NVIDIA DGX Station AI-munkamenet
Különböző konfigurációk megkülönböztetésére a kosárban – hasznos, ha ugyanazt a terméket különböző opciókkal rendeli.
Teljes specifikációk
Számítási kapacitás és memória
Szuperchip
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
CPU
1× NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2 mag
GPU
1× NVIDIA Blackwell Ultra GPU
Koherens memória
748 GB egységes memória: 496 GB LPDDR5X + 252 GB HBM3e
Memória-interconnect
NVLink-C2C, 900 GB/s CPU–GPU sávszélesség
AI-teljesítmény
20 PetaFLOPS (FP4)
Többpéldányos GPU
Akár 7 elszigetelt GPU-partíció (MIG)
Tárolás és fizikai jellemzők
Tárolóhelyek
4× M.2 2280 PCIe 5.0 x4 NVMe
GPU-bővítés
PCIe 5.0, 1× dupla szélességű + 2× egyszélességű x16 bővítőhely opcionális NVIDIA RTX PRO megjelenítési/visualizációs GPU számára
Formafaktor
Asztali torony, NVIDIA referencia házterv
Méretek
24,5 × 52,8 × 59,5 cm
Hálózat és klaszterezés
Nagysebességű hálózat
2× 400G QSFP112 port a(z) NVIDIA ConnectX-8 SuperNIC segítségével
Többállomásos klaszterezés
Akár 2 DGX Station közvetlen 400GbE összekapcsolása egy 1 496 GB-os koherens memóriapoolba
Vezeték nélküli (opcionális)
PCIe M.2 2230 hely Wi-Fi/Bluetooth modulhoz; üresen hagyható légréses (air-gapped) telepítéseknél
Tápegység és hűtés
Tápegység
1600 W tápegység, szabványos irodai konnektorral kompatibilis
Hűtés
Zártkörű folyadékhűtés, tartós teljesítmény nehéz AI terhelés mellett
Kezelés és szoftver
BMC
ASPEED AST2600
Távirányítás
IPMI 2.0 és Redfish API, adatközpont-stílusú monitorozás és vezérlés
Biztonság
Hardveres megbízhatósági gyökér, vállalati szintű secure boot
Szoftverstack
NVIDIA DGX OS, kész a NVIDIA NemoClaw ügynök telepítésére
Az NVIDIA 2026. március 17-én mutatta be a DGX Stationt, mint az NVIDIA GB300 Grace Blackwell Superchip platform referencia asztali rendszerét – közvetlenül az NVIDIA által tervezve és hitelesítve helyileg futtatható billió paraméteres modellek futtatására, és az NVIDIA hardverpartnerei által licenc alapján gyártva.
Hardver specifikációk
A DGX Station egyetlen NVIDIA Grace CPU Superchip köré épül – 72 Arm Neoverse V2 maggal és 496 GB LPDDR5X memóriával –, amelyet egy 252 GB HBM3e GPU memóriával rendelkező NVIDIA Blackwell Ultra GPU párosít, az NVLink-C2C segítségével egyesítve egy 748 GB-os koherens memóriapoolba. Akár 7 elszigetelt MIG-partíció lehetővé teszi, hogy egyetlen állomás több csapatot vagy munkaterhelést kiszolgáljon egyszerre, versengés nélkül. A rendszer 4× M.2 2280 PCIe 5.0 x4 NVMe tárolót, egy kétportos NVIDIA ConnectX-8 400G SuperNIC-ot és PCIe 5.0 bővítőhelyeket kínál egy opcionális NVIDIA RTX PRO GPU számára, amely a kijelző- és vizualizációs kimenetre van specializálva.
Helyi AI-szerver vállalati használatra
A DGX Station megosztott helyi AI-erőforrásként funkcionál. Több alkalmazott is beküldhet dokumentumfeldolgozási feladatokat – szerződés-ellenőrzés, számlakivonat, jelentéskészítés, e-mail-szűrés – a munkanap során, ahol a feladatokat helyszínen, központilag kezelik, nem pedig külső felhőszolgáltatásokon keresztül irányítják.
