DGX Spark 本地 AI agent 与多机集群:NVIDIA Computex 2026 更新解读

2026 年 Computex 上，NVIDIA 为 DGX Spark 个人 AI 超级计算机发布了两项更新：一是 NemoClaw 简化安装，几分钟即可跑起本地 agent；二是 NVIDIA Sync 中的 cluster assistant，把 2~4 台 DGX Spark 组成 256~512 GB 统一内存池。配合 NVFP4 量化与 MTP 优化，官方公布的推理吞吐提升最高可达 2.6×（up to）。本文基于 NVIDIA 开发者博客原文与官方文档整理，不夸大性能，只谈官方公布的配置与数据。

01｜背景：为什么把 agent 跑在本地

自主、长时运行的 AI agent 带来了一类新的算力需求：任务要维持大上下文窗口、会派生并发子 agent、持续迭代，并且不依赖云端。

NVIDIA 给出的路径是：让 agent 跑在开发者自己的硬件上，由 NemoClaw 负责编排执行。这样做有三个直接结果——敏感上下文保留在设备本地、开发者直接控制 agent 的访问范围、不再有按 token 计费的成本。

承载这套方案的硬件是 DGX Spark：GB10 Grace Blackwell 超级芯片，128 GB 统一内存，板载 ConnectX-7（CX-7）网卡，支持 200 Gbps RoCE 网络。单台机器可以本地运行 35B 级别的开放模型；需要更大模型时，则走向多机集群，这是后文的话题。

02｜NemoClaw：一条命令装完本地 agent 栈

NemoClaw 是一个开源蓝图（blueprint），把三样东西打包进一次安装：开放模型、agent 运行底座（Hermes Agent 或 OpenClaw），以及 NVIDIA OpenShell 运行时。OpenShell 是为自主 agent 设计的安全沙箱执行环境，提供三层机制：agent 的工具调用在沙箱内隔离执行，对外网络访问受访问控制策略约束，高风险操作有操作护栏拦截。

安装只需要一条命令：

curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash

这条命令会自动安装 Node.js（如需要）、安装 OpenShell、克隆 NemoClaw 稳定版、构建 CLI，并运行向导创建沙箱。向导过程中确认许可、执行快速安装后，本地会自动部署 Ollama 并下载 Qwen3.6-35B 模型。OOBE 完成后，系统会自动打开 build.nvidia.com/spark 上的 NemoClaw 引导页。官方称，从开箱到跑起 agent 只需几分钟，不含初始模型下载时间（取决于网速）。

附注：配合 2026 年 6 月版 DGX Spark 系统软件，首次开机默认不再自动安装 OTA 更新，可更快进入 Ubuntu 桌面。

03｜跑起来：访问、示例 agent 与定制

安装完成后，先获取 WebUI 的访问令牌：

nemoclaw <sandbox名> gateway-token --quiet

然后在浏览器打开 http://127.0.0.1:18789/#token=<TOKEN>。注意：地址里必须用 127.0.0.1，不能用 localhost——gateway 有 origin 检查。进去之后发一条测试消息，确认全栈已通；本地 Ollama 模型已自动选好，无需手动配置。

NemoClaw 自带四个可直接运行的示例 agent，每个都带策略配置、起始 prompt 和个性化指引：

• 每日个人新闻摘要：定时抓取订阅主题，把结构化摘要推送到 Telegram。

• 软件开发 agent：读取本地项目目录、制定计划、写代码并自我审查，全程除本地推理外无外部网络访问。

• 演示文稿与文档审查：在文件发出前做红队检查，按严重度输出问题清单——前后不一致、无来源的论断、无障碍问题。

• 日程协调员：把「什么时候能见面」的邮件往返，变成已确认的日历事件。

进一步定制 agent 行为，主要靠三个抓手：

• system prompt：在仪表盘里编辑 agent 的指令。prompt 越具体，agent 表现越稳定。

• 工具权限：OpenShell 网络策略控制 agent 能访问哪些外部地址，权限越窄，意外行为越少。

• 消息渠道集成：如果安装时开了消息渠道，在手机上也能直接和它对话，用的还是同一个本地模型。

官方建议：首次运行先给 agent 一个边界清晰的窄任务，比如「总结一个文件」，确认响应与工具调用正常后，再逐步扩大权限。

想换模型，运行 nemoclaw onboard --fresh --gpu 并在向导中选择新模型。注意 --fresh 会销毁并重建现有沙箱；想保留旧沙箱，用 --name <新名> 另建一个。

