NVIDIA DGX Station AI radna stanica
Koristite ovo da razlikujete različite konfiguracije u korpi — korisno ako naručujete isti proizvod sa različitim opcijama.
Kompletne specifikacije
Procesiranje & Memorija
Superčip
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
Procesor
1× NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2 jezgra
GPU
1× NVIDIA Blackwell Ultra GPU
Koherentna memorija
748 GB unifikovano: 496 GB LPDDR5X + 252 GB HBM3e
Memorijska interkonekcija
NVLink-C2C, propusnost od 900 GB/s između CPU i GPU
AI performanse
20 PetaFLOPS (FP4)
Multi-Instance GPU
Do 7 izolovanih GPU particija (MIG)
Prostor za pohranu & Fizički
Prostor za pohranu (Slotovi)
4× M.2 2280 PCIe 5.0 x4 NVMe
GPU proširenje
PCIe 5.0, 1× slot duple širine + 2× slota jednostruke širine x16 za opcionu NVIDIA RTX PRO grafičku karticu za prikaz/vizualizaciju
Format
Kula za radni sto, NVIDIA referentni dizajn kućišta
Dimenzije
24,5 x 52,8 x 59,5 cm
Mreža i klasterovanje
Mreža velike brzine
2× 400G QSFP112 portova preko NVIDIA ConnectX-8 SuperNIC
Klasterovanje sa više stanica
Direktno povezivanje preko 400GbE do 2 DGX stanice u kombinovani koherentni memorijski bazen od 1.496 GB
Bežično (opciono)
PCIe M.2 2230 slot za Wi-Fi/Bluetooth modul; može ostati nepopunjen za implementacije bez mrežne veze (air-gapped)
Napajanje & Hlađenje
Napajanje
Napajanje od 1600 W, kompatibilno sa standardnim kancelarijskim utičnicama
Hlađenje
Tečno hlađenje zatvorenog kruga, kontinuirane performanse pod teškim AI opterećenjima
Upravljanje i softver
BMC
ASPEED AST2600
Upravljanje na daljinu
IPMI 2.0 i Redfish API, nadzor i kontrola u stilu datacentra
Bezbednost
Hardverski koren poverenja, enterprise secure boot
Softverski stek
NVIDIA DGX OS, spreman za implementaciju agenta NVIDIA NemoClaw
NVIDIA je predstavila DGX Station 17. marta 2026. kao referentni sistem za radnu površinu za platformu NVIDIA GB300 Grace Blackwell Superčip — dizajniran i direktno odobren od strane NVIDIA-e za lokalno pokretanje modela sa bilionom parametara, a proizvode ga pod licencom NVIDIA-ini hardverski partneri.
Hardverske specifikacije
DGX Station je izgrađen oko jednog NVIDIA Grace CPU Superčipa — 72 Arm Neoverse V2 jezgra i 496 GB LPDDR5X memorije — uparenog sa NVIDIA Blackwell Ultra GPU sa 252 GB HBM3e GPU memorije, objedinjenih preko NVLink-C2C u koherentni memorijski skup od 748 GB. Do 7 izolovanih MIG particija omogućava da jedna stanica opslužuje više timova ili radnih opterećenja istovremeno bez sukoba. Sistem nudi 4× M.2 2280 PCIe 5.0 x4 NVMe skladišta, dvoportni NVIDIA ConnectX-8 400G SuperNIC i PCIe 5.0 proširne slotove za opcioni NVIDIA RTX PRO GPU namenjen prikazu i vizuelizaciji.
Lokalni AI server za poslovnu upotrebu
DGX Station je dizajniran da funkcioniše kao deljeni lokalni AI resurs. Više zaposlenih može tokom radnog dana slati zadatke obrade dokumenata — pregled ugovora, izvlačenje faktura, izrada izveštaja, razvrstavanje imejlova — pri čemu se poslovi obrađuju centralno na licu mesta umesto da se rutiraju preko eksternih cloud usluga.
