🛒 0

Gigabyte W775-V10-L01 Stacja robocza AI

Chip NVIDIA GB300 Grace Blackwell Ultra Superchip
Pamięć koherentna 748 GB ujednolicone: 496 GB LPDDR5X + 252 GB HBM3e
Wydajność AI 20 PetaFLOPS (FP4)
Pamięć masowa 2× PCIe Gen6 M.2 NVMe
432 747 zł

Nasz zespół skontaktuje się z indywidualną wyceną.

Pomaga rozróżnić konfiguracje w koszyku — przydatne przy zamawianiu tego samego produktu z różnymi opcjami.

Cena całkowita 432 747 zł

Pełne specyfikacje

Obliczenia i pamięć

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 rdzenie Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Pamięć koherentna

748 GB ujednolicone: 496 GB LPDDR5X + 252 GB HBM3e

Wydajność AI

20 PetaFLOPS (FP4)

Pamięć masowa i wymiary

Pamięć masowa (gniazda)

2× M.2 2280 PCIe 6.0 x4 NVMe + 2× M.2 2280 PCIe 5.0 x4 NVMe, osłony gniazd ochronne

Format

Wieża biurkowa, przełączalny tryb pracy serwera/stacji roboczej

Wymiary

21,8 x 51,95 x 72,63 cm

Sieć i rozbudowa

Sieć o wysokiej prędkości

2× porty 400G QSFP112 przez NVIDIA ConnectX-8 SuperNIC

Rozszerzenia PCIe

PCIe 5.0, dodatkowe gniazda x16 i x8, obsługa opcjonalnych GPU NVIDIA RTX PRO Blackwell

Zasilanie i chłodzenie

Zasilacz

Zasilacz ATX 1600 W, sprawność Titanium

Chłodzenie

Chłodzenie cieczą w obiegu zamkniętym ze zintegrowaną tacą wykrywania wycieków i automatycznym wyłączaniem

Zarządzanie i oprogramowanie

BMC

ASPEED AST2600

Zarządzanie zdalne

IPMI 2.0 i Redfish API, monitorowanie i sterowanie w stylu centrum danych

Tryby pracy

Przełączalny między pracą serwera zarządzanego przez BMC a pracą stacji roboczej z bezpośrednim dostępem

Wolisz szybkie podsumowanie AI? Pomiń czytanie — przeanalizuj pełne specyfikacje i dopasowanie do Twojego przypadku z wybranym asystentem AI.

Gigabyte wprowadziło model W775-V10-L01 12 stycznia 2026 roku, pozycjonując go w ekosystemie NVIDIA GB300 Grace Blackwell Superchip jako stojące stanowisko AI zaprojektowane do lokalnego uruchamiania modeli trylionowych parametrów, ze szczególnym naciskiem inżynieryjnym na ciągłą, bezobsługową pracę.

Specyfikacja sprzętowa

W775-V10-L01 opiera się na pojedynczym NVIDIA Grace CPU Superchip — 72 rdzeniach Arm Neoverse V2 i 496 GB pamięci LPDDR5X — połączonym z NVIDIA Blackwell Ultra GPU wyposażonym w 252 GB pamięci HBM3e GPU, zunifikowanych przez NVLink-C2C w spójną pulę pamięci o pojemności 748 GB. Za przechowywanie danych odpowiadają cztery gniazda M.2 2280 — dwa PCIe 6.0 x4 i dwa PCIe 5.0 x4 — każde z osłoną ochronną, wraz z dwuportową kartą sieciową NVIDIA ConnectX-8 400G SuperNIC do szybkich połączeń sieciowych.

Lokalny serwer AI do zastosowań biznesowych

W775-V10-L01 działa jako współdzielony lokalny zasób AI. Wielu pracowników może przesyłać zadania przetwarzania dokumentów — przegląd umów, ekstrakcja faktur, tworzenie raportów, priorytetyzacja maili — w ciągu dnia pracy, przy czym zadania są obsługiwane centralnie na miejscu, zamiast być kierowane przez zewnętrzne usługi chmurowe.

Dzięki NVIDIA NemoClaw autonomiczne agenty mogą działać stale na systemie, obsługując powtarzalne zadania takie jak monitorowanie skrzynki odbiorczej czy generowanie raportów według harmonogramu bez konieczności ręcznego inicjowania każdego żądania. Pozwala to W775-V10-L01 funkcjonować jako ciągła infrastruktura AI dla firmy, wspierając stałe obciążenie dokumentami.

Zaprojektowany do bezobsługowej, ciągłej pracy

Gigabyte łączy zamkniętą pętlę chłodzenia cieczą W775-V10-L01 ze zintegrowaną płytką wykrywającą wycieki umieszczoną pod złączami chłodzącymi. W przypadku wykrycia wilgoci oprogramowanie systemowe inicjuje automatyczne, kontrolowane wyłączenie zanim wyciek dotrze do okolicznego sprzętu.