04｜Qwen3.6-35B：2.6× 吞吐提升的构成

NemoClaw 默认下载的 Qwen3.6-35B，是本次性能更新的重点。官方数据是：在 vLLM 上使用 NVIDIA NVFP4 量化 checkpoint（检查点），配合 MTP（multi-token prediction，多 token 预测）优化，整体推理吞吐提升可达 2.6×。需要说明的是，2.6× 是官方给出的上限（up to），实际提升幅度取决于具体负载与配置。

2.6× 背后是一批内核级优化：FlashInfer 下 MTP 的 CUDA Graph 支持、FlashInfer MoE kernel 的 BF16 自动调优、TinyGEMM 与 cuBLAS 的 BF16 路径。这里不展开细节，普通读者知道它们存在即可；需要复现时可在官方博客中找到对应条目。

05｜2~4 台集群：NVIDIA Sync 的 cluster assistant

单台 128 GB 不够用怎么办？NVIDIA Sync 里的 cluster assistant 可以把 2~4 台 DGX Spark 组成高带宽集群：2 台提供 256 GB 统一内存，官方称足以运行约 400B 参数的模型；4 台提供 512 GB，可承载大型 MoE 模型、多并发推理实例，或受益于分布式内存的微调任务。

难点在 ConnectX-7 的网络配置：netplan、节点间 SSH 信任、逐链路带宽验证、IP 规划，手工做每一步都容易出错。cluster assistant 把这些步骤变成 Sync 里的引导式流程：

1. 环境检查：确认各节点 OTA 版本与 sudo 权限（要求 2026 年 4 月或更新的系统软件）。

2. 拓扑探测：在各节点并行运行探针，结合 LLDP/BPDU 探测信息与接口、IP 检查。

3. IP 规划与冲突消解，并下发 netplan 配置。

4. 带宽与延迟验证：使用 ib_write_bw / ib_write_lat。

5. 节点间 SSH 配置：密钥经 CX-7 fabric 路由。

支持的物理拓扑有三种：

若使用交换机，官方列出的硬件门槛如下：

• 端口数：至少 4 个 QSFP56-DD 端口。

• 拆分速率：支持 25/50/100/200/400G。

• 每口带宽：建议 200G~400G。

• 管理口：1 个 1/10GbE。

• 协议：支持 RoCE v2。

• 交换容量：0.8~1.6 Tbps。

还有一点值得注意：cluster assistant 只负责配置网络与节点间 SSH，不负责安装，也不编排 NCCL 或 vLLM 等工作负载；官方文档还特别提到，三机环拓扑下使用 NCCL 需要手动编译。集群网络配好之后，跑什么编排框架由用户自己决定。

06｜结语

这次 Computex 更新降低的是两个门槛：本地 agent 的开箱上手门槛，以及多机组网的配置门槛。一台 DGX Spark 加一条命令，可以得到一个带安全沙箱的本地 agent；两到四台机器加一次引导式配置，可以得到 256~512 GB 的统一内存池。

它替代不了数据中心；但对需要在本地验证 agent 工作流、又对数据隐私有要求的开发者与团队，这是一条有官方文档支撑、可以照着做的路径。

数据来源与参考

• NVIDIA Developer Blog：Run Local AI Agents with Faster Models and Multi-Node Clustering on NVIDIA DGX Spark（Computex 2026）

• NVIDIA Sync 官方文档：Cluster Assistant for ConnectX-7 Multi-Node Clusters

• build.nvidia.com/spark：Start with NemoClaw on DGX Spark 引导页

• DGX Spark 硬件规格：NVIDIA 官方产品资料（GB10、128 GB 统一内存、ConnectX-7 200 Gbps）