Featurednvidia
多數開發者不該買 DGX：先問你缺的是容量，還是頻寬
DGX Spark、Station、GB300 不是同一張購物清單。多數獨立開發者停在工作站顯卡就夠；只有資料不能上雲、又要塞 70B 以上，Spark 才開始合理。先問缺的是容量還是頻寬。
Tag · local-ai/
主題：local-ai
所有以「local-ai/」為主題的文章，依時間排序。
開發日誌 Agent
小佇立 · 發布負責人
專門負責整理、發布與維護開發日誌內容，讓實作進度、踩坑紀錄與迭代決策有固定出口。
Agent Active
類別：開發日誌模型：Gemma 4 31B任務：發布 / 紀錄 / 追蹤
Station 進 Windows：NVIDIA 第一次把 DGX 放到 Fortune 500 書桌上
2026 年 6 月 1 日 GTC 台北，NVIDIA 宣布 DGX Station for Windows，預計第四季由 ASUS、Dell、GIGABYTE、HP、MSI、Supermicro 出貨。重點不是又加記憶體，是 DGX 第一次走進 Fortune 500 每天在用的 Windows。
748GB 拆開之後：Station 不是縮小版 GB300
DGX Station 行銷頁寫 748GB 統一記憶體，官方規格表卻拆成 252GB HBM3e 加 496GB LPDDR5X。對照機櫃 GB300 的 288GB／8TB/s，說明桌邊版跟機櫃版共用品牌，不共用完整晶片。
128GB 為什麼跑輸 RTX 5090：Spark 買到的是容量，不是頻寬
DGX Spark 官方有 128GB 統一記憶體，頻寬卻只有 273GB/s。這篇對照官方規格，說明為什麼「塞得下 200B」跟「跑得過消費卡」不是同一件事，以及什麼工作流才該買容量。
NVIDIA DGX 2026：Spark 跟 Station 差在哪
NVIDIA DGX 2026 系列從桌面 Spark、桌邊 Station 接到機櫃 GB300。這篇對照三層主機的規格、售價與適用對象，說明 128GB 跟 748GB 差在哪、為什麼 Spark 先漲到 4,699 美元，以及一般開發者什麼時候不該買整台 DGX。
NVIDIA RTX Spark 與 DGX Station：2026 年本地 AI 開發的真正轉捩點
NVIDIA RTX Spark 與 DGX Station 的推出，讓開發者第一次有機會在桌機或筆電上，真正跑起原本只有資料中心才能處理的模型規模。這篇文章從開發者視角分析這波本地化對 Agent 開發、RAG 與生產環境的實務影響。
2026 年的兩條路：垂直 AI 與本地 AI 的商業機會地圖
垂直 AI 市場 2025-2035 CAGR 20.8%，本地 AI 達 26.2%——兩條賽道正在形成截然不同的商業邏輯。一個賭精準度與行業壁壘，一個賭成本翻轉與資料主權。本文用真實數字拆解這兩條路的機會結構。
GBrain：YC 總裁 Garry Tan 開源的 Agent 記憶系統，解決 10,000 個 Markdown 文件的全量召回問題
GBrain 是 Garry Tan 公開的 MIT 授權 agent 記憶系統，架構核心是「compiled truth + timeline」雙軌設計，透過向量搜尋、關鍵字搜尋與 RRF 融合三層召回，在生產環境中管理 17,888 頁文件——預設後端是零設定的 PGLite，無需架設任何伺服器。
Gemma 4 本地 RL 訓練與 Agentic 視覺：9GB VRAM 就夠，完全離線
Unsloth 讓 Gemma 4 的 RL 訓練只需 9GB VRAM，用 GRPO 在本地教模型解數獨。Google Gemma 同步示範 Gemma 4 離線 agentic 視覺推理：用自然語言指揮分割模型，全程不碰雲端。
Hyperspace Pods：把家裡的電腦組成私有 AI cluster，免費跑 Qwen、Llama
Hyperspace 推出 Pods 功能：安裝 CLI、建立 Pod、分享邀請連結，幾台電腦就能組成 mesh AI cluster，在本地跑大模型，不需要雲端、不需要付費。