"text\":\"Compression and prediction could make a lower-bandwidth unified pool more viable\",\"level\":2},\"tunes\":{}},{\"id\":\"v3-compression-path-p\",\"type\":\"paragraph\",\"data\":{\"text\":\"A future integrated design does not have to solve every problem by increasing pin speed. Compression can reduce bytes moved, neural representations can reduce stored detail, predictive prefetch can hide some access latency, and a cache hierarchy can keep hot graphics data near the GPU. Those techniques do not erase the bandwidth wall, but they can reduce how often software hits it.\"},\"tunes\":{}},{\"id\":\"h-0124\",\"type\":\"header\",\"data\":{\"text\":\"Why neural rendering makes unified memory more interesting\",\"level\":2},\"tunes\":{}},{\"id\":\"p-0125\",\"type\":\"paragraph\",\"data\":{\"text\":\"Classic graphics mostly asks whether the GPU can keep textures, geometry and buffers close enough to render the scene. Neural graphics can add model weights, latent representations, history buffers and intermediate tensors. A large coherent pool makes those new data classes easier to share between CPU-side game systems and GPU-side inference, especially when a local game assistant or NPC model is also running.\"},\"tunes\":{}},{\"id\":\"ref-0126\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games\",\"title\":\"DirectX Is Becoming an ML Platform: What Linear Algebra and Neural Shaders Mean for Future Games\",\"excerpt\":\"The software side of this transition: machine-learning math is entering the graphics programming model itself.\",\"ctaLabel\":\"Read the DirectX ML analysis\"},\"tunes\":{}},{\"id\":\"h-0127\",\"type\":\"header\",\"data\":{\"text\":\"What would a gaming version need that Spark does not optimize for?\",\"level\":2},\"tunes\":{}},{\"id\":\"t-0128\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Gaming requirement\",\"Why Spark-like integration helps\",\"What still must be solved\"],[\"High-refresh graphics\",\"Close CPU\u002FGPU coordination\",\"Much higher sustained graphics bandwidth and low latency\"],[\"Large neural models\",\"Shared capacity reduces fit\u002Fduplication problems\",\"Inference cannot steal frame time unpredictably\"],[\"Asset streaming\",\"One pool simplifies residency relationships\",\"Storage-to-memory path and decompression must stay fast\"],[\"Competitive latency\",\"Fewer transfers can help\",\"Unified scheduling must not add contention or long queues\"],[\"Long product life\",\"Integrated platform can be power efficient\",\"Repair\u002Fupgrade path can become worse than a modular PC\"]]},\"tunes\":{}},{\"id\":\"h-0129\",\"type\":\"header\",\"data\":{\"text\":\"The most interesting version is probably hybrid\",\"level\":2},\"tunes\":{}},{\"id\":\"c-0130\",\"type\":\"callout\",\"data\":{\"variant\":\"success\",\"title\":\"Figure Rocks hypothesis\",\"body\":\"A future high-end gaming system may not choose between \u003Cstrong>fully discrete\u003C\u002Fstrong> and \u003Cstrong>fully unified\u003C\u002Fstrong>. A hybrid could combine a large coherent memory pool with a high-bandwidth local cache or graphics-memory tier, allowing AI and game-state workloads to share capacity while latency-sensitive rendering keeps a very fast local path.\"},\"tunes\":{}},{\"id\":\"flow-0131\",\"type\":\"processFlow\",\"data\":{\"title\":\"A possible hybrid gaming memory hierarchy\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"Large coherent pool\",\"description\":\"Holds game assets, AI models, CPU state and less latency-sensitive data.\"},{\"label\":\"Predictive residency manager\",\"description\":\"Moves likely-needed resources toward faster memory before demand.\"},{\"label\":\"High-bandwidth graphics tier\",\"description\":\"Protects the current render working set.\"},{\"label\":\"Neural compression\",\"description\":\"Keeps selected assets or representations smaller until needed.\"},{\"label\":\"Engine scheduler\",\"description\":\"Balances CPU, graphics, RT and neural workloads against frame deadlines.\"}]},\"tunes\":{}},{\"id\":\"h-0132\",\"type\":\"header\",\"data\":{\"text\":\"What the buyer gains — and gives up\",\"level\":2},\"tunes\":{}},{\"id\":\"cmp-0133\",\"type\":\"comparison\",\"data\":{\"title\":\"Buyer trade-off\",\"layout\":\"table\",\"columns\":[{\"id\":\"gain\",\"label\":\"Potential gain\"},{\"id\":\"cost\",\"label\":\"Potential cost\"}],\"rows\":[{\"id\":\"memory\",\"label\":\"Very large useful pool\",\"values\":{\"gain\":\"Fewer hard walls between RAM, VRAM and model memory\",\"cost\":\"Shared contention and less obvious performance specs\"}},{\"id\":\"ai\",\"label\":\"Local AI headroom\",\"values\":{\"gain\":\"Bigger models can coexist with games\",\"cost\":\"AI workloads can compete with rendering\"}},{\"id\":\"power\",\"label\":\"Integration\",\"values\":{\"gain\":\"Potential efficiency and compactness\",\"cost\":\"Thermal limits may cap peak graphics