🛒 0

NVIDIA DGX Station AI-arbejdsstation

Chip NVIDIA GB300 Grace Blackwell Ultra Superchip
Kohærent hukommelse 748 GB samlet: 496 GB LPDDR5X + 252 GB HBM3e
AI-præstation 20 PetaFLOPS (FP4)
Skalerer til Cluster med 2 stationer
785.155 kr.
Clusterkonfiguration

Vores team vil følge op med en skræddersyet prisopgørelse.

Brug dette til at skelne mellem dine forskellige konfigurationer i kurven – praktisk hvis du bestiller samme produkt med forskellige tilvalg.

Totalpris 785.155 kr.

Fuldstændige specifikationer

Regnekraft & Hukommelse

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2-kerne

GPU

1× NVIDIA Blackwell Ultra GPU

Kohærent hukommelse

748 GB samlet: 496 GB LPDDR5X + 252 GB HBM3e

Hukommelsesinterconnect

NVLink-C2C, 900 GB/s båndbredde mellem CPU og GPU

AI-præstation

20 PetaFLOPS (FP4)

Multi-Instance GPU

Op til 7 isolerede GPU-partitioner (MIG)

Opbevaring & Fysisk

Lagring (Pladser)

4× M.2 2280 PCIe 5.0 x4 NVMe

GPU-udvidelse

PCIe 5.0, 1× dobbelt bredde + 2× enkelt bredde x16-pladser til valgfri NVIDIA RTX PRO display/visualiserings-GPU

Formfaktor

Skrivebordstårn, NVIDIA-referencechassisdestign

Dimensioner

24,5 x 52,8 x 59,5 cm

Netværk og clustering

Højhastighedsnetværk

2× 400G QSFP112-porte via NVIDIA ConnectX-8 SuperNIC

Clustering med flere stationer

Direkte 400GbE-forbindelse af op til 2 DGX-stationer til en kombineret 1.496 GB sammenhængende hukommelsespulje

Trådløst (valgfrit)

PCIe M.2 2230-plads til Wi-Fi/Bluetooth-modul; kan forblive ubesat til air-gapped installationer

Strøm & Termisk

Strømforsyning

1600 W strømforsyning, kompatibel med standard kontorstikkontakt

Køling

Lukket kredsløb med væskekøling, vedvarende ydeevne under tung AI-arbejdsbelastning

Administration og software

BMC

ASPEED AST2600

Fjernadministration

IPMI 2.0 og Redfish API, overvågning og kontrol i datacenterstil

Sikkerhed

Hardwaremæssig tillidsrod, virksomhedssikker opstart

Softwarestack

NVIDIA DGX OS, klar til implementering af NVIDIA NemoClaw-agent

Foretrækker du en hurtig AI-drevet resumé? Spring over læsningen – undersøg dette produkts fulde specifikationer og egnethed til din brugssituation med en AI-assistent efter valg.

NVIDIA introducerede DGX Station den 17. marts 2026 som referencebordbordsystemet til NVIDIA GB300 Grace Blackwell Superchip-platformen – designet og valideret direkte af NVIDIA til at køre billion-parametermodeller lokalt og produceret under licens af NVIDIA's hardwarepartnere.

Hardwarespecifikationer

DGX Station er bygget omkring en enkelt NVIDIA Grace CPU Superchip – 72 Arm Neoverse V2-kerne og 496 GB LPDDR5X-hukommelse – parret med en NVIDIA Blackwell Ultra GPU med 252 GB HBM3e GPU-hukommelse, forenet via NVLink-C2C til en sammenhængende hukommelsespul på 748 GB. Op til 7 isolerede MIG-partitioner lader en enkelt station betjene flere teams eller arbejdsbelastninger samtidig uden konflikter. Systemet leverer 4× M.2 2280 PCIe 5.0 x4 NVMe-lagring, en dual-port NVIDIA ConnectX-8 400G SuperNIC og PCIe 5.0-udvidelsespladser til en valgfri NVIDIA RTX PRO GPU dedikeret til skærm- og visualiseringsoutput.

Lokal AI-server til erhvervsbrug

DGX Station er designet til at fungere som en delt lokal AI-ressource. Flere medarbejdere kan indsende dokumentbehandlingsopgaver – kontraktgennemgang, fakturaekstraktion, rapportudarbejdelse, e-mailtriage – gennem arbejdsdagen, hvor opgaver håndteres centralt on-site i stedet for at blive dirigeret gennem eksterne cloudtjenester.

Gennem NVIDIA NemoClaw kan autonome agents køre kontinuerligt på systemet og håndtere tilbagevendende opgaver som indbakkeovervågning eller planlagt rapportgenerering uden at kræve en person til at initiere hver anmodning. Dette gør det muligt for DGX Station at fungere som vedvarende AI-infrastruktur for virksomheden, der understøtter stabile dokumentarbejdsbelastninger.

Udvidelse af kapacitet: Klyngedannelse med to stationer

For arbejdsbelastninger der overstiger en enkelt enhed, kan to DGX Stations forbindes via deres indbyggede 400G ConnectX-8 SuperNIC-porte og kombineres til en enkelt sammenhængende hukommelsespul på 1.496 GB adresserbar på tværs af begge maskiner. Dette giver en ligetil opgraderingsvej for voksende teams uden behov for ny arkitektur eller arbejdsgangsændringer, tilgængelig som konfigurationsvalg ved kassen.

