🛒 0

NVIDIA DGX Station AI delovna postaja

Čip NVIDIA GB300 Grace Blackwell Ultra Superchip
Koherentni pomnilnik 748 GB enotnega pomnilnika: 496 GB LPDDR5X + 252 GB HBM3e
Zmogljivost umetne inteligence 20 PetaFLOPS (FP4)
Skaliranje do Skupina z 2 postajama
105.000 €
Konfiguracija gruče

Naša ekipa vam bo posredovala prilagojeno ponudbo.

Uporabite to za razlikovanje med različnimi konfiguracijami v košarici – uporabno, če naročate isti izdelek z različnimi možnostmi.

Skupna cena 105.000 €

Vse specifikacije

Računska zmogljivost in pomnilnik

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 jeder Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Koherentni pomnilnik

748 GB enotnega pomnilnika: 496 GB LPDDR5X + 252 GB HBM3e

Povezava pomnilnika

NVLink-C2C, pasovna širina med CPU in GPU 900 GB/s

Zmogljivost umetne inteligence

20 PetaFLOPS (FP4)

Večnamenska GPU

Do 7 ločenih particij GPU (MIG)

Shramba in fizične značilnosti

Shramba (reže)

4× M.2 2280 PCIe 5.0 x4 NVMe

Razširitev GPU

PCIe 5.0, 1× reža x16 dvojne širine + 2× reži x16 enojne širine za izbirno NVIDIA RTX PRO grafično/visualizacijsko GPU

Oblikovni faktor

Namizni stolp, referenčna zasnova ohišja NVIDIA

Mere

24,5 x 52,8 x 59,5 cm

Omrežje in združevanje v skupine

Hitro omrežje

2× 400G QSFP112 vhodi prek NVIDIA ConnectX-8 SuperNIC

Združevanje več postaj v skupino

Neposredna 400GbE povezava do 2 DGX postaj v skupen koherenten pomnilniški bazen 1.496 GB

Brezžično (izbirno)

Reža PCIe M.2 2230 za modul Wi-Fi/Bluetooth; lahko ostane prazna za vzpostavitve z zračno režo

Napajanje in hlajenje

Napajalnik

Napajalnik 1600 W, združljiv s standardno pisarniško vtičnico

Hlajenje

Hlajenje s tekočino v zaprtem krogu, trajne zmogljivosti pod velikimi obremenitvami UI

Upravljanje in programska oprema

BMC

ASPEED AST2600

Upravljanje na daljavo

IPMI 2.0 in Redfish API, spremljanje in nadzor v slogu podatkovnega centra

Varnost

Strojna korenina zaupanja, varna zagon podjetja

Programska oprema

NVIDIA DGX OS, pripravljen za uvajanje agenta NVIDIA NemoClaw

Želite hitro povzetek z umetno inteligenco? Preskočite branje – preglejte vse specifikacije izdelka in njegovo primernost za vaš primer uporabe z izbranim AI-pomočnikom.

NVIDIA je predstavila DGX Station 17. marca 2026 kot referenčni namizni sistem za platformo NVIDIA GB300 Grace Blackwell Superchip – zasnovan in neposredno potrjen s strani NVIDIA za lokalno izvajanje modelov s trilijonom parametrov, izdelan pa pod licenco s strani NVIDIA-jevih partnerskih proizvajalcev strojne opreme.

Specifikacije strojne opreme

DGX Station je zgrajena okoli enega samega NVIDIA Grace CPU Superchip – 72 jeder Arm Neoverse V2 in 496 GB pomnilnika LPDDR5X – povezanega z NVIDIA Blackwell Ultra GPU s 252 GB GPU pomnilnika HBM3e, združenega prek NVLink-C2C v zbirni koherentni pomnilnik 748 GB. Do 7 izoliranih MIG-particij omogoča, da ena postaja brez težav oskrbuje več ekip ali delovnih obremenitev hkrati. Sistem ponuja 4× M.2 2280 PCIe 5.0 x4 NVMe shrambo, dvovratni NVIDIA ConnectX-8 400G SuperNIC in razširitvene reže PCIe 5.0 za izbirni NVIDIA RTX PRO GPU, namenjen prikazu in vizualizaciji.