performance\"}},{\"id\":\"upgrade\",\"label\":\"Platform simplicity\",\"values\":{\"gain\":\"Fewer compatibility boundaries\",\"cost\":\"Whole-platform upgrade instead of GPU-only upgrade\"}},{\"id\":\"software\",\"label\":\"Optimization\",\"values\":{\"gain\":\"Engine can coordinate more of the system\",\"cost\":\"Poor software support can waste expensive hardware\"}},{\"id\":\"predictive\",\"label\":\"Predictive memory management\",\"values\":{\"gain\":\"Fewer late asset\u002Fpage arrivals when prediction is accurate\",\"cost\":\"Wrong predictions can waste bandwidth, residency and cache\"}},{\"id\":\"platform\",\"label\":\"Platform-level optimization\",\"values\":{\"gain\":\"Engine, driver and hardware can coordinate data placement and accelerators more deeply\",\"cost\":\"Greater ecosystem lock-in and more opaque performance behavior\"}}]},\"tunes\":{}},{\"id\":\"h-0134\",\"type\":\"header\",\"data\":{\"text\":\"What would falsify the idea?\",\"level\":2},\"tunes\":{}},{\"id\":\"p-0135\",\"type\":\"paragraph\",\"data\":{\"text\":\"If high-end discrete GPUs continue to deliver much better cost, bandwidth and latency while local gaming AI remains optional, there may be little reason to accept the lock-in and contention of a unified architecture. The hypothesis becomes stronger only if games increasingly need large shared data sets and neural workloads that are awkward to fit inside a traditional CPU-RAM + discrete-VRAM split.\"},\"tunes\":{}},{\"id\":\"h-0136\",\"type\":\"header\",\"data\":{\"text\":\"Primary source\",\"level\":2},\"tunes\":{}},{\"id\":\"src-0137\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nvidia.com\u002Fen-us\u002Fproducts\u002Fworkstations\u002Fdgx-spark\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NVIDIA DGX Spark — Official specifications\",\"description\":\"Official GB10 architecture, unified memory, bandwidth, CPU, GPU and AI-compute specifications.\"}},\"tunes\":{}},{\"id\":\"v3-src-pro6000\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nvidia.com\u002Fde-de\u002Fproducts\u002Fworkstations\u002Fprofessional-desktop-gpus\u002Frtx-pro-6000\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NVIDIA — RTX PRO 6000 Blackwell Workstation Edition\",\"description\":\"Official 96 GB GDDR7 and 1,792 GB\u002Fs bandwidth reference for a high-end discrete Blackwell GPU.\"}},\"tunes\":{}},{\"id\":\"faq-0138\",\"type\":\"faq\",\"data\":{\"title\":\"Spark-like gaming architecture\",\"items\":[{\"id\":\"faq1\",\"question\":\"Is DGX Spark a gaming PC?\",\"answer\":\"No. NVIDIA positions it as a personal AI supercomputer. This article uses its architecture as a thought experiment.\"},{\"id\":\"faq2\",\"question\":\"Would 128 GB unified memory beat a 32 GB high-end GPU?\",\"answer\":\"Not automatically. Capacity, bandwidth, latency and software optimization are different constraints.\"},{\"id\":\"faq3\",\"question\":\"Why is unified memory attractive for gaming AI?\",\"answer\":\"It can reduce hard capacity boundaries and duplication between CPU, GPU and local-model workloads.\"},{\"id\":\"faq4\",\"question\":\"What is the biggest risk?\",\"answer\":\"Shared-memory contention plus reduced modular upgradeability.\"},{\"id\":\"faq5\",\"question\":\"Could a hybrid be better?\",\"answer\":\"Potentially. A large coherent pool plus a fast graphics-local tier could preserve bandwidth while giving AI and general workloads more shared capacity.\"}]},\"tunes\":{}},{\"id\":\"gloss-0139\",\"type\":\"glossary\",\"data\":{\"title\":\"Architecture terms\",\"entries\":[{\"term\":\"Coherent unified memory\",\"definition\":\"A memory architecture where multiple processors can access a shared system memory space with coherence guarantees.\",\"anchor\":\"coherent-memory\"},{\"term\":\"Memory tier\",\"definition\":\"A layer in a hierarchy with different capacity, bandwidth and latency characteristics.\",\"anchor\":\"memory-tier\"},{\"term\":\"Heterogeneous compute\",\"definition\":\"Using different processor types or accelerator blocks for different workload classes.\",\"anchor\":\"heterogeneous-compute\"},{\"term\":\"Spark-like gaming architecture\",\"definition\":\"Figure Rocks shorthand for borrowing integrated CPU\u002FGPU\u002FAI and coherent-memory principles from systems such as DGX Spark; not an announced product.\",\"anchor\":\"spark-like\"}]},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":1032,"blocks":1033,"version":1398},1792340022841,[1034,1038,1043,1048,1052,1056,1086,1090,1110,1114,1118,1138,1173,1177,1195,1199,1204,1208,1212,1216,1220,1227,1231,1259,1263,1268,1288,1292,1337,1341,1345,1349,1356,1362,1382],{"id":541,"data":1035,"type":544,"tunes":1037},{"text":1036},"DGX Spark is built for AI development, not for replacing a GeForce gaming desktop. That is exactly why it is useful as a thought experiment. It packages CPU, GPU, Tensor and RT capability around a large coherent memory pool, making the entire system look less like a classic PC with two major memory islands and more like one heterogeneous compute machine.",{},{"id":547,"data":1039,"type":552,"tunes":1042},{"body":1040,"title":1041,"variant":551},"\u003Cstrong>A Spark-like gaming PC would change the data topology more than it changes the idea of a GPU.