DGX Spark เริ่มปรับราคา ก่อน RTX Spark มา!

ใครที่กำลังเล็งเครื่อง DGX Spark หรือ Mini AI Workstation รุ่นใหม่ ๆ อยู่ ช่วงนี้มีข่าวที่น่าสนใจจากต่างประเทศครับ

เพราะทั้งที่ NVIDIA RTX Spark รุ่นใหม่กำลังจะเริ่มวางตลาดในเดือนตุลาคม แต่ราคาของ DGX Spark ที่ขายอยู่ในตลาดตอนนี้กลับไม่ได้ลดลงเพื่อรอรุ่นใหม่

ตรงกันข้าม... ราคากลับเริ่มขยับสูงขึ้น

เกิดอะไรขึ้นกับตลาดเครื่อง AI ขนาดเล็ก? แล้ว RTX Spark ที่กำลังจะเข้ามาแตกต่างจาก DGX Spark ที่เรารู้จักกันอย่างไร ลองมาดูกันครับ

DGX Spark จาก $3,999 วันนี้เครื่องพร้อมขายแตะ $4,999 แล้ว

ย้อนกลับไปตอนเปิดตัว NVIDIA วางราคาเริ่มต้นของ DGX Spark Founders Edition ไว้ที่ $3,999

แต่ปัจจุบัน NVIDIA แสดงราคา DGX Spark Founders Edition อยู่ที่ $4,699 และสินค้าบน Marketplace ของ NVIDIA อยู่ในสถานะไม่มีของ

ที่น่าสนใจกว่านั้นคือ VideoCardz สำรวจตลาดสหรัฐฯ และพบว่าเครื่องที่สามารถหาซื้อได้จริง ราคาถูกสุดอยู่ที่ประมาณ $4,999.99 หรือเกือบ $5,000 แล้ว

ถ้าเทียบกับราคาเปิดตัว $3,999 เท่ากับว่าราคาของเครื่องพร้อมขายในตลาดสูงขึ้นประมาณ 25%

และไม่ได้มีแค่ DGX Spark เท่านั้นที่ราคาขยับขึ้น

ASUS Ascent GX10 ก็เคยราคาพุ่งแรงเหมือนกัน

อีกหนึ่งเครื่องที่ใช้แพลตฟอร์ม Grace Blackwell เช่นเดียวกันคือ ASUS Ascent GX10

ช่วงหนึ่ง VideoCardz พบ Listing ในสหรัฐฯ ที่ราคาของรุ่น 1TB ขึ้นไปถึง $8,299 และรุ่น 2TB ถึง $9,499 ก่อนที่ราคาจะปรับกลับลงมาอยู่บริเวณประมาณ $6,000

แน่นอนว่าเราไม่ควรเอาราคา Listing ชั่วคราวเหล่านี้มาใช้เป็นราคามาตรฐานของตลาด เพราะราคาจากผู้ขายแต่ละรายสามารถขึ้นลงได้ตลอด

แต่สิ่งหนึ่งที่เห็นค่อนข้างชัดคือ

เครื่อง AI ขนาดเล็กที่มี Unified Memory ความจุสูง กำลังเป็นสินค้าที่ตลาดให้ความสนใจมากขึ้น

และนี่อาจเป็นเพียงจุดเริ่มต้นเท่านั้น

เพราะเดือนตุลาคม RTX Spark กำลังมา

ถ้า DGX Spark คือเครื่องที่ทำให้เราเริ่มรู้จักแนวคิด Personal AI Supercomputer

RTX Spark ก็น่าจะเป็นความพยายามนำแนวคิดเดียวกันเข้าสู่ตลาด PC ในวงกว้างมากขึ้น

NVIDIA ระบุว่าเครื่องที่ใช้แพลตฟอร์ม RTX Spark จะเริ่มวางตลาดตั้งแต่เดือนตุลาคม 2026 เป็นต้นไป โดยจะมีทั้ง Desktop ขนาดเล็กและ Laptop จากผู้ผลิต PC หลายแบรนด์

รุ่นระดับบนอย่าง RTX Spark N1X มีสเปกที่น่าสนใจ ได้แก่

• Grace CPU สูงสุด 20 Core
• Blackwell RTX GPU สูงสุด 6,144 CUDA Cores
• Unified LPDDR5X Memory สูงสุด 128GB

แต่จุดสำคัญจริง ๆ อาจไม่ใช่จำนวน Core

มันคือคำว่า...

