🛒 0

NVIDIA DGX Station AI სამუშაო სადგური

ჩიპი NVIDIA GB300 Grace Blackwell Ultra Superchip
კოჰერენტული მეხსიერება 748 GB გაერთიანებული: 496 GB LPDDR5X + 252 GB HBM3e
AI-ს შესრულება 20 პეტაფლოპსი (FP4)
მასშტაბირება 2 სადგურიანი კლასტერი
277 729 ₾
კლასტერის კონფიგურაცია

ჩვენი გუნდი დაგიკავშირდებათ პერსონალიზებული ფასის შეთავაზებით.

გამოიყენეთ ეს თქვენს სხვადასხვა კონფიგურაციას შორის განსხვავებისთვის კალათაში — მოსახერხებელია, თუ ერთსა და იმავე პროდუქტს სხვადასხვა ოფციით შეუკვეთავთ.

საერთო ღირებულება 277 729 ₾

სრული სპეციფიკაციები

გამოთვლითი სიმძლავრე და მეხსიერება

სუპერჩიპი

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2 ბირთვი

GPU

1× NVIDIA Blackwell Ultra GPU

კოჰერენტული მეხსიერება

748 GB გაერთიანებული: 496 GB LPDDR5X + 252 GB HBM3e

მეხსიერების ინტერკონექტი

NVLink-C2C, 900 GB/s CPU-გრაფიკულ პროცესორს შორის გამტარუნარიანობა

AI-ს შესრულება

20 პეტაფლოპსი (FP4)

მრავალინსტანცირებადი GPU

7-მდე იზოლირებული GPU პარტიცია (MIG)

შენახვა და ფიზიკური პარამეტრები

შენახვა (სლოტები)

4× M.2 2280 PCIe 5.0 x4 NVMe

GPU-ის გაფართოება

PCIe 5.0, 1× ორმაგი სიგანის + 2× ერთმაგი სიგანის x16 სლოტ(ებ)ი ოფციონალური NVIDIA RTX PRO დისპლეის/ვიზუალიზაციის GPU-სთვის

ფორმის ფაქტორი

სამაგიდო კოშკი, NVIDIA-ს მითითებით შექმნილი ჩასისის დიზაინი

ზომები

24,5 x 52,8 x 59,5 სმ

ქსელირება და კლასტერიზაცია

მაღალსიჩქარიანი ქსელირება

2× 400G QSFP112 პორტი NVIDIA ConnectX-8 SuperNIC-ის მეშვეობით

მრავალსადგურიანი კლასტერიზაცია

2 DGX სადგურის პირდაპირი 400GbE-ით დაკავშირება ერთიან 1,496 GB კოჰერენტული მეხსიერების აუზში

უსადენო (ოფციონალური)

PCIe M.2 2230 სლოტი Wi-Fi/Bluetooth მოდულისთვის; შეიძლება დარჩეს ცარიელი air-gapped დეპლოიმენტებისთვის

ელექტრომომარაგება და თერმული

ელექტრომომარაგება

1600 W-ის კვება, თავსებადია სტანდარტულ ოფისის სოკეტთან

გაგრილება

ჩაკეტილი მარყუჟის თხევადი გაგრილება, მუდმივი პროდუქტიულობა მძიმე AI დატვირთვის დროს

მართვა და პროგრამული უზრუნველყოფა

BMC

ASPEED AST2600

დისტანციური მართვა

IPMI 2.0 და Redfish API, მონიტორინგი და კონტროლი დატაცენტრის სტილში

უსაფრთხოება

ნდობის ჰარდვერული საფუძველი, საწარმოს დონის უსაფრთხო ჩართვა

პროგრამული უზრუნველყოფის სტეკი

NVIDIA DGX OS, მზადაა NVIDIA NemoClaw-ის აგენტის დეპლოიმენტისთვის

სასწრაფო AI-შექმნილი შეჯამება გსურთ? გამოტოვეთ კითხვა — შეამოწმეთ ამ პროდუქტის სრული სპეციფიკაციები და მისი შესაბამისობა თქვენს საჭიროებებთან თქვენს მიერ არჩეული AI ასისტენტის მეშვეობით.