\u003C\u002Fstrong> The potential gain is a large shared pool that CPU, graphics and local AI workloads can access more coherently. The immediate cost is that shared capacity does not automatically provide discrete-GPU-class bandwidth, and tighter integration usually reduces modular upgradeability.","Direct answer",{},{"id":555,"data":1044,"type":552,"tunes":1047},{"body":1045,"title":1046,"variant":559},"DGX Spark specifications are factual. The gaming architecture proposed later is \u003Cstrong>not\u003C\u002Fstrong> an announced NVIDIA product and this article is not predicting a 'DGX Spark Gaming Edition.' Spark is evidence that a commercial Blackwell system can combine Arm CPU cores, GPU\u002FTensor\u002FRT resources and a large coherent memory pool. 'Spark-like' means borrowing those design principles for a gaming thought experiment, not predicting a specific SKU or roadmap.","This is an architectural thought experiment",{},{"id":562,"data":1049,"type":566,"tunes":1051},{"title":1050,"maxLevel":565,"minLevel":47},"Contents",{},{"id":569,"data":1053,"type":572,"tunes":1055},{"text":1054,"level":47},"What Spark actually is",{},{"id":575,"data":1057,"type":607,"tunes":1085},{"content":1058,"stretched":606,"withHeadings":15},[1059,1063,1066,1069,1073,1077,1081],[1060,1061,1062],"DGX Spark specification","Official value","Why it matters to this thought experiment",[1064,584,1065],"Architecture","CPU and Blackwell GPU are designed as one integrated compute platform",[587,1067,1068],"20-core Arm","Breaks from the traditional x86 gaming-desktop assumption",[1070,1071,1072],"System memory","64 GB or 128 GB coherent unified LPDDR5X","Large common pool rather than separate CPU RAM + dedicated VRAM",[1074,1075,1076],"Memory bandwidth","273 GB\u002Fs","Strong for an integrated system, but well below top-end discrete graphics memory bandwidth",[1078,1079,1080],"AI compute","Up to 1 PFLOP FP4","Shows how much design priority can move toward matrix\u002FTensor-style workloads",[1082,1083,1084],"RT hardware","4th-gen RT cores","The SoC still includes dedicated real-time graphics acceleration",{},{"id":610,"data":1087,"type":572,"tunes":1089},{"text":1088,"level":47},"The classic PC split creates duplication and movement",{},{"id":615,"data":1091,"type":635,"tunes":1109},{"steps":1092,"title":1108,"orientation":634},[1093,1096,1099,1102,1105],{"label":1094,"description":1095},"CPU-side system memory","Game logic, streaming buffers and many assets begin in system RAM.",{"label":1097,"description":1098},"PCIe\u002Fdata movement","Resources are copied or mapped toward the GPU as needed.",{"label":1100,"description":1101},"Discrete VRAM","The GPU keeps its working set in a separate high-bandwidth pool.",{"label":1103,"description":1104},"Rendering","Shaders, RT and compute consume those resident resources.",{"label":1106,"description":1107},"Eviction\u002Fstreaming","When the working set changes, data moves again.","Traditional discrete-gaming data path",{},{"id":638,"data":1111,"type":544,"tunes":1113},{"text":1112},"That separation is not inherently bad. It allows the GPU to have extremely fast dedicated memory and lets users upgrade components independently. But it also creates boundaries: capacity can be stranded on one side, data can be duplicated, and applications need explicit movement and residency policies.",{},{"id":643,"data":1115,"type":572,"tunes":1117},{"text":1116,"level":47},"A unified design changes the question",{},{"id":648,"data":1119,"type":635,"tunes":1137},{"steps":1120,"title":1136,"orientation":634},[1121,1124,1127,1130,1133],{"label":1122,"description":1123},"One coherent pool","CPU and GPU see a much larger common addressable memory resource.",{"label":1125,"description":1126},"Specialized engines","Graphics, RT and matrix\u002FTensor workloads pull from the same system-level pool.",{"label":1128,"description":1129},"Less mandatory duplication","Some workloads can avoid maintaining separate CPU and GPU copies.",{"label":1131,"description":1132},"New contention problem","All compute engines can now compete for the same memory bandwidth.",{"label":1134,"description":1135},"Software becomes more important","Scheduling and locality determine whether unified memory feels elegant or congested.","Spark-like data model",{},{"id":669,"data":1139,"type":710,"tunes":1172},{"rows":1140,"title":1166,"layout":607,"columns":1167},[1141,1146,1151,1156,1161],{"id":673,"label":1142,"values":1143},"Memory capacity",{"disc":1144,"unified":1145},"System RAM + separate VRAM pools","Large coherent shared