🛒 0

NVIDIA DGX Station Workstation ng AI

Chip NVIDIA GB300 Grace Blackwell Ultra Superchip
Magkasanib na Memorya 748 GB pinag-isang: 496 GB LPDDR5X + 252 GB HBM3e
Pagganap ng AI 20 PetaFLOPS (FP4)
Nakakasaklaw Hanggang Cluster na may 2 Estasyon
₱6,451,938
Pagsasaayos ng Cluster

Aming koponan ay susundan ito ng isang pasadyang presyo na quote.

Gamitin ito upang makilala ang iyong iba't ibang mga configuration sa iyong cart — magagamit kung mag-order ka ng parehong produkto na may iba't ibang opsyon.

Kabuuang presyo ₱6,451,938

Buong Mga Detalye

Pagkompyut at Memorya

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2 cores

GPU

1× NVIDIA Blackwell Ultra GPU

Magkasanib na Memorya

748 GB pinag-isang: 496 GB LPDDR5X + 252 GB HBM3e

Interkoneksyon ng Memorya

NVLink-C2C, 900 GB/s bandwidth ng CPU–GPU

Pagganap ng AI

20 PetaFLOPS (FP4)

Multi-Instance GPU

Hanggang 7 hiwalay na partisyon ng GPU (MIG)

Imbakan at Pisikal

Imbakan (mga Slot)

4× M.2 2280 PCIe 5.0 x4 NVMe

Pagpapalawak ng GPU

PCIe 5.0, 1× double-width + 2× single-width x16 slot(s) para sa opsyonal na NVIDIA RTX PRO display/visualization GPU

Salik ng Anyo

Toreng pang-tabing-desk, disenyo ng chassis na sanggunian ng NVIDIA

Mga Sukat

24.5 x 52.8 x 59.5 cm

Networking at Clustering

Mataas na Bilis na Pag-networking

2× 400G QSFP112 ports sa pamamagitan ng NVIDIA ConnectX-8 SuperNIC

Clustering ng Maraming Estasyon

Direktang 400GbE na pagkonekta ng hanggang 2 DGX Stations sa pinagsamang 1,496 GB coherent memory pool

Wireless (Opsyonal)

PCIe M.2 2230 slot para sa Wi-Fi/Bluetooth module; maaaring iwang walang laman para sa air-gapped deployments

Kuryente at Termal

Power Supply

1600 W power supply, katugma sa standard office outlet

Pagpapalamig

Pagpapalamig ng likidong saradong-loop, tuloy-tuloy na pagganap sa mabibigat na workload ng AI

Pamamahala at Software

BMC

ASPEED AST2600

Pamamahala sa Malayo

IPMI 2.0 at Redfish API, pagmamanman at kontrol na istilo ng data center

Seguridad

Hardware root of trust, enterprise secure boot

Software Stack

NVIDIA DGX OS, handa para sa pag-deploy ng NVIDIA NemoClaw agent

Mas gusto mo ba ng mabilisang buod na pinangungunahan ng AI? Laktawan ang pagbabasa — suriin ang buong mga detalye ng produktong ito at angkop para sa iyong use case gamit ang isang AI assistant na iyong pinili.

Ipinakilala ng NVIDIA ang DGX Station noong Marso 17, 2026, bilang ang reference deskside system para sa platform na NVIDIA GB300 Grace Blackwell Superchip — dinisenyo at direktang binigyang-bisa ng NVIDIA upang patakbuhin ang mga modelo na may trilyong parameter nang lokal, at ginawa sa ilalim ng lisensya ng mga hardware partner ng NVIDIA.

Mga Espesipikasyon ng Hardware

Ang DGX Station ay binuo sa paligid ng isang solong NVIDIA Grace CPU Superchip — 72 Arm Neoverse V2 cores at 496 GB LPDDR5X memorya — na ipinares sa isang NVIDIA Blackwell Ultra GPU na may 252 GB HBM3e GPU memorya, pinag-isa sa pamamagitan ng NVLink-C2C sa isang coherent memory pool na 748 GB. Hanggang sa 7 na nakahiwalay na MIG partition ay nagpapahintulot sa isang solong station na maghatid ng ilang koponan o workload nang sabay-sabay nang walang contention. Ang sistema ay nagbibigay ng 4× M.2 2280 PCIe 5.0 x4 NVMe storage, isang dual-port na NVIDIA ConnectX-8 400G SuperNIC, at mga PCIe 5.0 expansion slot para sa isang opsyonal na NVIDIA RTX PRO GPU na nakalaan para sa display at visualization output.

Lokal na AI Server para sa Paggamit sa Negosyo

Ang DGX Station ay dinisenyo upang gumana bilang isang shared local AI resource. Maraming empleyado ay maaaring magsumite ng mga gawain sa pagproseso ng dokumento — pagsusuri ng kontrata, pagkuha ng invoice, paggawa ng ulat, email triage — sa buong araw ng trabaho, na ang mga trabaho ay hinahawakang sentralisado on-site sa halip na idaan sa mga panlabas na cloud service.