Putem NVIDIA NemoClaw, autonomni agenti mogu neprekidno da rade na sistemu, obrađujući ponavljajuće zadatke kao što su nadzor pristigle pošte ili zakazano generisanje izveštaja bez potrebe da osoba pokreće svaki zahtev. Ovo omogućava DGX Station da radi kao stalna AI infrastruktura za poslovanje, podržavajući stabilna radna opterećenja dokumenata.
Proširenje kapaciteta: klasterovanje sa dve stanice
Za radna opterećenja koja prerastaju jednu jedinicu, dve DGX Station mogu se povezati preko ugrađenih 400G ConnectX-8 SuperNIC portova, spajajući se u jedan koherentni memorijski skup od 1.496 GB adresabilan na obe mašine. Ovo pruža jednostavan put nadogradnje za rastuće timove bez potrebe za novom arhitekturom ili promenama radnog toka, dostupno kao opcija konfiguracije pri kupovini.
Referentna platforma zasnovana na devet godina razvoja DGX Station
Naziv DGX Station potiče iz 2017. godine, kada je NVIDIA predstavila originalni DGX Station kao alternativu za radnu površinu u odnosu na AI infrastrukturu u ormaru, izgrađenu oko četiri NVIDIA Tesla V100 GPU-a. U novembru 2020. nasledio ga je DGX Station A100, prelazeći na četiri NVIDIA A100 Tensor Core GPU-a i nudeći do 320 GB GPU memorije raspoređene na četiri odvojene kartice, pri čemu je radno opterećenje moralo eksplicitno da se distribuira i upravlja u više-GPU konfiguraciji.
Trenutni DGX Station, predstavljen 2026. godine, zamenjuje taj više-GPU pristup jednim NVIDIA GB300 Grace Blackwell Ultra Superčipom: jednim koherentnim, ujedinjenim memorijskim skupom od 748 GB koji se direktno deli između CPU-a i GPU-a preko NVLink-C2C, umesto četiri odvojena GPU memorijska skupa spojena softverski.
Koherentna memorijska kapacitet, po generacijama
Jedan koherentni memorijski skup, deljen direktno između CPU-a i GPU-a — bez potrebe za ručnim particionisanjem za više GPU-a.
Poređenje troškova: lokalno rešenje naspram Cloud AI API-ja
Za SMB preduzeća koja dnevno obrađuju velike količine dokumenata, razlika između fiksnog lokalnog sistema i naplaćivanja cloud AI zasnovanog na upotrebi značajno se povećava tokom vremena.
| Kategorija troškova | Cloud AI API-ji | DGX Station (Lokalno rešenje) |
|---|---|---|
| Početna hardverska investicija | Nema | 12 mil. RSD (jednokratno) |
| Operativni troškovi 1. godine | ~10,3 mil. RSD - ~25,7 mil. RSD | ~513 hilj. RSD (struja & održavanje) |
| Operativni troškovi 2. godine | ~10,3 mil. RSD - ~25,7 mil. RSD | ~513 hilj. RSD (struja & održavanje) |
| Operativni troškovi 3. godine | ~10,3 mil. RSD - ~25,7 mil. RSD | ~513 hilj. RSD (struja & održavanje) |
| Ukupni troškovi za 3 godine | ~31 mil. RSD - ~77 mil. RSD | ~14 mil. RSD |
Budući da se obrada u potpunosti odvija na licu mesta, dokumenti i poslovni podaci se ne prenose na servere trećih strana. Ovo je relevantno razmatranje za organizacije u pravnim, finansijskim ili drugim sektorima osetljivim na podatke.
Sažetak
DGX Station pruža jedan sistem sa fiksnim troškovima sposoban da podrži kontinuiranu obradu AI dokumenata, u kombinaciji sa referentnom NVIDIA arhitekturom za lokalno pokretanje velikih AI modela. Za SMB preduzeća sa kontinuiranim AI radnim opterećenjima, nudi jeftiniju alternativu ponavljajućim troškovima cloud AI-a, sa dokumentovanim putem nadogradnje na klaster od dve stanice.