pool",{"id":679,"label":1147,"values":1148},"Peak graphics bandwidth",{"disc":1149,"unified":1150},"Can be extremely high with GDDR\u002FHBM-style dedicated memory","Must be designed high enough for graphics + CPU + AI contention",{"id":685,"label":1152,"values":1153},"Upgradeability",{"disc":1154,"unified":1155},"GPU, RAM and sometimes CPU replaced independently","More platform-level replacement likely",{"id":691,"label":1157,"values":1158},"Local AI fit",{"disc":1159,"unified":1160},"AI competes for GPU VRAM or separate NPU","Large shared pool can make models easier to fit",{"id":697,"label":1162,"values":1163},"Data movement",{"disc":1164,"unified":1165},"Explicit transfers and duplication can matter","Potentially less copying, but locality still matters","Discrete gaming PC vs Spark-like principle",[1168,1170],{"id":705,"label":1169},"Discrete gaming PC",{"id":708,"label":1171},"Spark-like integrated system",{},{"id":713,"data":1174,"type":572,"tunes":1176},{"text":1175,"level":47},"Capacity and bandwidth tell radically different stories",{},{"id":718,"data":1178,"type":607,"tunes":1194},{"content":1179,"stretched":606,"withHeadings":15},[1180,1183,1186,1190],[1181,1142,1074,1182],"Reference architecture","Design lesson",[725,1184,1075,1185],"128 GB coherent unified LPDDR5X","Huge shared capacity, but not discrete-high-end graphics bandwidth",[729,1187,1188,1189],"96 GB GDDR7","1,792 GB\u002Fs","Professional discrete GPU shows how much bandwidth high-end graphics\u002FAI workloads can demand",[734,1191,1192,1193],"32 GB GDDR7, 512-bit","High-end discrete design","Gaming flagship emphasizes bandwidth and dedicated local memory over giant coherent capacity",{},{"id":740,"data":1196,"type":544,"tunes":1198},{"text":1197},"The point is not that one architecture is universally better. Spark demonstrates coherent capacity; the RTX PRO 6000 demonstrates extreme local bandwidth. A gaming architecture that tries to combine Spark-like coherence with flagship-class graphics would need to reconcile those priorities rather than copy one product unchanged.",{},{"id":745,"data":1200,"type":552,"tunes":1203},{"body":1201,"title":1202,"variant":749},"Spark's \u003Cstrong>273 GB\u002Fs\u003C\u002Fstrong> is a useful reminder that memory capacity and memory bandwidth are different specifications. A gaming derivative could not simply copy 128 GB LPDDR5X and assume it replaces a high-end discrete GPU. It would need much more aggressive bandwidth, caching, compression or workload scheduling — possibly all four.","The bandwidth wall",{},{"id":752,"data":1205,"type":572,"tunes":1207},{"text":1206,"level":47},"Compression and prediction could make a lower-bandwidth unified pool more viable",{},{"id":757,"data":1209,"type":544,"tunes":1211},{"text":1210},"A future integrated design does not have to solve every problem by increasing pin speed. Compression can reduce bytes moved, neural representations can reduce stored detail, predictive prefetch can hide some access latency, and a cache hierarchy can keep hot graphics data near the GPU. Those techniques do not erase the bandwidth wall, but they can reduce how often software hits it.",{},{"id":762,"data":1213,"type":572,"tunes":1215},{"text":1214,"level":47},"Why neural rendering makes unified memory more interesting",{},{"id":767,"data":1217,"type":544,"tunes":1219},{"text":1218},"Classic graphics mostly asks whether the GPU can keep textures, geometry and buffers close enough to render the scene. Neural graphics can add model weights, latent representations, history buffers and intermediate tensors. A large coherent pool makes those new data classes easier to share between CPU-side game systems and GPU-side inference, especially when a local game assistant or NPC model is also running.",{},{"id":772,"data":1221,"type":778,"tunes":1226},{"url":1222,"title":1223,"excerpt":1224,"ctaLabel":1225},"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games","DirectX Is Becoming an ML Platform: What Linear Algebra and Neural Shaders Mean for Future Games","The software side of this transition: machine-learning math is entering the graphics programming model itself.","Read the DirectX ML analysis",{},{"id":781,"data":1228,"type":572,"tunes":1230},{"text":1229,"level":47},"What would a gaming version need that Spark does not optimize for?",{},{"id":786,"data":1232,"type":607,"tunes":1258},{"content":1233,"stretched":606,"withHeadings":15},[1234,1238,1242,1246,1250,1254],[1235,1236,1237],"Gaming requirement","Why Spark-like integration helps","What still must be solved",[1239,1240,1241],"High-refresh graphics","Close CPU\u002FGPU coordination","Much higher sustained graphics bandwidth and low latency",[1243,1244,1245],"Large neural models","Shared capacity reduces fit\u002Fduplication problems","Inference cannot steal frame time unpredictably",[1247,1248,1249],"Asset streaming","One pool simplifies residency