128GB Unified Memory

นี่แหละครับ หนึ่งในจุดที่ทำให้เครื่องกลุ่มนี้น่าสนใจสำหรับงาน AI

ทำไม 128GB Unified Memory ถึงน่าสนใจสำหรับ AI?

เวลารัน Large Language Model หรือ LLM บนเครื่องของเราเอง หนึ่งในข้อจำกัดสำคัญคือ Memory

การ์ดจอระดับ Consumer ต่อให้ GPU แรงมาก แต่ถ้า VRAM ไม่เพียงพอกับโมเดลที่ต้องการใช้งาน ก็อาจต้องแบ่งงานบางส่วนไปยัง System RAM หรือเลือกใช้โมเดลและ Quantization ที่เหมาะสมแทน

แต่สถาปัตยกรรมของเครื่องกลุ่ม DGX Spark และ RTX Spark ใช้แนวทาง Unified Memory ซึ่งทำให้ CPU และ GPU สามารถใช้ Memory Pool ขนาดใหญ่ร่วมกันได้

ดังนั้นการมี Unified Memory สูงถึง 128GB จึงเปิดโอกาสให้เครื่องขนาดเล็กสามารถทำงานกับ AI Model ขนาดใหญ่ที่ต้องการ Memory สูงได้ง่ายขึ้น

นี่จึงไม่ใช่ Mini PC ธรรมดาที่เอามาเปิด Word หรือดู YouTube แล้วครับ

แต่มันกำลังกลายเป็น AI Workstation ขนาดเล็ก ที่สามารถวางอยู่บนโต๊ะทำงานของเราได้

แล้ว DGX Spark กับ RTX Spark ต่างกันตรงไหน?

ตรงนี้น่าสนใจมาก เพราะพื้นฐานของสองแพลตฟอร์มมีความใกล้เคียงกัน

DGX Spark ที่มีอยู่ในตลาดตอนนี้ใช้ GB10 Grace Blackwell Superchip และถูกออกแบบมาในแนวทาง Developer / AI Research โดยทำงานบน DGX OS ซึ่งมีพื้นฐานจาก Ubuntu Linux

ขณะที่ RTX Spark รุ่นใหม่จะนำแนวคิด Grace + Blackwell มาอยู่บนเครื่องที่รองรับ Windows 11 อย่างเป็นทางการ

พูดแบบเข้าใจง่าย ๆ ก็คือ

DGX Spark = Local AI + Developer + Linux + AI Development

ส่วน

RTX Spark = Windows PC + AI Workstation + ตลาดผู้ใช้ที่กว้างขึ้น

และนี่อาจทำให้ตลาดใหญ่ขึ้นอีกมาก

เพราะผู้ใช้ไม่จำเป็นต้องเป็น AI Developer ที่คุ้นเคยกับ Linux เท่านั้น

ทั้ง Content Creator, Engineer, Designer, Developer หรือองค์กรที่ต้องการใช้งาน AI บน Windows ก็สามารถเข้าถึงแพลตฟอร์มลักษณะนี้ได้ง่ายขึ้น

Mini AI Workstation กำลังกลายเป็นตลาดใหม่

ถ้ามองภาพใหญ่ เรื่องนี้อาจสำคัญกว่าการที่ DGX Spark ราคาขึ้นหรือลงเสียอีก

เพราะเราเริ่มเห็นผู้ผลิต PC หลายรายเข้ามาในตลาดเครื่อง AI ขนาดเล็กมากขึ้น

ขณะเดียวกันคู่แข่งก็ไม่ได้มีเฉพาะ NVIDIA

AMD มีแพลตฟอร์ม Ryzen AI Halo Developer Platform ที่ใช้ Ryzen AI Max+ 395 พร้อม Unified LPDDR5X Memory 128GB และรองรับทั้ง Windows 11 และ Linux

ส่วน Apple ก็มี Mac Studio ที่สามารถเลือก Unified Memory ความจุสูงได้เช่นกัน

ดูแล้วตลาด Mini AI Workstation น่าจะสนุกขึ้นอีกเยอะครับ

จาก Gaming PC สู่ AI PC ที่วางอยู่บนโต๊ะเรา

ช่วงหลายปีที่ผ่านมา เวลาพูดถึง GPU แรง ๆ เรามักถามกันว่า

เล่นเกมได้กี่ FPS?

