NVIDIA DGX Station AI Workstation
Pomaga rozróżnić konfiguracje w koszyku — przydatne przy zamawianiu tego samego produktu z różnymi opcjami.
Pełne specyfikacje
Obliczenia i pamięć
Superchip
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
CPU
1× 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
Połączenie pamięci
NVLink-C2C, przepustowość 900 GB/s między CPU a GPU
Wydajność AI
20 PetaFLOPS (FP4)
Wieloinstancyjna GPU
Do 7 izolowanych partycji GPU (MIG)
Pamięć masowa i wymiary
Pamięć masowa (gniazda)
4× M.2 2280 PCIe 5.0 x4 NVMe
Rozbudowa GPU
PCIe 5.0, 1× slot podwójnej szerokości + 2× sloty pojedynczej szerokości x16 dla opcjonalnej karty graficznej NVIDIA RTX PRO do wyświetlania/wizualizacji
Format
Wieża biurkowa, referencyjna konstrukcja obudowy NVIDIA
Wymiary
24,5 x 52,8 x 59,5 cm
Sieć i klastrowanie
Sieć o wysokiej prędkości
2× porty 400G QSFP112 przez NVIDIA ConnectX-8 SuperNIC
Klastrowanie wielu stacji
Bezpośrednie łączenie 400GbE do 2 stacji DGX w połączony, spójny pulę pamięci o pojemności 1,496 GB
Bezprzewodowość (opcjonalnie)
Gniazdo PCIe M.2 2230 na moduł Wi-Fi/Bluetooth; może pozostać puste dla wdrożeń typu air-gapped
Zasilanie i chłodzenie
Zasilacz
Zasilacz 1600 W, kompatybilny ze standardowym gniazdem biurowym
Chłodzenie
Chłodzenie cieczą w obiegu zamkniętym, utrzymujące wydajność pod dużym obciążeniem AI
Zarządzanie i oprogramowanie
BMC
ASPEED AST2600
Zarządzanie zdalne
IPMI 2.0 i Redfish API, monitorowanie i sterowanie w stylu centrum danych
Zabezpieczenia
Sprzętowy korzeń zaufania, bezpieczny rozruch na poziomie przedsiębiorstwa
Stos oprogramowania
NVIDIA DGX OS, gotowy do wdrożenia agenta NVIDIA NemoClaw
NVIDIA wprowadziło DGX Station 17 marca 2026 roku jako referencyjny system przybiurkowy dla platformy NVIDIA GB300 Grace Blackwell Superchip — zaprojektowany i bezpośrednio zwalidowany przez NVIDIA do lokalnego uruchamiania modeli o bilionie parametrów, produkowany na licencji przez partnerów sprzętowych NVIDIA.
Specyfikacje sprzętowe
DGX Station jest zbudowany wokół pojedynczego NVIDIA Grace CPU Superchip — 72 rdzenie Arm Neoverse V2 i 496 GB pamięci LPDDR5X — połączonego z NVIDIA Blackwell Ultra GPU wyposażonym w 252 GB pamięci GPU HBM3e, zunifikowanych przez NVLink-C2C w spójną pulę pamięci o pojemności 748 GB. Do 7 izolowanych partycji MIG pozwala pojedynczej stacji obsługiwać jednocześnie kilka zespołów lub obciążeń bez rywalizacji. System zapewnia 4× magazyn NVMe M.2 2280 PCIe 5.0 x4, dwuportowy NVIDIA ConnectX-8 400G SuperNIC oraz gniazda rozszerzeń PCIe 5.0 dla opcjonalnej karty NVIDIA RTX PRO GPU przeznaczonej do wyjścia wyświetlacza i wizualizacji.
Lokalny serwer AI do użytku biznesowego
DGX Station został zaprojektowany jako współdzielony lokalny zasób AI. Wielu pracowników może przesyłać zadania przetwarzania dokumentów — przegląd umów, ekstrakcja faktur, tworzenie raportów, triaż e-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 inicjowania każdego żądania przez osobę. Pozwala to DGX Station działać jako ciągła infrastruktura AI dla firmy, wspierając stałe obciążenia dokumentami.
Rozszerzanie pojemności: klaster dwóch stacji
Dla obciążeń przekraczających możliwości pojedynczej jednostki, dwa DGX Station można połączyć za pomocą wbudowanych portów SuperNIC ConnectX-8 400G, tworząc jedną spójną pulę pamięci o pojemności 1496 GB adresowalną na obu maszynach. Zapewnia to prostą ścieżkę aktualizacji dla rosnących zespołów bez konieczności zmiany architektury czy przepływu pracy, dostępną jako opcja konfiguracyjna przy finalizacji zamówienia.
Platforma referencyjna zbudowana na dziewięciu latach rozwoju DGX Station
Nazwa DGX Station sięga 2017 roku, kiedy NVIDIA wprowadziła oryginalną DGX Station jako przybiurkową alternatywę dla infrastruktury AI montowanej w szafie, zbudowanej wokół czterech GPU NVIDIA Tesla V100. W listopadzie 2020 roku zastąpił ją DGX Station A100, przechodząc na cztery GPU NVIDIA A100 Tensor Core i oferując do 320 GB pamięci GPU rozproszonej na czterech oddzielnych kartach, z których każda wymagała jawnego rozłożenia i zarządzania obciążeniami w konfiguracji wieloprocesorowej.
Obecny DGX Station, wprowadzony w 2026 roku, zastępuje to wieloprocesorowe podejście pojedynczym NVIDIA GB300 Grace Blackwell Ultra Superchip: jedną spójną, ujednoliconą pulą pamięci 748 GB współdzieloną bezpośrednio między CPU i GPU przez NVLink-C2C, zamiast czterech oddzielnych pul pamięci GPU połączonych oprogramowaniem.
Spójna pojemność pamięci według generacji
Jedna spójna pula pamięci, współdzielona bezpośrednio między CPU i GPU — bez konieczności ręcznego partycjonowania wielu GPU.
Porównanie kosztów: rozwiązania on-premises a chmurowe API AI
Dla MŚP przetwarzających codziennie duże ilości dokumentów, różnica między stałym systemem on-premises a rozliczeniem chmurowym AI opartym na użyciu znacząco narasta z czasem.
| Kategoria kosztów | Chmurowe API AI | DGX Station (On-Premises) |
|---|---|---|
| Inwestycja początkowa w sprzęt | Brak | €105k (jednorazowy) |
| Koszty operacyjne rok 1 | ~400 tys. zł - ~950 tys. zł | ~18 tys. zł (energia & konserwacja) |
| Koszty operacyjne rok 2 | ~400 tys. zł - ~950 tys. zł | ~18 tys. zł (energia & konserwacja) |
| Koszty operacyjne 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 | 511239 PLN |
Ponieważ przetwarzanie odbywa się całkowicie 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
DGX Station zapewnia pojedynczy system o stałym koszcie, zdolny do obsługi ciągłego przetwarzania dokumentów AI, połączony z referencyjną architekturą NVIDIA do lokalnego uruchamiania dużych modeli AI. Dla MŚP ze stałymi obciążeniami AI oferuje tańszą alternatywę dla cyklicznych wydatków na chmurę AI, z udokumentowaną ścieżką aktualizacji do klastra dwóch stacji.