relationships","Storage-to-memory path and decompression must stay fast",[1251,1252,1253],"Competitive latency","Fewer transfers can help","Unified scheduling must not add contention or long queues",[1255,1256,1257],"Long product life","Integrated platform can be power efficient","Repair\u002Fupgrade path can become worse than a modular PC",{},{"id":815,"data":1260,"type":572,"tunes":1262},{"text":1261,"level":47},"The most interesting version is probably hybrid",{},{"id":820,"data":1264,"type":552,"tunes":1267},{"body":1265,"title":1266,"variant":824},"A future high-end gaming system may not choose between \u003Cstrong>fully discrete\u003C\u002Fstrong> and \u003Cstrong>fully unified\u003C\u002Fstrong>. A hybrid could combine a large coherent memory pool with a high-bandwidth local cache or graphics-memory tier, allowing AI and game-state workloads to share capacity while latency-sensitive rendering keeps a very fast local path.","Figure Rocks hypothesis",{},{"id":827,"data":1269,"type":635,"tunes":1287},{"steps":1270,"title":1286,"orientation":634},[1271,1274,1277,1280,1283],{"label":1272,"description":1273},"Large coherent pool","Holds game assets, AI models, CPU state and less latency-sensitive data.",{"label":1275,"description":1276},"Predictive residency manager","Moves likely-needed resources toward faster memory before demand.",{"label":1278,"description":1279},"High-bandwidth graphics tier","Protects the current render working set.",{"label":1281,"description":1282},"Neural compression","Keeps selected assets or representations smaller until needed.",{"label":1284,"description":1285},"Engine scheduler","Balances CPU, graphics, RT and neural workloads against frame deadlines.","A possible hybrid gaming memory hierarchy",{},{"id":848,"data":1289,"type":572,"tunes":1291},{"text":1290,"level":47},"What the buyer gains — and gives up",{},{"id":853,"data":1293,"type":710,"tunes":1336},{"rows":1294,"title":1330,"layout":607,"columns":1331},[1295,1300,1305,1310,1315,1320,1325],{"id":857,"label":1296,"values":1297},"Very large useful pool",{"cost":1298,"gain":1299},"Shared contention and less obvious performance specs","Fewer hard walls between RAM, VRAM and model memory",{"id":691,"label":1301,"values":1302},"Local AI headroom",{"cost":1303,"gain":1304},"AI workloads can compete with rendering","Bigger models can coexist with games",{"id":868,"label":1306,"values":1307},"Integration",{"cost":1308,"gain":1309},"Thermal limits may cap peak graphics performance","Potential efficiency and compactness",{"id":685,"label":1311,"values":1312},"Platform simplicity",{"cost":1313,"gain":1314},"Whole-platform upgrade instead of GPU-only upgrade","Fewer compatibility boundaries",{"id":879,"label":1316,"values":1317},"Optimization",{"cost":1318,"gain":1319},"Poor software support can waste expensive hardware","Engine can coordinate more of the system",{"id":885,"label":1321,"values":1322},"Predictive memory management",{"cost":1323,"gain":1324},"Wrong predictions can waste bandwidth, residency and cache","Fewer late asset\u002Fpage arrivals when prediction is accurate",{"id":891,"label":1326,"values":1327},"Platform-level optimization",{"cost":1328,"gain":1329},"Greater ecosystem lock-in and more opaque performance behavior","Engine, driver and hardware can coordinate data placement and accelerators more deeply","Buyer trade-off",[1332,1334],{"id":899,"label":1333},"Potential gain",{"id":902,"label":1335},"Potential cost",{},{"id":906,"data":1338,"type":572,"tunes":1340},{"text":1339,"level":47},"What would falsify the idea?",{},{"id":911,"data":1342,"type":544,"tunes":1344},{"text":1343},"If high-end discrete GPUs continue to deliver much better cost, bandwidth and latency while local gaming AI remains optional, there may be little reason to accept the lock-in and contention of a unified architecture. The hypothesis becomes stronger only if games increasingly need large shared data sets and neural workloads that are awkward to fit inside a traditional CPU-RAM + discrete-VRAM split.",{},{"id":916,"data":1346,"type":572,"tunes":1348},{"text":1347,"level":47},"Primary source",{},{"id":921,"data":1350,"type":928,"tunes":1355},{"link":923,"meta":1351},{"image":1352,"title":1353,"description":1354},{"url":13},"NVIDIA DGX Spark — Official specifications","Official GB10 architecture, unified memory, bandwidth, CPU, GPU and AI-compute specifications.",{},{"id":931,"data":1357,"type":928,"tunes":1361},{"link":933,"meta":1358},{"image":1359,"title":936,"description":1360},{"url":13},"Official 96 GB GDDR7 and 1,792 GB\u002Fs bandwidth reference for a high-end discrete Blackwell GPU.",{},{"id":940,"data":1363,"type":964,"tunes":1381},{"items":1364,"title":1380},[1365,1368,1371,1374,1377],{"id":944,"answer":1366,"question":1367},"No. NVIDIA positions it as a personal AI supercomputer. This article uses its architecture as a thought experiment.","Is DGX Spark a