NVIDIA-მ DGX Station 2026 წლის 17 მარტს, როგორც საცნობარო სამაგიდო სისტემა NVIDIA GB300 Grace Blackwell Superchip პლატფორმისთვის — შემუშავებული და უშუალოდ NVIDIA-ს მიერ დამოწმებული ადგილობრივად ტრილიონი პარამეტრის მქონე მოდელების გაშვებისთვის და ლიცენზიით წარმოებული NVIDIA-ს აპარატურული პარტნიორების მიერ.

აპარატურის სპეციფიკაციები

DGX Station აგებულია ერთი NVIDIA Grace CPU Superchip — 72 Arm Neoverse V2 ბირთვი და 496 გბ LPDDR5X მეხსიერება — გაერთიანებული NVIDIA Blackwell Ultra GPU-თან, რომელსაც აქვს 252 გბ HBM3e GPU მეხსიერება, უნიფიცირებული NVLink-C2C-ით 748 გბ-იან ტანმიმდევრულ მეხსიერების პულში. 7-მდე იზოლირებული MIG პარტიცია საშუალებას აძლევს ერთ სადგურს ემსახურებოდეს რამდენიმე გუნდს ან დატვირთვას ერთდროულად კონფლიქტის გარეშე. სისტემა უზრუნველყოფს 4× M.2 2280 PCIe 5.0 x4 NVMe შენახვას, ორპორტიან NVIDIA ConnectX-8 400G SuperNIC-ს და PCIe 5.0 გაფართოების სლოტებს ოფციონალური NVIDIA RTX PRO GPU-სთვის, რომელიც გამიზნულია დისპლეისა და ვიზუალიზაციის გამოსავალზე.

ადგილობრივი AI სერვერი ბიზნესისათვის

DGX Station შექმნილია როგორც გაზიარებადი ადგილობრივი AI რესურსი. მრავალმა თანამშრომელმა შეუძლია წარმოადგინოს დოკუმენტების დამუშავების ამოცანები — კონტრაქტის მიმოხილვა, ინვოისის ამოღება, ანგარიშის მომზადება, ელფოსტის ტრიაჟი — მთელი სამუშაო დღის განმავლობაში, ამოცანებით ცენტრალიზებულად ადგილზე განკარგვის ნაცვლად გარე ღრუბლოვანი სერვისების მეშვეობით.

NVIDIA NemoClaw-ის მეშვეობით, ავტონომიური აგენტები შეუძლიათ მუდმივად იმუშაონ სისტემაზე, ასრულებენ განმეორებად ამოცანებს, როგორიცაა შემოსული ფოსტის მონიტორინგი ან დაგეგმილი ანგარიშების გენერირება, ადამიანის მიერ თითოეული მოთხოვნის ინიციირების გარეშე. ეს საშუალებას აძლევს DGX Station-ს იმოქმედოს როგორც ბიზნესისთვის მუდმივი AI ინფრასტრუქტურა, რომელიც უზრუნველყოფს სტაბილურ დოკუმენტურ დატვირთვებს.

სიმძლავრის გაზრდა: ორი სადგურის კლასტერიზაცია

იმ დატვირთვებისთვის, რომლებიც ერთეულის შესაძლებლობებს აღემატება, ორი DGX Station შეიძლება დაკავშირებული იყოს მათი ჩაშენებული 400G ConnectX-8 SuperNIC პორტების მეშვეობით, გაერთიანდნენ ერთ 1,496 გბ-იან ტანმიმდევრულ მეხსიერების პულში, რომელიც მისამართვადია ორივე მანქანაზე. ეს უზრუნველყოფს მარტივ განახლების გზას მზარდი გუნდებისთვის ახალი არქიტექტურის ან სამუშაო ნაკადის ცვლილებების გარეშე, ხელმისაწვდომი როგორც კონფიგურაციის ვარიანტი შეძენისას.