แต่หลังจากนี้เราอาจเริ่มได้ยินคำถามอีกแบบมากขึ้นว่า

เครื่องนี้รันโมเดล AI ได้ขนาดไหน?

นี่คือความเปลี่ยนแปลงที่น่าสนใจมาก

เพราะ AI กำลังค่อย ๆ ขยับจาก Cloud ลงมาทำงานบนเครื่องของเราเอง หรือที่เรียกว่า Local AI

ข้อดีคือข้อมูลสำคัญไม่จำเป็นต้องถูกส่งขึ้น Cloud ตลอดเวลา สามารถลดการพึ่งพาค่าบริการ API ในบางรูปแบบการใช้งาน และยังสามารถนำโมเดลมาปรับใช้กับข้อมูลภายในองค์กรได้อีกด้วย

ตัวอย่างเช่น

• เอกสารภายในบริษัท
• ฐานความรู้ขององค์กร
• ข้อมูลสินค้า
• งานวิจัย
• ระบบ RAG
• Private AI สำหรับใช้งานภายในองค์กร

แนวคิด Private AI / Local AI จึงเริ่มน่าสนใจขึ้นเรื่อย ๆ

และเครื่องอย่าง DGX Spark รวมถึง RTX Spark กำลังถูกสร้างขึ้นมาเพื่อโลกแบบนี้โดยตรง

แล้วควรรีบซื้อ DGX Spark ตอนนี้ หรือรอ RTX Spark?

ถ้ากำลังจะซื้อเครื่อง AI จริง ๆ เราคิดว่าอย่าเพิ่งมองแค่ว่า ตัวไหนใหม่กว่า

เพราะกลุ่มเป้าหมายและ Software Environment ของทั้งสองระบบแตกต่างกัน

ถ้าต้องการเครื่องสำหรับ AI Development, LLM, RAG, Fine-tuning หรือ Research และทำงานอยู่ใน NVIDIA AI / CUDA Ecosystem อยู่แล้ว DGX Spark ก็เป็นแพลตฟอร์มที่ถูกออกแบบมาสำหรับงานลักษณะนี้โดยตรง

แต่ถ้าต้องการเครื่องที่เป็น Windows PC + AI Workstation ในเครื่องเดียว RTX Spark ที่กำลังจะเปิดตัวก็น่าจับตามองเช่นกัน

สิ่งที่น่าจับตามองที่สุดคือ ราคา

สิ่งที่เราสนใจที่สุดตอนนี้จึงไม่ใช่แค่ Specification

แต่คือ...

RTX Spark จะเปิดราคามาเท่าไหร่?

เพราะ ณ ตอนที่เขียนบทความนี้ NVIDIA ยังไม่ได้ประกาศราคาขายปลีกของ RTX Spark อย่างเป็นทางการ ขณะที่เครื่อง Grace Blackwell ที่มีขายอยู่แล้วอย่าง DGX Spark กลับมีราคาตลาดสูงขึ้นจากช่วงเปิดตัว

ถ้า RTX Spark เปิดราคามาแข่งขันได้ ตลาด Personal AI Computer / Local AI Workstation ในปี 2027 ก็น่าจะเป็นอีกหนึ่งตลาดที่น่าจับตามองมากครับ

และดูจากทิศทางตอนนี้...

ยุคที่เรามี AI Supercomputer ส่วนตัว วางอยู่บนโต๊ะทำงาน อาจไม่ได้ไกลอย่างที่คิดแล้วครับ

---

ที่มา: VideoCardz, NVIDIA
ข้อมูล: กันยายน 2026