Lokalni strežnik z umetno inteligenco za poslovno uporabo

DGX Station je zasnovana tako, da deluje kot skupni lokalni vir za umetno inteligenco. Več zaposlenih lahko med delovnim dnem oddaja naloge za obdelavo dokumentov – pregled pogodb, pridobivanje podatkov iz računov, pripravo poročil, razvrščanje e-pošte – pri čemer se naloge obdelujejo centralno na lokaciji, namesto da bi bile usmerjene prek zunanjih storitev v oblaku.

Prek NVIDIA NemoClaw lahko na sistemu neprekinjeno delujejo avtonomni agenti, ki obvladujejo ponavljajoče se naloge, kot so spremljanje nabiralnika ali načrtovano ustvarjanje poročil, brez da bi bilo za vsako zahtevo potrebno človeško posredovanje. To omogoča, da DGX Station deluje kot stalna infrastruktura za umetno inteligenco v podjetju in podpira stabilne delovne obremenitve dokumentov.

Razširitev zmogljivosti: združevanje dveh postaj

Za delovne obremenitve, ki presegajo zmogljivost ene same enote, lahko dve DGX Station povežete prek vgrajenih 400G vrat ConnectX-8 SuperNIC, ki ju združita v en sam zbirni koherentni pomnilnik 1.496 GB, dostopen na obeh napravah. To ponuja preprosto nadgradnjo za rastoče ekipe brez potrebe po novi arhitekturi ali spremembah delovnih procesov, na voljo kot možnost konfiguracije pri nakupu.

Referenčna platforma, zgrajena na devetih letih razvoja DGX Station

Ime DGX Station sega v leto 2017, ko je NVIDIA predstavila prvotno DGX Station kot namizno alternativo k omrežni AI-infrastrukturi, zgrajeno okoli štirih GPU-jev NVIDIA Tesla V100. Novembra 2020 jo je nasledila DGX Station A100, ki je prešla na štiri GPU-je NVIDIA A100 Tensor Core in ponujala do 320 GB GPU pomnilnika, razporejenega na štirih ločenih karticah, pri čemer je bilo treba delovne obremenitve eksplicitno porazdeliti in upravljati v več-GPU konfiguraciji.

Trenutna DGX Station, predstavljena leta 2026, nadomešča ta več-GPU pristop z enim samim NVIDIA GB300 Grace Blackwell Ultra Superchip: enim zbirnim, poenotenim pomnilnikom 748 GB, ki se neposredno deli med CPU in GPU prek NVLink-C2C, namesto štirih ločenih GPU pomnilnikov, povezanih s programsko opremo.

Koherentna pomnilniška zmogljivost po generacijah

2017 DGX Station 4× Tesla V100, 64 GB GPU pomnilnika
2020 DGX Station A100 4× A100, do 320 GB GPU pomnilnika
2026 DGX Station (GB300) 1 superčip, 748 GB poenotenega koherentnega pomnilnika

En zbirni pomnilnik, ki si ga neposredno delita CPU in GPU – brez potrebe po ročni več-GPU particioniranju.

Primerjava stroškov: lokalna rešitev (on-premises) proti AI API-jem v oblaku

Pri MSP-jih, ki dnevno obdelujejo velike količine dokumentov, se razlika med fiksnim lokalnim sistemom in uporabniško obračunavanjem AI v oblaku s časom znatno poveča.

