Advertisement

Ad space available

Berita AI

NVIDIA DGX Spark: Superkomputer Desktop Revolusi Riset AI di Kampus Global

NVIDIA DGX Spark menghadirkan performa AI kelas pusat data ke laboratorium universitas, memungkinkan riset lokal mulai dari Antartika hingga pemetaan saraf otak.

Tim Rekayasa AI
Penulis
12 Februari 2026
4 min read
#NVIDIA DGX Spark#Superkomputer#AI riset#LLM#Teknologi Kampus
NVIDIA DGX Spark: Superkomputer Desktop Revolusi Riset AI di Kampus Global

NVIDIA DGX Spark: Superkomputer Desktop Revolusi Riset AI di Kampus Global

SANTA CLARA, (12 Februari 2026)

Key Takeaway
  • NVIDIA DGX Spark memberikan performa petaflop-class untuk menjalankan aplikasi AI besar secara lokal tanpa bergantung pada Cloud Computing.
  • Ditenagai oleh NVIDIA GB10 Superchip, sistem ini mendukung model AI hingga 200 miliar parameter dan terintegrasi dengan ekosistem NVIDIA NeMo serta Isaac.
  • Digunakan oleh institusi elit seperti Harvard, Stanford, dan NYU untuk riset medis, robotika, hingga observasi partikel di Kutub Selatan.

Di berbagai institusi terkemuka dunia, superkomputer desktop NVIDIA DGX Spark membawa kemampuan AI kelas Data Center langsung ke meja laboratorium, kantor fakultas, hingga sistem mahasiswa. Mengutip laporan dari NVIDIA Blog, perangkat kompak ini bahkan telah dioperasikan di IceCube Neutrino Observatory, Kutub Selatan, oleh University of Wisconsin-Madison.

Melansir data teknisnya, performa petaflop-class dari DGX Spark memungkinkan penyebaran lokal aplikasi AI besar, mulai dari evaluator laporan klinis hingga sistem persepsi robotika. Hal ini krusial untuk menjaga keamanan data sensitif tetap berada di lokasi (on-site) sekaligus memperpendek siklus iterasi bagi para peneliti.

Dari Kutub Selatan Hingga Laboratorium Medis

Di IceCube Neutrino Observatory, Antartika, peneliti menggunakan DGX Spark untuk menjalankan model AI guna mempelajari peristiwa kataklismik alam semesta melalui neutrino. Benedikt Riedel, direktur komputasi di Wisconsin IceCube Particle Astrophysics Center, menyatakan bahwa keterbatasan daya di Kutub Selatan membuat DGX Spark menjadi solusi ideal karena efisiensinya dalam menjalankan analisis AI secara lokal di lingkungan ekstrem.

Sementara itu, di NYU Global AI Frontier Lab, proyek ICARE (Interpretable and Clinically-Grounded Agent-Based Report Evaluation) menggunakan AI Agent yang berkolaborasi untuk mengevaluasi laporan radiologi. Dengan menjalankan LLM secara lokal di DGX Spark, tim peneliti dapat melakukan pemantauan klinis real-time tanpa harus mengirim data medis pasien ke cloud.

Akselerasi Riset Kedokteran dan Robotika

Kempner Institute di Harvard memanfaatkan sistem ini untuk memetakan bagaimana mutasi genetik pada otak memicu epilepsi. Tim yang dipimpin oleh Bernardo Sabatini membangun prediksi struktur protein dan fungsi neuronal yang sangat kompleks. DGX Spark berfungsi sebagai jembatan; peneliti memvalidasi alur kerja pada satu unit sistem sebelum melakukan skalabilitas ke klaster GPU yang lebih besar.

Di Stanford University, peneliti menggunakan DGX Spark untuk prototipe alur kerja Biomni (agen biologis). Performa yang dilaporkan mencapai sekitar 80 tokens per second pada model gpt-oss dengan 120 miliar parameters, memberikan kecepatan yang setara dengan instans GPU cloud besar namun tetap berada di atas meja kerja.

Dampak bagi Indonesia

Kehadiran teknologi superkomputer desktop seperti NVIDIA DGX Spark memiliki relevansi signifikan bagi ekosistem riset di Indonesia:

  1. Kedaulatan Data Medis & Strategis: Institusi seperti RSCM atau universitas riset (UI, ITB, UGM) dapat menjalankan Generative AI untuk data pasien tanpa melanggar regulasi privasi data yang ketat, karena pemrosesan dilakukan sepenuhnya secara lokal.
  2. Efisiensi Biaya Riset: Meskipun harga perangkat keras ini diperkirakan mencapai angka miliaran Rupiah (estimasi kurs IDR untuk kelas DGX Spark), investasi ini dapat memangkas biaya langganan Cloud Computing jangka panjang untuk riset Machine Learning yang intensif.
  3. Pengembangan Talenta AI: Dengan adopsi teknologi ini di laboratorium kampus lokal, mahasiswa Indonesia dapat belajar menggunakan alat standar industri yang sama dengan yang digunakan di Harvard atau Stanford, mempercepat kesiapan kerja di bidang AI Engineering dan Data Science.
  4. Aksesibilitas Infrastruktur: Bentuknya yang kompak memungkinkan universitas di daerah dengan infrastruktur Data Center terbatas untuk tetap memiliki kemampuan komputasi performa tinggi.

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.

Advertisement

Ad space available

✍️

Ditulis oleh

Tim Rekayasa AI

Kontributor Rekayasa AI yang passionate tentang teknologi AI dan dampaknya di Indonesia.

Bagikan:𝕏fin