საცნობარო პლატფორმა, აგებული DGX Station-ის ცხრა წლიანი განვითარების საფუძველზე

DGX Station სახელწოდება იწყება 2017 წლიდან, როდესაც NVIDIA-მ წარმოადგინა ორიგინალური DGX Station, როგორც სამაგიდო ალტერნატივა სადენაზე დამაგრებული AI ინფრასტრუქტურისთვის, აგებული ოთხი NVIDIA Tesla V100 GPU-ს გარშემო. 2020 წლის ნოემბერში, მას DGX Station A100 ჩაუდგა სათავეში, რომელიც გადავიდა ოთხ NVIDIA A100 Tensor Core GPU-ზე და გთავაზობდა 320 გბ-მდე GPU მეხსიერებას, გადანაწილებულს ოთხ ცალკეულ კარტაზე, თითოეული მოითხოვდა დატვირთვების მკაფიო განაწილებას და მართვას მრავალ GPU-იან კონფიგურაციაზე.

ახლანდელი DGX Station, წარმოდგენილი 2026 წელს, ცვლის ამ მრავალ GPU-იან მიდგომას ერთი NVIDIA GB300 Grace Blackwell Ultra Superchip-ით: ერთი ტანმიმდევრული, უნიფიცირებული მეხსიერების პული 748 გბ, რომელიც პირდაპირ იზიარება CPU-სა და GPU-ს შორის NVLink-C2C-ით, ნაცვლად ოთხი ცალკეული GPU მეხსიერების პულისა, რომლებიც ერთმანეთთან არის დაკავშირებული პროგრამულად.

ტანმიმდევრული მეხსიერების მოცულობა თაობების მიხედვით

2017 DGX Station 4× Tesla V100, 64 გბ GPU მეხსიერება
2020 DGX Station A100 4× A100, 320 გბ-მდე GPU მეხსიერება
2026 DGX Station (GB300) 1 სუპერჩიპი, 748 გბ უნიფიცირებული ტანმიმდევრული მეხსიერება

ერთი ტანმიმდევრული მეხსიერების პული, პირდაპირ გაზიარებული CPU-სა და GPU-ს შორის — არ არის საჭირო ხელით მრავალ GPU-იანი დანაწილება.

ღირებულების შედარება: On-Premises vs. Cloud AI API-ები

მცირე და საშუალო ბიზნესებისთვის, რომლებიც ყოველდღიურად დიდი მოცულობის დოკუმენტებს ამუშავებენ, სხვაობა ფიქსირებულ on-premises სისტემასა და გამოყენებაზე დაფუძნებულ cloud AI ფასდაკლებას შორის დროთა განმავლობაში მნიშვნელოვნად იზრდება.

Cloud AI API-ები
~800K ₾ – ~2M ₾
3 წლის განმავლობაში, მუდმივი დატვირთვა
გამოყენებაზე დაფუძნებული ფასი მოცულობასთან ერთად იზრდება. ხარჯები იზრდება ხაზობრივად (ან უფრო სწრაფად) დოკუმენტების/აგენტების დატვირთვის ზრდასთან ერთად, ზღვარის გარეშე.
NVIDIA DGX Station AI სამუშაო სადგური
317405 GEL
3 წლის განმავლობაში, ფიქსირებული აპარატურა + ექსპლუატაციის ღირებულება
ერთჯერადი აპარატურული ღირებულება პლუს პროგნოზირებადი ენერგია და მოვლა. ღირებულება უცვლელი რჩება, მიუხედავად იმისა, თუ რამდენად ხშირად გამოიყენება სისტემა.
შეფასებული ხარჯების დაყოფა 3 წლის განმავლობაში: DGX Station vs. Cloud AI API-ები
ხარჯების კატეგორიაCloud AI API-ებიDGX Station (On-Premises)
საწყისი აპარატურული ინვესტიციაარცერთი$105K (ერთჯერადი)
წელი 1 ექსპლუატაციის ღირებულება~250K ₾ – ~650K ₾~13K ₾ (ენერგია & მოვლა)
წელი 2 ექსპლუატაციის ღირებულება~250K ₾ – ~650K ₾~13K ₾ (ენერგია & მოვლა)
წელი 3 ექსპლუატაციის ღირებულება~250K ₾ – ~650K ₾~13K ₾ (ენერგია & მოვლა)
კუმულაციური ხარჯი 3 წლის განმავლობაში~800K ₾ – ~2M ₾317405 GEL

