🛒 0

NVIDIA DGX Station AI-рабочая станция

Чип NVIDIA GB300 Grace Blackwell Ultra Superchip
Единая память 748 ГБ единой памяти: 496 ГБ LPDDR5X + 252 ГБ HBM3e
Производительность ИИ 20 Петафлопс (FP4)
Масштабируется до Кластер из 2 станций
8 087 605 ₽
Конфигурация кластера

Наша команда свяжется с вами с индивидуальным ценовым предложением.

Используйте это, чтобы различать конфигурации в корзине — удобно при заказе одного товара с разными опциями.

Итоговая цена 8 087 605 ₽

Полные характеристики

Вычисления и память

Суперчип

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

Процессор

NVIDIA Grace CPU Superchip, 72 ядра Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Единая память

748 ГБ единой памяти: 496 ГБ LPDDR5X + 252 ГБ HBM3e

Интерконнект памяти

NVLink-C2C, пропускная способность CPU–GPU 900 ГБ/с

Производительность ИИ

20 Петафлопс (FP4)

Multi-Instance GPU (MIG)

До 7 изолированных разделов GPU (MIG)

Хранилище и физические параметры

Накопители (слоты)

4× M.2 2280 PCIe 5.0 x4 NVMe

Расширение GPU

PCIe 5.0, 1× слот x16 двойной ширины + 2× слота x16 одинарной ширины для опциональной GPU NVIDIA RTX PRO для отображения/визуализации

Форм-фактор

Настольная башня, эталонный дизайн шасси NVIDIA

Габариты

24,5 x 52,8 x 59,5 см

Сеть и кластеризация

Высокоскоростные сети

2× порта 400G QSFP112 через NVIDIA ConnectX-8 SuperNIC

Кластеризация нескольких станций

Прямое соединение до 2 станций DGX через 400GbE в объединенный пул когерентной памяти объемом 1.496 ГБ

Беспроводная связь (опционально)

Слот PCIe M.2 2230 для модуля Wi-Fi/Bluetooth; может оставаться незаполненным для развертываний с воздушным зазором (air-gapped)

Питание и охлаждение

Блок питания

Блок питания 1600 Вт, совместим со стандартными офисными розетками

Охлаждение

Жидкостное охлаждение с замкнутым контуром, стабильная производительность при высоких нагрузках ИИ

Управление и ПО

BMC

ASPEED AST2600

Удалённое управление

IPMI 2.0 и Redfish API, мониторинг и управление в стиле дата-центра

Безопасность

Аппаратный корень доверия (Hardware Root of Trust), корпоративная безопасная загрузка (Secure Boot)

Программный стек

NVIDIA DGX OS, готов к развертыванию агента NVIDIA NemoClaw

Предпочитаете краткий ИИ-обзор? Пропустите чтение — исследуйте полные характеристики товара и его применимость под ваши задачи с ИИ-ассистентом на выбор.

NVIDIA представила DGX Station 17 марта 2026 года в качестве эталонной рабочей станции для платформы NVIDIA GB300 Grace Blackwell Superchip — спроектированной и валидированной непосредственно NVIDIA для локального запуска моделей с триллионом параметров, а также производимой по лицензии партнерами NVIDIA по аппаратному обеспечению.

Характеристики оборудования

DGX Station построена на базе одного суперчипа NVIDIA Grace CPU — 72 ядра Arm Neoverse V2 и 496 ГБ памяти LPDDR5X — в паре с GPU NVIDIA Blackwell Ultra с 252 ГБ памяти HBM3e, объединенных через NVLink-C2C в когерентный пул памяти объемом 748 ГБ. До 7 изолированных MIG-партиций позволяют одной станции обслуживать несколько команд или рабочих нагрузок одновременно без конфликтов. Система оснащена 4× накопителями M.2 2280 PCIe 5.0 x4 NVMe, двухпортовым SuperNIC NVIDIA ConnectX-8 400G и слотами расширения PCIe 5.0 для опционального GPU NVIDIA RTX PRO, предназначенного для вывода изображения и визуализации.

Локальный ИИ-сервер для бизнеса

DGX Station предназначена для работы в качестве общего локального ИИ-ресурса. Несколько сотрудников могут отправлять задачи обработки документов — проверку контрактов, извлечение данных из счетов, составление отчетов, сортировку электронной почты — в течение рабочего дня, при этом задачи обрабатываются централизованно на месте, а не через внешние облачные сервисы.

С помощью NVIDIA NemoClaw автономные агенты могут непрерывно работать в системе, выполняя повторяющиеся задачи, такие как мониторинг входящих писем или генерация отчетов по расписанию, без необходимости участия человека для инициации каждого запроса. Это позволяет DGX Station функционировать как постоянная ИИ-инфраструктура для бизнеса, поддерживая стабильные рабочие нагрузки по обработке документов.

Расширение емкости: кластеризация двух станций

Для рабочих нагрузок, превышающих возможности одной станции, две DGX Station могут быть соединены через встроенные 400G порты ConnectX-8 SuperNIC, объединяясь в единый когерентный пул памяти объемом 1496 ГБ, доступный на обеих машинах. Это обеспечивает простой путь масштабирования для растущих команд без необходимости изменения архитектуры или рабочих процессов и доступно как опция конфигурации при оформлении заказа.

Эталонная платформа, основанная на девяти годах разработки DGX Station

Название DGX Station восходит к 2017 году, когда NVIDIA представила оригинальную DGX Station как альтернативу стойкам для ИИ-инфраструктуры, построенную на четырех GPU NVIDIA Tesla V100. В ноябре 2020 года ее сменила DGX Station A100, перешедшая на четыре тензорных GPU NVIDIA A100 и предлагавшая до 320 ГБ памяти GPU, распределенной по четырем отдельным картам, что требовало явного распределения и управления рабочими нагрузками в конфигурации с несколькими GPU.