gaming PC?",{"id":948,"answer":1369,"question":1370},"Not automatically. Capacity, bandwidth, latency and software optimization are different constraints.","Would 128 GB unified memory beat a 32 GB high-end GPU?",{"id":952,"answer":1372,"question":1373},"It can reduce hard capacity boundaries and duplication between CPU, GPU and local-model workloads.","Why is unified memory attractive for gaming AI?",{"id":956,"answer":1375,"question":1376},"Shared-memory contention plus reduced modular upgradeability.","What is the biggest risk?",{"id":960,"answer":1378,"question":1379},"Potentially. A large coherent pool plus a fast graphics-local tier could preserve bandwidth while giving AI and general workloads more shared capacity.","Could a hybrid be better?","Spark-like gaming architecture",{},{"id":967,"data":1383,"type":986,"tunes":1397},{"title":1384,"entries":1385},"Architecture terms",[1386,1389,1392,1395],{"term":1387,"anchor":973,"definition":1388},"Coherent unified memory","A memory architecture where multiple processors can access a shared system memory space with coherence guarantees.",{"term":1390,"anchor":977,"definition":1391},"Memory tier","A layer in a hierarchy with different capacity, bandwidth and latency characteristics.",{"term":1393,"anchor":981,"definition":1394},"Heterogeneous compute","Using different processor types or accelerator blocks for different workload classes.",{"term":1380,"anchor":984,"definition":1396},"Figure Rocks shorthand for borrowing integrated CPU\u002FGPU\u002FAI and coherent-memory principles from systems such as DGX Spark; not an announced product.",{},"2.31.6",{"lang":7,"title":534,"content":536,"contentJson":1400,"excerpt":14},{"time":538,"blocks":1401,"version":988},[1402,1405,1408,1411,1414,1417,1428,1431,1440,1443,1446,1455,1472,1475,1483,1486,1489,1492,1495,1498,1501,1504,1507,1517,1520,1523,1532,1535,1556,1559,1562,1565,1570,1575,1584],{"id":541,"data":1403,"type":544,"tunes":1404},{"text":543},{},{"id":547,"data":1406,"type":552,"tunes":1407},{"body":549,"title":550,"variant":551},{},{"id":555,"data":1409,"type":552,"tunes":1410},{"body":557,"title":558,"variant":559},{},{"id":562,"data":1412,"type":566,"tunes":1413},{"title":564,"maxLevel":565,"minLevel":47},{},{"id":569,"data":1415,"type":572,"tunes":1416},{"text":571,"level":47},{},{"id":575,"data":1418,"type":607,"tunes":1427},{"content":1419,"stretched":606,"withHeadings":15},[1420,1421,1422,1423,1424,1425,1426],[579,580,581],[583,584,585],[587,588,589],[591,592,593],[595,596,597],[599,600,601],[603,604,605],{},{"id":610,"data":1429,"type":572,"tunes":1430},{"text":612,"level":47},{},{"id":615,"data":1432,"type":635,"tunes":1439},{"steps":1433,"title":633,"orientation":634},[1434,1435,1436,1437,1438],{"label":619,"description":620},{"label":622,"description":623},{"label":625,"description":626},{"label":628,"description":629},{"label":631,"description":632},{},{"id":638,"data":1441,"type":544,"tunes":1442},{"text":640},{},{"id":643,"data":1444,"type":572,"tunes":1445},{"text":645,"level":47},{},{"id":648,"data":1447,"type":635,"tunes":1454},{"steps":1448,"title":666,"orientation":634},[1449,1450,1451,1452,1453],{"label":652,"description":653},{"label":655,"description":656},{"label":658,"description":659},{"label":661,"description":662},{"label":664,"description":665},{},{"id":669,"data":1456,"type":710,"tunes":1471},{"rows":1457,"title":702,"layout":607,"columns":1468},[1458,1460,1462,1464,1466],{"id":673,"label":674,"values":1459},{"disc":676,"unified":677},{"id":679,"label":680,"values":1461},{"disc":682,"unified":683},{"id":685,"label":686,"values":1463},{"disc":688,"unified":689},{"id":691,"label":692,"values":1465},{"disc":694,"unified":695},{"id":697,"label":698,"values":1467},{"disc":700,"unified":701},[1469,1470],{"id":705,"label":706},{"id":708,"label":709},{},{"id":713,"data":1473,"type":572,"tunes":1474},{"text":715,"level":47},{},{"id":718,"data":1476,"type":607,"tunes":1482},{"content":1477,"stretched":606,"withHeadings":15},[1478,1479,1480,1481],[722,674,595,723],[725,726,596,727],[729,730,731,732],[734,735,736,737],{},{"id":740,"data":1484,"type":544,"tunes":1485},{"text":742},{},{"id":745,"data":1487,"type":552,"tunes":1488},{"body":747,"title":748,"variant":749},{},{"id":752,"data":1490,"type":572,"tunes":1491},{"text":754,"level":47},{},{"id":757,"data":1493,"type":544,"tunes":1494},{"text":759},{},{"id":762,"data":1496,"type":572,"tunes":1497},{"text":764,"level":47},{},{"id":767,"data":1499,"type":544,"tunes":1500},{"text":769},{},{"id":772,"data":1502,"type":778,"tunes":1503},{"url":774,"title":775,"excerpt":776,"ctaLabel":777},{},{"id":781,"data":1505,"type":572,"tunes":1506},{"text":783,"level":47},{},{"id":786,"data":1508,"type":607,"tunes":1516},{"content":1509,"stretched":606,"withHeadings":15},[1510,1511,1512,1513,1514,1515],[790,791,792],[794,795,796],[798,799,800],[802,803,804],[806,807,808],