Sa pamamagitan ng NVIDIA NemoClaw, ang mga autonomous agent ay maaaring patakbuhin nang tuluy-tuloy sa sistema, na humahawak ng mga paulit-ulit na gawain tulad ng pagmamanman ng inbox o naka-iskedyul na pagbuo ng ulat nang hindi nangangailangan ng isang tao na magpasimula ng bawat kahilingan. Pinapahintulutan nito ang DGX Station na gumana bilang patuloy na AI infrastructure para sa negosyo, na sumusuporta sa matatag na workload ng dokumento.

Pagpapalawak ng Kapasidad: Clustering ng Dalawang Station

Para sa mga workload na lumalampas sa isang yunit, ang dalawang DGX Station ay maaaring ikonekta sa pamamagitan ng kanilang onboard na 400G ConnectX-8 SuperNIC ports, na pinagsasama sa isang solong 1,496 GB coherent memory pool na maaaring i-address sa parehong makina. Nagbibigay ito ng isang tuwirang upgrade path para sa lumalaking mga koponan nang hindi nangangailangan ng bagong arkitektura o pagbabago sa workflow, na magagamit bilang opsyon sa configuration sa checkout.

Isang Reference Platform na Binuo sa Siyam na Taon ng Pag-unlad ng DGX Station

Ang pangalang DGX Station ay nagmula pa noong 2017, nang ipakilala ng NVIDIA ang orihinal na DGX Station bilang isang deskside na alternatibo sa rack-mounted na AI infrastructure, na binuo sa paligid ng apat na NVIDIA Tesla V100 GPU. Noong Nobyembre 2020, ang DGX Station A100 ang pumalit dito, na lumipat sa apat na NVIDIA A100 Tensor Core GPU at nag-aalok ng hanggang 320 GB ng GPU memorya na nakakalat sa apat na magkakahiwalay na card, na ang bawat isa ay nangangailangan ng mga workload na malinaw na ipamahagi at pamahalaan sa buong multi-GPU configuration.

Ang kasalukuyang DGX Station, na ipinakilala noong 2026, ay pumalit sa multi-GPU na diskarte na iyon sa isang solong NVIDIA GB300 Grace Blackwell Ultra Superchip: isang coherent, pinag-isang memory pool na 748 GB na direktang ibinahagi sa pagitan ng CPU at GPU sa pamamagitan ng NVLink-C2C, sa halip na apat na magkakahiwalay na GPU memory pool na pinagdugtong sa software.

Coherent memory capacity, ayon sa henerasyon

2017 DGX Station 4× Tesla V100, 64 GB GPU memorya
2020 DGX Station A100 4× A100, hanggang 320 GB GPU memorya
2026 DGX Station (GB300) 1 superchip, 748 GB pinag-isang coherent memorya

Isang coherent memory pool, direktang ibinahagi sa pagitan ng CPU at GPU — walang kinakailangang manu-manong multi-GPU partitioning.

Paghahambing ng Gastos: On-Premises kumpara sa Cloud AI APIs

Para sa mga SMB na nagpoproseso ng mataas na dami ng dokumento araw-araw, ang pagkakaiba sa pagitan ng isang fixed on-premises system at usage-based na cloud AI billing ay lumalaki nang malaki sa paglipas ng panahon.

Cloud AI APIs
~₱20M - ~₱50M
sa loob ng 3 taon, patuloy na workload
Ang usage-based billing ay sumesekta sa volume. Ang mga gastos ay tumataas nang linear (o mas mabilis) habang lumalaki ang workload ng dokumento/agent, na walang kisame.
NVIDIA DGX Station Workstation ng AI
~₱7.4M
sa loob ng 3 taon, fixed hardware + operating cost
Isang beses na hardware cost kasama ang predictable na kuryente at maintenance. Ang gastos ay nananatiling flat anuman ang dami ng paggamit sa sistema.
Tinantyang Pagkakahati-hati ng Gastos sa 3 Taon: DGX Station kumpara sa Cloud AI APIs
Kategorya ng GastosCloud AI APIsDGX Station (On-Premises)
Paunang pamumuhunan sa hardwareWala₱6.5M (isang beses)
Gastos sa pagpapatakbo ng Taon 1~₱6M - ~₱15M~₱307k (kuryente & maintenance)
Gastos sa pagpapatakbo ng Taon 2~₱6M - ~₱15M~₱307k (kuryente & maintenance)
Gastos sa pagpapatakbo ng Taon 3~₱6M - ~₱15M~₱307k (kuryente & maintenance)
Kumulatibong gastos sa 3 taon~₱20M - ~₱50M~₱7.4M

Dahil ang pagproseso ay ganap na nangyayari on-site, ang mga dokumento at data ng negosyo ay hindi ipinapadala sa mga server ng third-party. Ito ay isang nauugnay na pagsasaalang-alang para sa mga organisasyon sa legal, pinansyal, o iba pang sektor na sensitibo sa data.

Buod

Ang DGX Station ay nagbibigay ng isang solong, fixed-cost system na may kakayahang suportahan ang tuluy-tuloy na pagproseso ng dokumento ng AI, na pinagsama sa reference NVIDIA architecture para sa pagpapatakbo ng malalaking modelo ng AI nang lokal. Para sa mga SMB na may patuloy na workload ng AI, nag-aalok ito ng mas mababang gastos na alternatibo sa paulit-ulit na gastos sa cloud AI, na may dokumentadong upgrade path sa isang cluster ng dalawang station.