夜雨聆风NVIDIA DGX Spark 的联想版——ThinkStation PGX 已经开卖，起售价 5079 美元。一位开发者用了几个月后在 X 上晒出完整工作流：ComfyUI、vLLM、Qwen3-TTS、AI Agent、Telegram Bot，全部跑在一台 128GB 内存的桌面小主机上。桌面级 AI 超算，终于开始有真实使用反馈了。
「它到底能拿来干什么」——终于有人认真回答了
桌面 AI 超算这类产品，过去的信息来源基本只有三种：发布会 PPT、媒体开箱评测、社交平台晒图。
共同特点：都没认真讲过，这台机器买回去以后到底在跑什么。
5 月 31 日，开发者 Tibor Blaho 在 X 上发了一条长帖，标题开门见山：
"How I am using the ThinkStation PGX (DGX Spark) for personal AI projects"
「我怎么把 ThinkStation PGX（DGX Spark）用在个人 AI 项目上。」
▲ Tibor Blaho 在 X 上分享 ThinkStation PGX 使用体验，展示了他自建的 DGX Spark Dashboard
他说自己已经用了几个月，想分享"到目前为止真正有用的东西"——
"I have been using it for a few months now and wanted to share what has actually been useful for me so far"
「用了几个月了，想分享一下到目前为止，哪些功能对我来说真正有价值。」
这个定位很关键。他没做开箱，没跑 benchmark，没转述官方卖点。他给出的是一份长期使用后的个人工作流清单。
128GB 统一内存：买它的理由，比你想的更实际
Tibor 在帖子里解释了自己为什么下单。原因出乎意料地朴素：
"the 128 GB of unified memory makes it useful for personal AI experiments, running larger local models and trying different workflows"
「128GB 统一内存让它在个人 AI 实验、跑更大的本地模型和尝试不同工作流上很有价值。」
紧接着他补了更关键的一段：
"without renting a GPU each time or overloading my Mac Studio and MacBook"
「不用每次都去租 GPU，也不用让我的 Mac Studio 和 MacBook 一直超负荷运转。」
两层含义都很实际：
第一，云端 GPU 能用，但租金是持续成本，个人开发者高频实验阶段会非常心疼。
第二，Mac 也能跑 AI 任务，但如果 AI 工作流长时间压着主力机的资源，日常写代码、开浏览器、处理文件都会被拖慢。
所以他的真实购买逻辑是——把 AI 工作流从主力办公设备上拆出来，交给一台专门的常驻设备。
这件事看起来不大，但它指向了一个正在浮现的趋势：个人开发者开始需要一台独立的、长期开着的 AI 副机。
他到底在上面跑什么？一份覆盖 AI 全栈的工具清单
Tibor 晒出的工作流覆盖范围，远比多数人预期的广。
图像和视频生成：ComfyUI
用于图像生成、视频编辑、背景移除、超分辨率放大。ComfyUI 是目前本地 AI 图像生成领域最主流的工具之一。
本地大模型推理：vLLM + 多套运行时
他同时跑着好几套本地大模型方案：
vLLM with sparkrun llmster（LM Studio 的 headless daemon 版本） Atlas DwarfStar（专门用来跑 DeepSeek V4 Flash）
前端交互层：Open WebUI / BoltAI 2 / OpenCode
多个前端同时挂在本地推理后端上，分别覆盖不同使用场景。
语音合成：Qwen3-TTS
文本转语音、语音克隆、声音设计——近期 AI 语音领域最热门的开源方案之一。
AI Agent：Hermes Agent + OpenClaw
两套 Agent 框架分别对接不同模型和订阅体系，还挂载到 Telegram Bot 上执行自动化任务。
系统管理：自建 Dashboard
他自己写了一个控制面板，用来启停服务、监控资源使用、管理 Docker 容器、查看日志。