Obudowę można również skonfigurować do dwóch różnych ról. Zarządzana przez wbudowany kontroler BMC za pośrednictwem IPMI 2.0 i Redfish działa jako centralnie administrowany, zdalnie monitorowany serwer. Jej gniazda PCIe akceptują karty graficzne NVIDIA RTX PRO Blackwell do zastosowań stacji roboczych o wysokich wymaganiach graficznych.

Porównanie kosztów: On-Premises vs. Cloud AI API

Dla MŚP przetwarzających codziennie duże ilości dokumentów różnica między systemem on-premises a rozliczeniem cloud AI narasta znacząco z czasem.

Cloud AI API
~1,1 mln zł - ~2,8 mln zł
w ciągu 3 lat, przy stałym obciążeniu
Rozliczenie oparte na użyciu skaluje się z wolumenem. Koszty rosną liniowo (lub szybciej) wraz ze wzrostem obciążenia dokumentami/agentami, bez limitu górnego.
Gigabyte W775-V10-L01 Stacja robocza AI
~490k zł
w ciągu 3 lat, stały koszt sprzętu + eksploatacji
Jednorazowy koszt sprzętu plus przewidywalne koszty energii i konserwacji. Koszt pozostaje stały niezależnie od intensywności użytkowania systemu.
Szacunkowy rozkład kosztów 3-letnich: W775-V10-L01 vs. Cloud AI API
Kategoria kosztówCloud AI APIW775-V10-L01 (On-Premises)
Inwestycja początkowa w sprzętBrak433 tys. zł (jednorazowo)
Koszt eksploatacji rok 1~400 tys. zł - ~950 tys. zł~18 tys. zł (energia & konserwacja)
Koszt eksploatacji rok 2~400 tys. zł - ~950 tys. zł~18 tys. zł (energia & konserwacja)
Koszt eksploatacji rok 3~400 tys. zł - ~950 tys. zł~18 tys. zł (energia & konserwacja)
Łączny koszt 3-letni~1,1 mln zł - ~2,8 mln zł~490k zł

Ponieważ przetwarzanie odbywa się wyłącznie na miejscu, dokumenty i dane biznesowe nie są przesyłane na serwery stron trzecich. Jest to istotna kwestia dla organizacji z sektorów prawnych, finansowych lub innych wrażliwych na dane.

Podsumowanie

W775-V10-L01 zapewnia pojedynczy system o stałym koszcie, zdolny do obsługi ciągłego przetwarzania dokumentów AI, połączony z architekturą do lokalnego uruchamiania dużych modeli AI oraz zabezpieczeniami inżynieryjnymi do pracy bezobsługowej. Dla MŚP ze stałym obciążeniem AI stanowi tańszą alternatywę dla powtarzających się wydatków na cloud AI.

PolerowaćPolskipl🇵🇱EnglishAngielskien🇪🇺БеларускаяBiałoruskiby🇧🇾bosanskiBośniackiba🇧🇦българскиBułgarskibg🇧🇬hrvatskiChorwackihr🇭🇷češtinaCzeskicz🇨🇿danskDuńskidk🇩🇰EestiEstońskiee🇪🇪suomiFińskifi🇫🇮FrançaisFrancuskifr🇫🇷ΕλληνικάGreckigr🇬🇷EspañolHiszpańskies🇪🇸LietuviųLitewskilt🇱🇹latviešuŁotewskilv🇱🇻NederlandsNiderlandzkinl🇳🇱DeutschNiemieckide🇩🇪BokmålNorweskino🇳🇴PortuguêsPortugalskipt🇵🇹românăRumuńskiro🇷🇴СрпскиSerbskirs🇷🇸slovenčinaSłowackisk🇸🇰SlovenecSłoweńskisi🇸🇮svenskaSzwedzkise🇸🇪українськаUkraińskiua🇺🇦magyarWęgierskihu🇭🇺ItalianoWłoskiit🇮🇹العربيةArabskiar🇸🇦বাংলাBengalskibd🇧🇩မြန်မာBirmańskimm🇲🇲简体Chińskicn🇨🇳繁體Trad. chińskihk🇭🇰ქართულიGruzińskige🇬🇪עבריתHebrajskiil🇮🇱हिंदीHindihi🇮🇳BahasaIndonezyjskiid🇮🇩日本語Japońskijp🇯🇵ҚазақKazachskikz🇰🇿한국어Koreańskikr🇰🇷MelayuMalajskimy🇲🇾मराठीMarathimr🇮🇳नेपालीNepalskinp🇳🇵ਪੰਜਾਬੀPendżabskipa🇮🇳فارسیPerskiir🇮🇷РусскийRosyjskiru🇷🇺සිංහලSyngaleskilk🇱🇰TagalogTagalogph🇵🇭ไทยTajskith🇹🇭தமிழ்Tamilskita🇱🇰తెలుగుTelugute🇮🇳TürkçeTureckitr🇹🇷اردوUrdupk🇵🇰O'zbekUzbeckiuz🇺🇿Tiếng ViệtWietnamskivn🇻🇳