Az NVIDIA NemoClaw segítségével autonóm ügynökök folyamatosan futhatnak a rendszeren, visszatérő feladatokat kezelve, például bejövő levelek figyelését vagy ütemezett jelentéskészítést, anélkül, hogy egy személynek kéne elindítania minden egyes kérést. Ez lehetővé teszi, hogy a DGX Station folyamatos AI-infrastruktúraként működjön az üzlet számára, támogatva az állandó dokumentum-munkaterheléseket.
Kapacitás bővítése: kétállomásos klaszterezés
Azokra a munkaterhelésekre, amelyek meghaladják egy egység kapacitását, két DGX Station összekapcsolható a beépített 400G-os ConnectX-8 SuperNIC portjaikon keresztül, egyetlen 1496 GB-os koherens memóriapoolba egyesítve, amely mindkét gépen címezhető. Ez egy egyszerű frissítési utat kínál a növekvő csapatok számára új architektúra vagy munkafolyamat-változtatás nélkül, konfigurációs lehetőségként elérhető a pénztárnál.
Egy referenciaplatform kilenc év DGX Station-fejlesztés alapján
A DGX Station név 2017-re nyúlik vissza, amikor az NVIDIA bemutatta az eredeti DGX Stationt, mint a szekrénybe szerelhető AI-infrastruktúra asztali alternatíváját, négy NVIDIA Tesla V100 GPU köré építve. 2020 novemberében a DGX Station A100 követte, négy NVIDIA A100 Tensor Core GPU-ra váltva, és akár 320 GB GPU memóriát kínálva, amely négy külön kártyára volt szétszórva, megkövetelve, hogy a munkaterhelések explicit módon el legyenek osztva és kezelve a több-GPU-s konfigurációban.
A 2026-ban bemutatott jelenlegi DGX Station leváltja ezt a több-GPU-s megközelítést egyetlen NVIDIA GB300 Grace Blackwell Ultra Superchip-pel: egy 748 GB-os koherens, egységes memóriapool, amely közvetlenül osztozik a CPU és a GPU között az NVLink-C2C-n keresztül, nem pedig négy külön GPU memóriapool szoftveresen összeillesztve.
Koherens memóriakapacitás generációnként
Egy koherens memóriapool, közvetlenül megosztva a CPU és a GPU között – nincs szükség kézi több-GPU particionálásra.
Költségösszehasonlítás: helyszíni vs. Cloud AI API-k
Azoknak az KKV-knak, amelyek naponta nagy mennyiségű dokumentumot dolgoznak fel, a fix helyszíni rendszer és a használatalapú felhős AI-számlázás közötti különbség idővel jelentősen növekszik.
| Költségkategória | Cloud AI API-k | DGX Station (Helyszíni) |
|---|---|---|
| Kezdeti hardverbefektetés | Nincs | 37 millió Ft (egyszeri) |
| 1. évi üzemeltetési költség | ~30 M Ft - ~80 M Ft | ~1,5 M Ft (áram & karbantartás) |
| 2. évi üzemeltetési költség | ~30 M Ft - ~80 M Ft | ~1,5 M Ft (áram & karbantartás) |
| 3. évi üzemeltetési költség | ~30 M Ft - ~80 M Ft | ~1,5 M Ft (áram & karbantartás) |
| Összesített 3 éves költség | ~90 M Ft - ~230 M Ft | ~42 millió Ft |
Mivel a feldolgozás teljes egészében helyszínen történik, a dokumentumok és üzleti adatok nem kerülnek át harmadik fél szervereire. Ez fontos szempont lehet a jogi, pénzügyi vagy más adatérzékeny szektorokban működő szervezetek számára.
Összefoglalás
A DGX Station egyetlen, fix költségű rendszert kínál, amely képes támogatni a folyamatos AI-dokumentumfeldolgozást, kombinálva az NVIDIA referenciaarchitektúrájával a nagy AI-modellek helyi futtatásához. Az állandó AI-munkaterheléssel rendelkező KKV-k számára alacsonyabb költségű alternatívát kínál az ismétlődő felhős AI-kiadásokhoz, dokumentált frissítési úttal egy kétállomásos klaszterig.