这份清单的含金量在于：它证明了一台 128GB 内存的桌面设备，确实能在长期运行下同时承接图像生成、大模型推理、语音合成、Agent 自动化和容器管理这一整组异构工作负载。
NVIDIA 官方定位：「桌上的个人 AI 超算」
Tibor 用的 ThinkStation PGX，底层就是 NVIDIA DGX Spark。
NVIDIA 官方对 DGX Spark 的定位非常明确——personal AI supercomputer on your desk，桌上的个人 AI 超算。
核心规格：
基于NVIDIA GB10 Grace Blackwell Superchip 理论算力可达1 petaFLOP FP4 AI 性能（含稀疏条件） - 128GB 内存
此前代号 Project DIGITS
▲ NVIDIA DGX Spark 官方页面，强调 128GB 内存、NemoClaw 和 autonomous agent 能力
值得注意的是，NVIDIA 在产品页里已经开始强化NemoClaw和long-running autonomous agents的方向——他们希望这台桌面设备成为开发者在本地运行 AI Agent 的基础节点。
而 Tibor 的实测恰好印证了这个方向：他确实在上面跑了 Hermes Agent 和 OpenClaw 两套 Agent 框架。
联想 ThinkStation PGX：5079 美元起，已在售
NVIDIA 负责芯片和定位，联想负责把它做成可以买到的产品。
ThinkStation PGX 是联想推出的 DGX Spark 品牌版本，也是联想第一款专为 AI 开发设计的工作站。
▲ Lenovo ThinkStation PGX 产品页，起售价 5079 美元，小型机身设计
关键参数：
起售价$5,079 - 128GB LPDDR5x 统一系统内存
预装NVIDIA AI 软件栈 - 240W 功耗
，小型 SFF 机身 目标用户：AI 开发者、数据科学家、学生
一台 5000 美元出头的桌面机器，预装全套 AI 开发环境，开机就能开始部署模型——联想在试图把这类设备的门槛降到「个人工作站」级别。
社区怎么看？有向往，有对比，也有清醒判断
原帖下面的回复很有代表性。
有人直接表态想要：
"I'd love to have a Spark."
「太想要一台 Spark 了。」
有人追问：为什么不直接用 Mac Studio M4 Max 或 M3 Ultra？
Tibor 的回答很干脆：他把 PGX 当成独立运行节点，专门承接 AI 工作负载，不想让 Mac 一直被压着。
也有人提出更冷静的判断：目前这类硬件主要面向enthusiasts 和有明确需求的开发者，还没到大众普及阶段。
还有人纯看氛围：
"Cyberpunk vibes"
「赛博朋克感拉满。」
这些回复指向了一个明确信号：有本地 AI 部署需求的个人开发者和深度爱好者，已经在认真评估是否值得入手。
一台桌面设备，一个正在成型的趋势
Tibor 的这份实测报告，放在更大的背景下看，指向了一个值得关注的方向：
个人 AI 开发正在从「主力机顺便跑」进化到「专机专用」。
过去，绝大多数个人开发者的 AI 工作流都寄生在主力办公设备上——Mac、PC、偶尔租个云端 GPU。模型跑起来的时候，Slack、浏览器、IDE 全部变卡。
现在，开始有人愿意花 5000 多美元，专门买一台只跑 AI 的桌面设备。图像生成、大模型推理、语音合成、Agent 自动化、容器管理，全部扔给这台机器。主力 Mac 只管写代码和日常办公。
这台机器当然有它的边界。Tibor 自己也说了——
"of course it's slow compared with more powerful GPUs"
「当然比更强大的 GPU 慢。」
它替代不了多卡训练集群，也替代不了云端大规模推理服务。但对个人开发者来说，它解决的问题足够具体：一个 always-on 的本地 AI 节点，能常驻运行一整套异构工作负载，同时释放主力设备的资源。
桌面级 AI 超算的价值，最终要落到一个问题上：它能不能让个人开发者拥有自己的小型 AI 基础设施——随时在线，随时可用，随时可以实验。
从 Tibor 的这份作业来看，答案已经开始变得肯定。
— END —