NVIDIA DGX Station AI-робоча станція
Використовуйте це, щоб розрізняти різні конфігурації у кошику — зручно при замовленні одного товару з різними опціями.
Повні технічні характеристики
Обчислення та пам'ять
Суперчип
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
Процесор
1× NVIDIA Grace CPU Superchip, 72 ядра Arm Neoverse V2
Графічний процесор
1× NVIDIA Blackwell Ultra GPU
Когерентна пам'ять
748 ГБ об'єднаної: 496 ГБ LPDDR5X + 252 ГБ HBM3e
Інтерконект пам'яті
NVLink-C2C, пропускна здатність між процесором та графічним процесором 900 ГБ/с
Продуктивність ШІ
20 Петафлопс (FP4)
Графічний процесор з підтримкою кількох екземплярів
До 7 ізольованих розділів графічного процесора (MIG)
Сховище та фізичні параметри
Накопичувачі (слоти)
4× M.2 2280 PCIe 5.0 x4 NVMe
Розширення GPU
PCIe 5.0, 1× слот подвійної ширини + 2× слоти одинарної ширини x16 для опціонального графічного процесора NVIDIA RTX PRO для відображення/візуалізації
Форм-фактор
Настільна башта, еталонний дизайн шасси від NVIDIA
Розміри
24,5 x 52,8 x 59,5 см
Мережі та кластеризація
Високошвидкісна мережа
2× порти 400G QSFP112 через NVIDIA ConnectX-8 SuperNIC
Кластеризація з кількома станціями
Пряме підключення за допомогою 400GbE до двох станцій DGX у єдиний пул узгодженої пам'яті об'ємом 1 496 ГБ
Бездротовий зв'язок (опціонально)
Слот PCIe M.2 2230 для модуля Wi-Fi/Bluetooth; може залишатися незайнятим для розгортання в ізольованих мережах (air-gapped)
Живлення та тепловий режим
Блок живлення
Блок живлення 1600 Вт, сумісний із стандартними офісними розетками
Охолодження
Рідинне охолодження із замкненим контуром, стабільна продуктивність під час важких навантажень ШІ
Управління та програмне забезпечення
BMC
ASPEED AST2600
Дистанційне управління
IPMI 2.0 та Redfish API, моніторинг та керування у стилі дата-центру
Безпека
Апаратний корінь довіри, безпечне завантаження корпоративного рівня
Стек програмного забезпечення
NVIDIA DGX OS, готова до розгортання агента NVIDIA NemoClaw
NVIDIA представила DGX Station 17 березня 2026 року як еталонну настільну систему для платформи NVIDIA GB300 Grace Blackwell Superchip — розроблену та безпосередньо перевірену NVIDIA для локального запуску моделей з трильйоном параметрів, що виробляється за ліцензією партнерами NVIDIA з апаратного забезпечення.
Технічні характеристики
DGX Station побудована навколо єдиного NVIDIA Grace CPU Superchip — 72 ядер Arm Neoverse V2 та 496 ГБ пам'яті LPDDR5X — у парі з NVIDIA Blackwell Ultra GPU з 252 ГБ пам'яті HBM3e, об'єднаних через NVLink-C2C у когерентний пул пам'яті об'ємом 748 ГБ. До 7 ізольованих MIG-партицій дозволяють одній станції обслуговувати кілька команд або завдань одночасно без конфліктів. Система надає 4× M.2 2280 PCIe 5.0 x4 NVMe-сховища, двопортову NVIDIA ConnectX-8 400G SuperNIC та слоти розширення PCIe 5.0 для опційної NVIDIA RTX PRO GPU, призначеної для виведення зображення та візуалізації.
Локальний AI-сервер для бізнесу
DGX Station розроблена як спільний локальний AI-ресурс. Кілька співробітників можуть надсилати завдання обробки документів — перевірка контрактів, витяг даних з рахунків, складання звітів, сортування листів — протягом робочого дня, причому завдання обробляються централізовано на місці, а не через зовнішні хмарні сервіси.
За допомогою NVIDIA NemoClaw автономні агенти можуть безперервно працювати в системі, виконуючи повторювані завдання, такі як моніторинг вхідних листів або планове створення звітів, без необхідності ініціювати кожен запит людиною. Це дозволяє DGX Station функціонувати як постійна AI-інфраструктура для бізнесу, підтримуючи стабільні робочі навантаження з документами.
Розширення потужності: кластеризація двох станцій
Для завдань, що перевищують можливості однієї станції, дві DGX Station можна з'єднати через вбудовані 400G порти ConnectX-8 SuperNIC, об'єднавши їх у єдиний когерентний пул пам'яті об'ємом 1 496 ГБ, доступний на обох машинах. Це забезпечує простий шлях масштабування для зростаючих команд без необхідності зміни архітектури або робочих процесів, доступний як опція конфігурації при оформленні замовлення.
Еталонна платформа, побудована на дев'ятирічному розвитку DGX Station
Назва DGX Station сягає 2017 року, коли NVIDIA представила оригінальну DGX Station як настільну альтернативу стійковій AI-інфраструктурі, побудовану на чотирьох GPU NVIDIA Tesla V100. У листопаді 2020 року її змінила DGX Station A100 з чотирма GPU NVIDIA A100 Tensor Core та до 320 ГБ GPU-пам'яті, розподіленої між чотирма окремими картами, що вимагало явного розподілу та управління завданнями у багатогпу-конфігурації.
Сучасна DGX Station, представлена у 2026 році, замінює цей багатогпу-підхід єдиним NVIDIA GB300 Grace Blackwell Ultra Superchip: одним когерентним об'єднаним пулом пам'яті об'ємом 748 ГБ, що безпосередньо ділиться між CPU та GPU через NVLink-C2C, замість чотирьох окремих пулів GPU-пам'яті, з'єднаних програмним шляхом.
Когерентна ємність пам'яті за поколіннями
Один когерентний пул пам'яті, що безпосередньо ділиться між CPU та GPU — не потрібне ручне розділення для багатогпу.
Порівняння витрат: локальна інфраструктура vs. хмарні AI-API
Для малого та середнього бізнесу, який щодня обробляє великі обсяги документів, різниця між фіксованою локальною системою та оплатою хмарних AI-сервісів за використання з часом суттєво зростає.
| Категорія витрат | Хмарні AI-API | DGX Station (локальна) |
|---|---|---|
| Початкові інвестиції в обладнання | Відсутні | 5,34 млн ₴ (одноразово) |
| Експлуатаційні витрати за 1-й рік | ~4.5M–11M ₴ | ~225K ₴ (енергія & обслуговування) |
| Експлуатаційні витрати за 2-й рік | ~4.5M–11M ₴ | ~225K ₴ (енергія & обслуговування) |
| Експлуатаційні витрати за 3-й рік | ~4.5M–11M ₴ | ~225K ₴ (енергія & обслуговування) |
| Сумарні витрати за 3 роки | ~13.5M–33.5M ₴ | ~6 млн ₴ |
Оскільки обробка відбувається повністю локально, документи та бізнес-дані не передаються на сторонні сервери. Це важливий фактор для організацій у юридичній, фінансовій чи інших сферах, чутливих до захисту даних.
Резюме
DGX Station надає єдину систему з фіксованою вартістю, здатну підтримувати безперервну AI-обробку документів, поєднану з еталонною архітектурою NVIDIA для локального запуску великих AI-моделей. Для малого та середнього бізнесу з постійними AI-навантаженнями це пропонує менш витратну альтернативу регулярним витратам на хмарні AI-сервіси, з документованим шляхом оновлення до кластера з двох станцій.
