🛒 0

Exxact Valence DGX Station

Chip NVIDIA GB300 Grace Blackwell Ultra Superchip
Memoria Coerente 748 GB unificata: 496 GB LPDDR5X + 252 GB HBM3e
Prestazioni AI 20 PetaFLOPS (FP4)
Rete 2× ConnectX-8 SuperNIC da 400G
94.000 €

Il nostro team ti invierà un preventivo personalizzato.

Usalo per distinguere le diverse configurazioni nel carrello — utile se ordini lo stesso prodotto con opzioni diverse.

Prezzo totale 94.000 €

Specifiche complete

Calcolo & Memoria

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 core Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Memoria Coerente

748 GB unificata: 496 GB LPDDR5X + 252 GB HBM3e

Prestazioni AI

20 PetaFLOPS (FP4) / 10 PetaFLOPS (FP8)

Archiviazione & Fisico

Archiviazione (Slot)

2× M.2 2280 PCIe 5.0 x4 NVMe (sistema) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s, percorso dati di addestramento)

Fattore di forma

Tower completo desktop, architettura NVIDIA DGX Station

Dimensioni

24,4 x 59,4 x 29,5 cm

Rete ed Espansione

Rete ad Alta Velocità

2× porte QSFP112 da 400G tramite NVIDIA ConnectX-8 SuperNIC, più 1× porta di gestione RJ45 10GbE

Espansione PCIe

PCIe 5.0, 1× slot a doppia larghezza x16; supporta una GPU discreta opzionale RTX PRO 6000 Blackwell (96 GB GDDR7)

Alimentazione & Termico

Alimentazione

Alimentatore ATX da 1600 W, efficienza Titanium, presa da ufficio standard

Raffreddamento

Raffreddamento a liquido a circuito chiuso, ottimizzato per un'acustica adatta all'ufficio sotto carichi di lavoro AI sostenuti

Gestione e Software

BMC

ASPEED AST2600

Gestione remota

IPMI 2.0 e API Redfish, monitoraggio e controllo in stile data center

Partizionamento GPU

Multi-Instance GPU (MIG), fino a 7 istanze isolate con qualità del servizio garantita

Stack software

Ambiente Linux preinstallato con strumenti NVIDIA AI Enterprise, pronto per la distribuzione dell'agente NVIDIA NemoClaw

Preferisci un riepilogo rapido basato sull'AI? Salta la lettura — esamina le specifiche complete di questo prodotto e la sua idoneità per il tuo caso d'uso con un assistente AI a tua scelta.

Exxact ha presentato la Valence DGX Station il 20 gennaio 2026, un sistema da scrivania basato sulla piattaforma NVIDIA GB300 Grace Blackwell Superchip secondo le specifiche NVIDIA DGX Station, progettato per eseguire localmente modelli con trilioni di parametri da un'unica torre adatta agli uffici.

Specifiche Hardware

La Valence è costruita attorno a un singolo NVIDIA Grace CPU Superchip — 72 core Arm Neoverse V2 e 496 GB di memoria LPDDR5X — abbinato a una NVIDIA Blackwell Ultra GPU con 252 GB di memoria GPU HBM3e, unificati tramite NVLink-C2C in un pool di memoria coerente da 748 GB. L'archiviazione è suddivisa in due livelli: 2× M.2 2280 PCIe 5.0 x4 NVMe per il sistema operativo e 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s) riservati come percorso dedicato per i dati di addestramento e i checkpoint dei modelli, mantenendo separati gli I/O di sistema quotidiani dai carichi di lavoro AI intensivi. Il networking è gestito da una ConnectX-8 SuperNIC dual-port 400G, integrata da una porta 10GbE per la gestione out-of-band.

Uno slot PCIe 5.0 x16 a doppia larghezza consente di aggiungere al sistema una GPU discreta RTX PRO 6000 Blackwell con 96 GB di GDDR7.

Server AI Locale per Uso Aziendale

La Valence è progettata per funzionare come risorsa AI locale condivisa. Più dipendenti possono inviare attività di elaborazione documenti — revisione contratti, estrazione fatture, stesura report, triage email — durante la giornata lavorativa, con i processi gestiti centralmente in loco anziché instradati tramite servizi cloud esterni.