Et referenceplatform bygget på ni års DGX Station-udvikling

DGX Station-navnet går tilbage til 2017, hvor NVIDIA introducerede den originale DGX Station som et bordbordsalternativ til rackmonteret AI-infrastruktur, bygget omkring fire NVIDIA Tesla V100 GPU'er. I november 2020 blev den efterfulgt af DGX Station A100, som skiftede til fire NVIDIA A100 Tensor Core GPU'er og tilbød op til 320 GB GPU-hukommelse fordelt på fire separate kort, hvor hver krævede at arbejdsbelastninger eksplicit blev distribueret og administreret på tværs af multi-GPU-konfigurationen.

Den nuværende DGX Station, introduceret i 2026, erstatter denne multi-GPU-tilgang med en enkelt NVIDIA GB300 Grace Blackwell Ultra Superchip: én sammenhængende, forenet hukommelsespul på 748 GB delt direkte mellem CPU og GPU via NVLink-C2C, i stedet for fire separate GPU-hukommelsespuler sammensyet i software.

Sammenhængende hukommelseskapacitet pr. generation

2017 DGX Station 4× Tesla V100, 64 GB GPU-hukommelse
2020 DGX Station A100 4× A100, op til 320 GB GPU-hukommelse
2026 DGX Station (GB300) 1 superchip, 748 GB forenet sammenhængende hukommelse

Én sammenhængende hukommelsespul, delt direkte mellem CPU og GPU – ingen manuel multi-GPU-partitionering nødvendig.

Omkostningssammenligning: On-premises vs. Cloud AI API'er

For SMV'er der behandler store mængder dokumenter dagligt, bliver forskellen mellem et fast on-premises-system og forbrugsbaseret cloud-AI-fakturering betydeligt større over tid.

Cloud-AI-API'er
~2 mio. kr. – ~5 mio. kr.
over 3 år, vedvarende arbejdsbelastning
Forbrugsbaseret fakturering skalerer med volumen. Omkostninger stiger lineært (eller hurtigere) når dokument-/agentarbejdsbelastningen vokser, uden loft.
NVIDIA DGX Station AI-arbejdsstation
~885k kr.
over 3 år, fast hardware + driftsomkostninger
Engangsomkostninger for hardware plus forudsigelig strøm og vedligeholdelse. Omkostninger forbliver konstante uanset hvor meget systemet bruges.
Estimeret 3-års omkostningsfordeling: DGX Station vs. Cloud-AI-API'er
OmkostningskategoriCloud-AI-API'erDGX Station (On-Premises)
Indledende hardwareinvesteringIngen785k kr. (engangs)
Driftsomkostninger år 1~650k kr. – ~1650k kr.~32k kr. (strøm & vedligeholdelse)
Driftsomkostninger år 2~650k kr. – ~1650k kr.~32k kr. (strøm & vedligeholdelse)
Driftsomkostninger år 3~650k kr. – ~1650k kr.~32k kr. (strøm & vedligeholdelse)
Kumulative omkostninger over 3 år~2 mio. kr. – ~5 mio. kr.~885k kr.

Da behandlingen finder sted helt on-site, overføres dokumenter og forretningsdata ikke til tredjepartsservere. Dette er et relevant hensyn for organisationer inden for juridiske, finansielle eller andre datafølsomme sektorer.

Resumé

DGX Station leverer et enkelt, fastprissystem der kan understøtte kontinuerlig AI-dokumentbehandling, kombineret med NVIDIA-referencearkitekturen til lokal kørsel af store AI-modeller. For SMV'er med vedvarende AI-arbejdsbelastninger tilbyder det et lavere omkostningsalternativ til tilbagevendende cloud-AI-udgifter, med et dokumenteret opgraderingsvej til en klynge med to stationer.

danskDanskdk🇩🇰EnglishEngelsken🇪🇺bosanskiBosniskba🇧🇦българскиBulgarskbg🇧🇬EestiEstiskee🇪🇪suomiFinskfi🇫🇮FrançaisFranskfr🇫🇷ΕλληνικάGræskgr🇬🇷БеларускаяHviderussiskby🇧🇾ItalianoItalienskit🇮🇹hrvatskiKroatiskhr🇭🇷latviešuLettisklv🇱🇻LietuviųLitauisklt🇱🇹NederlandsHollandsknl🇳🇱BokmålNorskno🇳🇴PolerowaćPolskpl🇵🇱PortuguêsPortugisiskpt🇵🇹românăRumænskro🇷🇴СрпскиSerbiskrs🇷🇸slovenčinaSlovakisksk🇸🇰SlovenecSlovensksi🇸🇮EspañolSpanskes🇪🇸svenskaSvenskse🇸🇪češtinaTjekkiskcz🇨🇿DeutschTyskde🇩🇪українськаUkrainskua🇺🇦magyarUngarskhu🇭🇺العربيةArabiskar🇸🇦বাংলাBengalibd🇧🇩မြန်မာBurmesiskmm🇲🇲ქართულიGeorgiskge🇬🇪עבריתHebraiskil🇮🇱हिंदीHindihi🇮🇳BahasaIndonesiskid🇮🇩日本語Japanskjp🇯🇵ҚазақKasakhiskkz🇰🇿简体Kinesiskcn🇨🇳繁體Trad. kinesiskhk🇭🇰한국어Koreanskkr🇰🇷MelayuMalajiskmy🇲🇾मराठीMarathimr🇮🇳नेपालीNepalesisknp🇳🇵فارسیPersiskir🇮🇷ਪੰਜਾਬੀPunjabipa🇮🇳РусскийRussiskru🇷🇺සිංහලSingalesisklk🇱🇰TagalogTagalogph🇵🇭தமிழ்Tamilta🇱🇰తెలుగుTelugute🇮🇳ไทยThaith🇹🇭TürkçeTyrkisktr🇹🇷اردوUrdupk🇵🇰O'zbekUsbekiskuz🇺🇿Tiếng ViệtVietnamesiskvn🇻🇳