AI API-ji v oblaku
~250k – ~650k €
v 3 letih, trajna delovna obremenitev
Obračunavanje glede na uporabo se prilagaja obsegu. Stroški naraščajo linearno (ali hitreje) z večanjem delovne obremenitve dokumentov/agentov, brez zgornje meje.
NVIDIA DGX Station AI delovna postaja
~120 tis. €
v 3 letih, fiksni stroški strojne opreme + obratovanja
Enkratni stroški strojne opreme plus predvidljiva poraba energije in vzdrževanje. Stroški ostanejo nespremenjeni ne glede na to, kako zelo se sistem uporablja.
Ocenjena razčlenitev stroškov za 3 leta: DGX Station proti AI API-jem v oblaku
Kategorija stroškovAI API-ji v oblakuDGX Station (lokalna rešitev)
Začetna naložba v strojno opremoBrez105 tis. € (enkratno)
Stroški obratovanja v 1. letu~100k – ~200k €~4k € (energija & vzdrževanje)
Stroški obratovanja v 2. letu~100k – ~200k €~4k € (energija & vzdrževanje)
Stroški obratovanja v 3. letu~100k – ~200k €~4k € (energija & vzdrževanje)
Kumulativni stroški v 3 letih~250k – ~650k €~120 tis. €

Ker se obdelava izvaja v celoti na lokaciji, se dokumenti in poslovni podatki ne prenašajo na strežnike tretjih oseb. To je pomemben vidik za organizacije na pravnem, finančnem ali drugem področju, občutljivem na podatke.

Povzetek

DGX Station ponuja en sam sistem s fiksnimi stroški, ki je sposoben podpirati neprekinjeno obdelavo dokumentov z umetno inteligenco, skupaj z referenčno arhitekturo NVIDIA za lokalno izvajanje velikih modelov umetne inteligence. Za MSP-je s trajnimi delovnimi obremenitvami AI ponuja stroškovno ugodnejšo alternativo ponavljajočim se izdatkom za AI v oblaku, z dokumentiranim nadgradnjami do grozda dveh postaj.

SlovenecSlovenščinasi🇸🇮EnglishAngleščinaen🇪🇺БеларускаяBelorusščinaby🇧🇾българскиBolgarščinabg🇧🇬bosanskiBošnjaščinaba🇧🇦češtinaČeščinacz🇨🇿danskDanščinadk🇩🇰EestiEstonščinaee🇪🇪suomiFinščinafi🇫🇮FrançaisFrancoščinafr🇫🇷ΕλληνικάGrščinagr🇬🇷hrvatskiHrvaščinahr🇭🇷ItalianoItalijanščinait🇮🇹latviešuLatvijščinalv🇱🇻LietuviųLitovščinalt🇱🇹magyarMadžarščinahu🇭🇺DeutschNemščinade🇩🇪NederlandsNizozemščinanl🇳🇱BokmålNorveščinano🇳🇴PolerowaćPoljščinapl🇵🇱PortuguêsPortugalščinapt🇵🇹românăRomunščinaro🇷🇴slovenčinaSlovaščinask🇸🇰EspañolŠpanščinaes🇪🇸СрпскиSrbščinars🇷🇸svenskaŠvedščinase🇸🇪українськаUkrajinščinaua🇺🇦العربيةArabščinaar🇸🇦বাংলাBengalščinabd🇧🇩မြန်မာBurmanščinamm🇲🇲ქართულიGruzijščinage🇬🇪עבריתHebrejščinail🇮🇱हिंदीHindujščinahi🇮🇳BahasaIndonezijščinaid🇮🇩日本語Japonščinajp🇯🇵ҚазақKazaščinakz🇰🇿简体Kitajščinacn🇨🇳繁體Trad. kitajščinahk🇭🇰한국어Korejščinakr🇰🇷MelayuMalajščinamy🇲🇾मराठीMaratščinamr🇮🇳नेपालीNepalščinanp🇳🇵ਪੰਜਾਬੀPandžabščinapa🇮🇳فارسیPerzijščinair🇮🇷РусскийRuščinaru🇷🇺සිංහලSingalščinalk🇱🇰TagalogTagalogph🇵🇭ไทยTajščinath🇹🇭தமிழ்Tamilščinata🇱🇰తెలుగుTelugute🇮🇳TürkçeTurščinatr🇹🇷اردوUrdupk🇵🇰O'zbekUzbekščinauz🇺🇿Tiếng ViệtVietnamščinavn🇻🇳