Текущая DGX Station, представленная в 2026 году, заменяет этот мульти-GPU подход одним суперчипом NVIDIA GB300 Grace Blackwell Ultra: единым когерентным унифицированным пулом памяти объемом 748 ГБ, напрямую разделяемым между CPU и GPU через NVLink-C2C, вместо четырех отдельных пулов памяти GPU, соединенных программно.

Когерентная емкость памяти по поколениям

2017 DGX Station 4× Tesla V100, 64 ГБ памяти GPU
2020 DGX Station A100 4× A100, до 320 ГБ памяти GPU
2026 DGX Station (GB300) 1 суперчип, 748 ГБ унифицированной когерентной памяти

Единый когерентный пул памяти, напрямую разделяемый между CPU и GPU — не требуется ручное разделение на несколько GPU.

Сравнение затрат: On-Premises vs. Облачные ИИ-API

Для малого и среднего бизнеса (МСБ), ежедневно обрабатывающего большие объемы документов, разница между фиксированной on-premises системой и облачным ИИ-биллингом на основе потребления со временем становится существенной.

Облачные ИИ-API
~23 млн ₽ – ~58 млн ₽
за 3 года, постоянная нагрузка
Биллинг на основе потребления масштабируется с объемом. Затраты растут линейно (или быстрее) по мере увеличения нагрузки документов/агентов, без ограничений.
NVIDIA DGX Station AI-рабочая станция
~9 245 тыс. руб.
за 3 года, фиксированные затраты на оборудование + эксплуатация
Единовременные затраты на оборудование плюс предсказуемые расходы на электропитание и обслуживание. Стоимость остается неизменной независимо от интенсивности использования системы.
Оценка затрат за 3 года: DGX Station vs. Облачные ИИ-API
Категория затратОблачные ИИ-APIDGX Station (On-Premises)
Первоначальные инвестиции в оборудованиеНет8 090 тыс. руб. (единовременно)
Эксплуатационные затраты, год 1~7.5 млн ₽ – ~19.5 млн ₽~400 тыс. ₽ (электропитание & обслуживание)
Эксплуатационные затраты, год 2~7.5 млн ₽ – ~19.5 млн ₽~400 тыс. ₽ (электропитание & обслуживание)
Эксплуатационные затраты, год 3~7.5 млн ₽ – ~19.5 млн ₽~400 тыс. ₽ (электропитание & обслуживание)
Совокупные затраты за 3 года~23 млн ₽ – ~58 млн ₽~9 245 тыс. руб.

Поскольку обработка происходит полностью на месте, документы и бизнес-данные не передаются на сторонние серверы. Это важный фактор для организаций в юридической, финансовой или других отраслях, чувствительных к данным.

Итог

DGX Station предоставляет единую систему с фиксированной стоимостью, способную поддерживать непрерывную обработку документов ИИ, в сочетании с эталонной архитектурой NVIDIA для локального запуска больших ИИ-моделей. Для МСБ с постоянными ИИ-нагрузками она предлагает более экономичную альтернативу регулярным расходам на облачный ИИ, с документированным путем масштабирования до кластера из двух станций.

العربيةАрабскийar🇸🇦বাংলাБенгальскийbd🇧🇩မြန်မာБирманскийmm🇲🇲Tiếng ViệtВьетнамскийvn🇻🇳ქართულიГрузинскийge🇬🇪עבריתИвритil🇮🇱BahasaИндонезийскийid🇮🇩ҚазақКазахскийkz🇰🇿简体Китайскийcn🇨🇳繁體Трад. китайскийhk🇭🇰한국어Корейскийkr🇰🇷MelayuМалайскийmy🇲🇾मराठीМаратхиmr🇮🇳नेपालीНепальскийnp🇳🇵ਪੰਜਾਬੀПанджабиpa🇮🇳فارسیПерсидскийir🇮🇷РусскийРусскийru🇷🇺සිංහලСингальскийlk🇱🇰TagalogТагальскийph🇵🇭ไทยТайскийth🇹🇭தமிழ்Тамильскийta🇱🇰తెలుగుТелугуte🇮🇳TürkçeТурецкийtr🇹🇷O'zbekУзбекскийuz🇺🇿اردوУрдуpk🇵🇰हिंदीХиндиhi🇮🇳日本語Японскийjp🇯🇵EnglishАнглийскийen🇪🇺БеларускаяБелорусскийby🇧🇾българскиБолгарскийbg🇧🇬bosanskiБоснийскийba🇧🇦magyarВенгерскийhu🇭🇺ΕλληνικάГреческийgr🇬🇷danskДатскийdk🇩🇰EspañolИспанскийes🇪🇸ItalianoИтальянскийit🇮🇹latviešuЛатышскийlv🇱🇻LietuviųЛитовскийlt🇱🇹DeutschНемецкийde🇩🇪NederlandsНидерландскийnl🇳🇱BokmålНорвежскийno🇳🇴PolerowaćПольскийpl🇵🇱PortuguêsПортугальскийpt🇵🇹românăРумынскийro🇷🇴СрпскиСербскийrs🇷🇸slovenčinaСловацкийsk🇸🇰SlovenecСловенскийsi🇸🇮українськаУкраинскийua🇺🇦suomiФинскийfi🇫🇮FrançaisФранцузскийfr🇫🇷hrvatskiХорватскийhr🇭🇷češtinaЧешскийcz🇨🇿svenskaШведскийse🇸🇪EestiЭстонскийee🇪🇪