[810,811,812],{},{"id":815,"data":1518,"type":572,"tunes":1519},{"text":817,"level":47},{},{"id":820,"data":1521,"type":552,"tunes":1522},{"body":822,"title":823,"variant":824},{},{"id":827,"data":1524,"type":635,"tunes":1531},{"steps":1525,"title":845,"orientation":634},[1526,1527,1528,1529,1530],{"label":831,"description":832},{"label":834,"description":835},{"label":837,"description":838},{"label":840,"description":841},{"label":843,"description":844},{},{"id":848,"data":1533,"type":572,"tunes":1534},{"text":850,"level":47},{},{"id":853,"data":1536,"type":710,"tunes":1555},{"rows":1537,"title":896,"layout":607,"columns":1552},[1538,1540,1542,1544,1546,1548,1550],{"id":857,"label":858,"values":1539},{"cost":860,"gain":861},{"id":691,"label":863,"values":1541},{"cost":865,"gain":866},{"id":868,"label":869,"values":1543},{"cost":871,"gain":872},{"id":685,"label":874,"values":1545},{"cost":876,"gain":877},{"id":879,"label":880,"values":1547},{"cost":882,"gain":883},{"id":885,"label":886,"values":1549},{"cost":888,"gain":889},{"id":891,"label":892,"values":1551},{"cost":894,"gain":895},[1553,1554],{"id":899,"label":900},{"id":902,"label":903},{},{"id":906,"data":1557,"type":572,"tunes":1558},{"text":908,"level":47},{},{"id":911,"data":1560,"type":544,"tunes":1561},{"text":913},{},{"id":916,"data":1563,"type":572,"tunes":1564},{"text":918,"level":47},{},{"id":921,"data":1566,"type":928,"tunes":1569},{"link":923,"meta":1567},{"image":1568,"title":926,"description":927},{"url":13},{},{"id":931,"data":1571,"type":928,"tunes":1574},{"link":933,"meta":1572},{"image":1573,"title":936,"description":937},{"url":13},{},{"id":940,"data":1576,"type":964,"tunes":1583},{"items":1577,"title":963},[1578,1579,1580,1581,1582],{"id":944,"answer":945,"question":946},{"id":948,"answer":949,"question":950},{"id":952,"answer":953,"question":954},{"id":956,"answer":957,"question":958},{"id":960,"answer":961,"question":962},{},{"id":967,"data":1585,"type":986,"tunes":1591},{"title":969,"entries":1586},[1587,1588,1589,1590],{"term":972,"anchor":973,"definition":974},{"term":976,"anchor":977,"definition":978},{"term":980,"anchor":981,"definition":982},{"term":963,"anchor":984,"definition":985},{},"Post erfolgreich abgerufen",{"items":1594,"source":1668,"manualIds":1669,"manualMatchedIds":1670},[1595,1601,1608,1615,1621,1627,1634,1641,1648,1654,1661],{"id":1596,"slug":1597,"title":1598,"excerpt":1599,"featuredImage":14,"publishedAt":1600},"399","beyond-scanning-creative-uses-and-modifications-of-amiibo","Больше чем сканирование – креативные способы использования и модификации amiibo\"","amiibo — это фигурки персонажей, оснащенные NFC, выпускаемые компанией Nintendo с 2014 года. Технически они представляют собой небольшие носители данных внутри литых пластиковых фигурок. На практике они занимают промежуточное положение между игрушкой, предметом коллекционирования и интерфейсным устройством. Сканирование их в консоль — это лишь одна часть их жизненного цикла. Как показывают многолетние наблюдения, многие владельцы относятся к ним как к объектам с собственным творческим потенциалом.","2026-02-27T16:36:00.000Z",{"id":1602,"slug":1603,"title":1604,"excerpt":1605,"featuredImage":1606,"publishedAt":1607},"458","the-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","Игровой движок становится частично рендерером, частично планировщиком, частично ИИ-системой","Игровые движки использовались для оркестрации симуляции и рендеринга. Нейрографика, предиктивная память и игровые агенты добавляют третью обязанность: решать, где вывод (инференс) должен находиться внутри кадра и игрового состояния.","\u002Fuploads\u002F2026\u002F10\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system-1792340569647-63jv23.webp","2026-10-18T12:21:00.000Z",{"id":1609,"slug":1610,"title":1611,"excerpt":1612,"featuredImage":1613,"publishedAt":1614},"454","why-ai-is-reshaping-gaming-memory-hbm-gddr-vram-and-the-fight-for-capacity","Почему ИИ меняет облик игровой памяти: HBM, GDDR, VRAM и борьба за объёмы","Проблема памяти, стоящая за современными играми, больше не сводится только к тому, сколько гигабайт нужно видеокарте. Инфраструктура ИИ меняет то, какие продукты памяти поставщики ставят в приоритет и сколько потребители могут себе позволить.","\u002Fuploads\u002F2026\u002F10\u002Fwhy-ai-is-reshaping-gaming-memory-hbm-gddr-vram-and-the-fight-for-capacity-1792335495408-ymehaw.webp","2026-10-18T10:56:00.000Z",{"id":1616,"slug":1617,"title":1618,"excerpt":1619,"featuredImage":14,"publishedAt":1620},"402","ll-amiibo-compatible-games-complete-overview-of-bonuses-and-gameplay-integration","Все игры, совместимые с amiibo – полный обзор бонусов и интеграции в игровой процесс","Фигурки amiibo взаимодействуют с широким спектром игр Nintendo на Wii U, Nintendo 3DS и Nintendo Switch. Дополнительная ценность различается от игры к игре. В некоторых случаях бонус носит косметический характер. В