🛒 0

MSI EdgeXpert MS-C931

Chip NVIDIA GB10 Superchip
Pamięć unifikowana 128 GB LPDDR5x
Wydajność AI 1 PetaFLOP (FP4)
Pamięć masowa Do 4 TB PCIe Gen4
17 306 zł
Konfiguracja klastra

Nasz zespół skontaktuje się z indywidualną wyceną.

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

Cena całkowita 17 306 zł

Pełne specyfikacje

Obliczenia i pamięć

Chip

NVIDIA GB10 Grace Blackwell Superchip

CPU

20-rdzeniowy Arm (10 × Cortex-X925 + 10 × Cortex-A725)

Pamięć unifikowana

128 GB LPDDR5x (przepustowość 273 GB/s)

Wydajność AI

1 PetaFLOP (FP4)

Pamięć masowa i wymiary

Pamięć masowa

1 TB lub 4 TB NVMe Gen4 (samo szyfrujące)

Wymiary

151 × 151 × 52 mm

Waga

1,2 kg

Zasilanie i chłodzenie

Zasilacz

Zasilacz 240 W USB-C PD

Chłodzenie

Komora parowa + potrójna rurka cieplna, stos miedzianych żeberek, ciągła praca bez ograniczania taktowania

Utrzymywana temperatura SoC

85 °C przy ciągłym pełnym obciążeniu

Oprogramowanie i bezpieczeństwo

System operacyjny

NVIDIA DGX OS (preinstalowany)

Platforma zarządzania

Galene.AI suwerenne zarządzanie AI, orkiestracja Docker Compose

Zabezpieczenia

TPM 2.0, samo szyfrujący dysk NVMe

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

MSI wprowadziło EdgeXpert MS-C931 20 maja 2025 roku, pozycjonując go w ekosystemie NVIDIA GB10 Grace Blackwell Superchip jako kompaktowy system do rozwoju AI i inferencji, zaprojektowany specjalnie do ciągłej, nieprzerwanej pracy, a nie krótkich serii benchmarkowych.

Kluczową decyzją inżynieryjną stojącą za EdgeXpert MS-C931 jest zapas termiczny: moduł chłodzący z komorą parową i trzema rurami ciepła, połączony z gęstym stosem miedzianych żeber i kierowaną ścieżką przepływu powietrza od przodu do tyłu, ma utrzymywać superchip na pełnym profilu zegara podczas wielogodzinnych sesji treningowych i inferencyjnych, zamiast pozwalać na obniżenie taktowania pod obciążeniem. Jest to połączone z dołączoną warstwą suwerennego zarządzania AI, Galene.AI, która daje regulowanym organizacjom gotową warstwę orkiestracji i audytu do lokalnego wdrożenia od pierwszego dnia.

Specyfikacja Sprzętowa

W sercu systemu znajduje się NVIDIA GB10 Grace Blackwell Superchip, dostarczający 1 petaFLOP wydajności AI w precyzji FP4 w kompaktowej obudowie. 20-rdzeniowy procesor Arm łączy 10 × rdzenie wydajnościowe Cortex-X925 z 10 × rdzeniami efektywnościowymi Cortex-A725, współpracujące z ujednoliconą pamięcią 128 GB LPDDR5x o przepustowości 273 GB/s współdzielonej spójnie między CPU i GPU. Pamięć masowa to samoszyfrujący dysk SSD PCIe Gen4 NVMe M.2, dostępny w pojemnościach 1 TB lub 4 TB, wspierający lokalne buforowanie dużych punktów kontrolnych modeli bez polegania na zewnętrznej pamięci.