Tramite NVIDIA NemoClaw, agenti autonomi possono funzionare continuamente sul sistema, gestendo compiti ricorrenti come il monitoraggio della posta in arrivo o la generazione pianificata di report senza richiedere a una persona di avviare ogni richiesta. Ciò consente alla Valence di operare come infrastruttura AI continua per l'azienda, supportando carichi di lavoro documentali costanti.

Confronto Costi: On-Premises vs. API AI Cloud

Per le PMI che elaborano quotidianamente grandi volumi di documenti, la differenza tra un sistema on-premises e la fatturazione AI cloud aumenta significativamente nel tempo.

API AI Cloud
~250K € – ~650K €
in 3 anni, carico di lavoro sostenuto
La fatturazione basata sull'utilizzo scala con il volume. I costi aumentano linearmente (o più velocemente) con la crescita del carico di lavoro documenti/agenti, senza tetto massimo.
Exxact Valence DGX Station
~€110K
in 3 anni, costi hardware fissi + operativi
Costo hardware una tantum più energia e manutenzione prevedibili. Il costo rimane stabile indipendentemente dall'intensità d'uso del sistema.
Dettaglio Costi Stimati in 3 Anni: Valence vs. API AI Cloud
Categoria CostiAPI AI CloudValence (On-Premises)
Investimento hardware inizialeNessuno€94K (una tantum)
Costi operativi anno 1~90K € – ~220K €~4K € (energia & manutenzione)
Costi operativi anno 2~90K € – ~220K €~4K € (energia & manutenzione)
Costi operativi anno 3~90K € – ~220K €~4K € (energia & manutenzione)
Costo cumulativo 3 anni~250K € – ~650K €~€110K

Poiché l'elaborazione avviene interamente in loco, documenti e dati aziendali non vengono trasmessi a server di terze parti. Questa è una considerazione rilevante per organizzazioni nei settori legali, finanziari o altri settori sensibili ai dati.

Riepilogo

La Valence DGX Station combina un sistema a costo fisso e adatto alla scrivania con l'architettura per eseguire localmente grandi modelli AI, più la flessibilità di aggiungere capacità di rendering tramite una GPU opzionale RTX PRO Blackwell. Per le PMI con carichi di lavoro AI sostenuti, offre un'alternativa a minor costo rispetto alle spese ricorrenti per l'AI cloud.

ItalianoItalianoit🇮🇹EnglishIngleseen🇪🇺БеларускаяBielorussoby🇧🇾bosanskiBosniacoba🇧🇦българскиBulgarobg🇧🇬češtinaCecocz🇨🇿hrvatskiCroatohr🇭🇷danskDanesedk🇩🇰EestiEstoneee🇪🇪suomiFinlandesefi🇫🇮FrançaisFrancesefr🇫🇷ΕλληνικάGrecogr🇬🇷latviešuLettonelv🇱🇻LietuviųLituanolt🇱🇹BokmålNorvegeseno🇳🇴NederlandsOlandesenl🇳🇱PolerowaćPolaccopl🇵🇱PortuguêsPortoghesept🇵🇹românăRumenoro🇷🇴СрпскиSerbors🇷🇸slovenčinaSlovaccosk🇸🇰SlovenecSlovenosi🇸🇮EspañolSpagnoloes🇪🇸svenskaSvedesese🇸🇪DeutschTedescode🇩🇪українськаUcrainoua🇺🇦magyarUngheresehu🇭🇺العربيةAraboar🇸🇦বাংলাBengalesebd🇧🇩မြန်မာBirmanomm🇲🇲简体Cinesecn🇨🇳繁體Cinese trad.hk🇭🇰한국어Coreanokr🇰🇷עבריתEbraicoil🇮🇱ქართულიGeorgianoge🇬🇪日本語Giapponesejp🇯🇵हिंदीHindihi🇮🇳BahasaIndonesianoid🇮🇩ҚазақKazakokz🇰🇿MelayuMalesemy🇲🇾मराठीMarathimr🇮🇳नेपालीNepalesenp🇳🇵فارسیPersianoir🇮🇷ਪੰਜਾਬੀPunjabipa🇮🇳РусскийRussoru🇷🇺සිංහලSingaleselk🇱🇰TagalogTagalogph🇵🇭ไทยThailandeseth🇹🇭தமிழ்Tamilta🇱🇰తెలుగుTelugute🇮🇳TürkçeTurcotr🇹🇷اردوUrdupk🇵🇰O'zbekUzbekouz🇺🇿Tiếng ViệtVietnamitavn🇻🇳