других он влияет на игровой процесс более непосредственно. Ниже представлен структурированный обзор совместимых игр и наиболее значимых разблокировок, связанных со сканированием фигурки.","2026-02-27T18:13:00.000Z",{"id":1622,"slug":1623,"title":1624,"excerpt":1625,"featuredImage":14,"publishedAt":1626},"185","hdr-tone-mapping-traps-when-dynamic-settings-destroy-detail","Ловушки HDR Tone Mapping: когда ‘динамические’ настройки уничтожают детализацию","Многие проблемы HDR — это проблемы тонального отображения. ‘Динамические’ режимы могут «выбивать» светлые участки или превращать черный цвет в серый туман. Используйте этот базовый уровень, чтобы детали оставались читаемыми.","2026-02-20T16:00:00.000Z",{"id":1628,"slug":1629,"title":1630,"excerpt":1631,"featuredImage":1632,"publishedAt":1633},"433","pre-order-alert-good-smile-company-figma-doom-the-dark-ages-doom-slayer-dx-edition","Оповещение о предзаказе: Good Smile Company Figma Doom: The Dark Ages – Doom Slayer DX Edition","Новая фигурка Good Smile Company Figma Doom: The Dark Ages Doom Slayer DX Edition — это больше, чем просто очередной выпуск фигурки. Она объединяет спрос коллекционеров, идентичность франшизы и широкую популярность Doom как одной из самых долговечных икон гейминга.","\u002Fuploads\u002F2026\u002F05\u002Fpre-order-alert-good-smile-company-figma-doom-the-dark-ages-doom-slayer-dx-edition-1779227794098-251pwj.webp","2026-04-22T04:37:00.000Z",{"id":1635,"slug":1636,"title":1637,"excerpt":1638,"featuredImage":1639,"publishedAt":1640},"457","what-does-future-proof-gaming-hardware-mean-in-the-neural-rendering-era","Что означает «будущее-устойчивое» игровое оборудование в эпоху нейронного рендеринга?","Раньше задел на будущее означал покупку большего объёма CPU, GPU и VRAM, чем нужно сегодня. Нейронный рендеринг делает это правило менее надёжным. Вот более удачная система принятия решений.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-does-future-proof-gaming-hardware-mean-in-the-neural-rendering-era-1792340303825-012uhb.webp","2026-10-18T12:16:00.000Z",{"id":1642,"slug":1643,"title":1644,"excerpt":1645,"featuredImage":1646,"publishedAt":1647},"455","what-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter","Что если игра могла бы предсказывать своё следующее обращение к памяти? ИИ-префетчинг и будущее устранения рывков","Игровые движки уже знают, куда движутся игрок, камера и мир. Исследования показывают, что обученная предварительная выборка на GPU способна предсказывать страницы памяти. Что произойдёт, если объединить эти идеи?","\u002Fuploads\u002F2026\u002F10\u002Fwhat-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter-1792339100514-lyx0yw.webp","2026-10-18T11:57:00.000Z",{"id":1649,"slug":1650,"title":1651,"excerpt":1652,"featuredImage":14,"publishedAt":1653},"398","upcoming-nintendo-amiibo-new-figures-release-windows-and-functional-significance","Предстоящие Nintendo amiibo – новые фигурки, сроки выхода и функциональное значение","amiibo — это физические фигурки, оснащенные NFC-чипами, которые взаимодействуют с консолями Nintendo. Они открывают внутриигровые предметы, косметические элементы или небольшие игровые функции в совместимых играх. Этот обзор каталога посвящен официально анонсированным предстоящим amiibo, ожидаемым срокам их выпуска, их функциональной ценности и их положению в рамках более широкой структуры волн.","2026-02-27T15:54:00.000Z",{"id":1655,"slug":1656,"title":1657,"excerpt":1658,"featuredImage":1659,"publishedAt":1660},"453","render-less-infer-more-is-ai-breaking-the-traditional-gaming-hardware-upgrade-cycle","Рендерить меньше, выводить больше: ломает ли ИИ традиционный цикл обновления игрового железа?","ИИ делает высокопроизводительные кремниевые чипы и память более ценными за пределами игровой индустрии, одновременно предоставляя играм новые способы рендеринга, сжатия и прогнозирования. В этом анализе рассматривается вопрос о том, сливаются ли эти две тенденции в новую аппаратную модель.","\u002Fuploads\u002F2026\u002F10\u002Frender-less-infer-more-is-ai-breaking-the-traditional-gaming-hardware-upgrade-cycle-1792323493963-l2x8qb.webp","2026-10-18T03:34:00.000Z",{"id":1662,"slug":1663,"title":1664,"excerpt":1665,"featuredImage":1666,"publishedAt":1667},"434","google-io-2026-gaming-ai-xr-and-the-next-wave-of-collectibles","Google I\u002FO 2026 and Gaming: AI, XR, and the Next Wave of Collectibles","Google I\u002FO 2026 was not a classic gaming event, but its AI, XR, Gemini, Google Play, and creative tooling announcements point toward a clear shift in gaming culture. This article explains how AI discovery, XR companion layers, Gemini-powered media, and faster character visibility may shape games, figures, collectibles, and future fan ecosystems.","\u002Fuploads\u002F2026\u002F05\u002Fgoogle-io-2026-gaming-ai-xr-and-the-next-wave-of-collectibles-1779257974958-jjj07f.webp","2026-05-20T00:17:00.000Z","fallback",[],[]]