რადგან დამუშავება მთლიანად ადგილზე ხდება, დოკუმენტები და ბიზნეს მონაცემები არ გადაეცემა მესამე მხარის სერვერებს. ეს არის მნიშვნელოვანი მოსაზრება ორგანიზაციებისთვის იურიდიულ, ფინანსურ ან სხვა მონაცემებზე მგრძნობიარე სექტორებში.

შეჯამება

DGX Station უზრუნველყოფს ერთ, ფიქსირებული ღირებულების სისტემას, რომელსაც შეუძლია მხარდაჭერა გაუწიოს უწყვეტ AI დოკუმენტების დამუშავებას, ერთად NVIDIA-ს საცნობარო არქიტექტურასთან დიდი AI მოდელების ადგილობრივად გაშვებისთვის. მცირე და საშუალო ბიზნესებისთვის მუდმივი AI დატვირთვებით, ის გთავაზობთ უფრო დაბალღირებულ ალტერნატივას განმეორებადი cloud AI ხარჯების, დოკუმენტირებული განახლების გზით ორი სადგურის კლასტერამდე.

العربيةარაბულიar🇸🇦বাংলাბენგალურიbd🇧🇩မြန်မာბირმულიmm🇲🇲עבריתებრაულიil🇮🇱Tiếng Việtვიეტნამურიvn🇻🇳Türkçeთურქულიtr🇹🇷日本語იაპონურიjp🇯🇵Bahasaინდონეზიურიid🇮🇩한국어კორეულიkr🇰🇷Melayuმალაიურიmy🇲🇾मराठीმარათჰიmr🇮🇳नेपालीნეპალურიnp🇳🇵ਪੰਜਾਬੀპენჯაბურიpa🇮🇳Русскийრუსულიru🇷🇺සිංහලსინჰალაlk🇱🇰فارسیსპარსულიir🇮🇷Tagalogტაგალურიph🇵🇭ไทยტაილანდურიth🇹🇭தமிழ்ტამილურიta🇱🇰తెలుగుტელუგუte🇮🇳O'zbekუზბეკურიuz🇺🇿اردوურდუpk🇵🇰ქართულიქართულიge🇬🇪Қазақყაზახურიkz🇰🇿简体ჩინურიcn🇨🇳繁體ტრად. ჩინურიhk🇭🇰हिंदीჰინდიhi🇮🇳Беларускаяბელარუსულიby🇧🇾Ελληνικάბერძნულიgr🇬🇷bosanskiბოსნიურიba🇧🇦българскиბულგარულიbg🇧🇬Deutschგერმანულიde🇩🇪danskდანიურიdk🇩🇰Españolესპანურიes🇪🇸Eestiესტონურიee🇪🇪Englishინგლისურიen🇪🇺Italianoიტალიურიit🇮🇹latviešuლატვიურიlv🇱🇻Lietuviųლიტვურიlt🇱🇹Nederlandsნიდერლანდურიnl🇳🇱Bokmålნორვეგიულიno🇳🇴Polerowaćპოლონურიpl🇵🇱Portuguêsპორტუგალიურიpt🇵🇹românăრუმინულიro🇷🇴Српскиსერბულიrs🇷🇸slovenčinaსლოვაკურიsk🇸🇰Slovenecსლოვენურიsi🇸🇮українськаუკრაინულიua🇺🇦magyarუნგრულიhu🇭🇺suomiფინურიfi🇫🇮Françaisფრანგულიfr🇫🇷svenskaშვედურიse🇸🇪češtinaჩეხურიcz🇨🇿hrvatskiხორვატულიhr🇭🇷