Łączność i Sieć

EdgeXpert MS-C931 integruje NVIDIA ConnectX-7 Smart NIC z podwójnymi portami QSFP 200 Gbps do bezpośredniego łączenia jednostek peer-to-peer, wraz z Ethernetem 10 GbE (RJ-45) do standardowej integracji sieciowej. Łączność bezprzewodowa obejmuje Wi-Fi 7 i Bluetooth 5.4. Cztery porty USB 3.2 Type-C obsługują tryb alternatywny DisplayPort do bezpośredniego wyjścia na wiele monitorów, pozwalając systemowi pełnić podwójną rolę jako pełna lokalna stacja robocza do rozwoju, obok funkcji serwera inferencyjnego.

Inżynieria Termiczna i Stała Wydajność

Kompaktowe systemy AI powszechnie obniżają taktowanie pod długotrwałym obciążeniem po wzroście temperatur wewnętrznych – zachowanie bezpośrednio zmniejszające przepustowość podczas długich przebiegów treningowych lub rozszerzonej obsługi inferencji. Moduł chłodzący EdgeXpert MS-C931 jest specjalnie zaprojektowany, aby tego uniknąć: niezależna walidacja przy stałym obciążeniu z użyciem standardowej metodologii stresowej NVIDIA GPU zarejestrowała następujące wartości stanu ustalonego.

KomponentMaksymalna temperatura przy stałym obciążeniu
SoC (GB10 Superchip)85 °C
Obudowa zewnętrzna (góra)41,8 °C
Obudowa zewnętrzna (tylny panel)48,6 °C
Dysk NVMe SSD52 °C

Temperatury zewnętrzne obudowy pozostają na tyle niskie, że jednostkę można obsługiwać bezpośrednio podczas pracy, a SSD unika degradacji odczytu/zapisu spowodowanej temperaturą nawet przy stałym ładowaniu zbiorów danych. W praktyce przekłada się to na stabilne, niezmniejszone taktowanie zegara podczas wielogodzinnych zadań strojenia modeli i długotrwałych obciążeń inferencyjnych – scenariuszy, w których kompaktowe systemy AI najczęściej tracą wydajność w miarę upływu czasu.

Oprogramowanie: Suwerenne Zarządzanie AI

EdgeXpert MS-C931 jest dostarczany z preinstalowanym NVIDIA DGX OS, zapewniającym pełen stos frameworków CUDA i AI po wyjęciu z pudełka. Dodatkowo MSI dołącza Galene.AI, platformę suwerennego zarządzania AI zbudowaną dla regulowanych, lokalnych wdrożeń: zapewnia orkiestrację opartą na Docker Compose, kontrolę dostępu i logowanie gotowe do audytu, dzięki czemu wykorzystanie modeli w organizacji pozostaje w pełni lokalne, śledzone i pod bezpośrednią kontrolą administracyjną – bez zależności od zewnętrznych usług chmurowych.

Pamięć Masowa i Bezpieczeństwo

Obie konfiguracje NVMe (1 TB i 4 TB) są domyślnie samoszyfrujące, chroniąc w spoczynku wagi modeli, zbiory danych do strojenia i dzienniki inferencji bez dodatkowego narzutu oprogramowania. W połączeniu z TPM 2.0 daje to EdgeXpert MS-C931 podstawę bezpieczeństwa odpowiednią dla środowisk prawnych, finansowych i innych wrażliwych na dane, gdzie przetwarzanie lokalne jest wymogiem, a nie preferencją.

Skalowanie Ponad Pojedynczą Jednostkę

Podobnie jak wszystkie systemy oparte na NVIDIA GB10 Superchip, EdgeXpert MS-C931 obsługuje bezpośrednie łączenie 2 jednostek przez porty ConnectX-7, łącząc dwie jednostki w pulę ujednoliconej pamięci 256 GB zdolną do obsługi modeli przekraczających 400 miliardów parametrów. Zapewnia to prostą ścieżkę aktualizacji dla zespołów zaczynających z pojedynczą jednostką desktopową, które później potrzebują dodatkowego zapasu dla większych modeli, bez zmiany stosu oprogramowania lub konfiguracji zarządzania.

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🇻🇳