NVIDIA DGX Station AI-arbejdsstation
Brug dette til at skelne mellem dine forskellige konfigurationer i kurven – praktisk hvis du bestiller samme produkt med forskellige tilvalg.
Fuldstændige specifikationer
Regnekraft & Hukommelse
Superchip
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
CPU
1× 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
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
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.
| Omkostningskategori | Cloud-AI-API'er | DGX Station (On-Premises) |
|---|---|---|
| Indledende hardwareinvestering | Ingen | 785k 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.









