NVIDIA DGX Station Workstation AI
Usalo per distinguere le diverse configurazioni nel carrello — utile se ordini lo stesso prodotto con opzioni diverse.
Specifiche complete
Calcolo & Memoria
Superchip
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
CPU
1× 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
Interconnessione memoria
NVLink-C2C, larghezza di banda CPU-GPU 900 GB/s
Prestazioni AI
20 PetaFLOPS (FP4)
GPU multi-istanza
Fino a 7 partizioni GPU isolate (MIG)
Archiviazione & Fisico
Archiviazione (Slot)
4× M.2 2280 PCIe 5.0 x4 NVMe
Espansione GPU
PCIe 5.0, 1 sloto x16 a doppia larghezza + 2 sloti x16 a singola larghezza per GPU opzionale NVIDIA RTX PRO per visualizzazione
Fattore di forma
Tower da scrivania, design del chassis di riferimento NVIDIA
Dimensioni
24,5 x 52,8 x 59,5 cm
Rete e clustering
Rete ad Alta Velocità
2× porte QSFP112 da 400G tramite NVIDIA ConnectX-8 SuperNIC
Clustering multi-stazione
Collegamento diretto 400GbE di fino a 2 stazioni DGX in un pool di memoria coerente combinato da 1.496 GB
Wireless (opzionale)
Slot PCIe M.2 2230 per modulo Wi-Fi/Bluetooth; può essere lasciato vuoto per implementazioni air-gapped
Alimentazione & Termico
Alimentazione
Alimentatore da 1600 W, compatibile con prese standard da ufficio
Raffreddamento
Raffreddamento a liquido a circuito chiuso, prestazioni sostenute sotto carichi di lavoro AI pesanti
Gestione e Software
BMC
ASPEED AST2600
Gestione remota
IPMI 2.0 e API Redfish, monitoraggio e controllo in stile data center
Sicurezza
Radice di fiducia hardware, secure boot aziendale
Stack software
NVIDIA DGX OS, pronto per la distribuzione dell'agente NVIDIA NemoClaw
NVIDIA ha introdotto la DGX Station il 17 marzo 2026 come sistema di riferimento da scrivania per la piattaforma NVIDIA GB300 Grace Blackwell Superchip — progettata e validata direttamente da NVIDIA per eseguire localmente modelli con un trilione di parametri, e prodotta su licenza dai partner hardware di NVIDIA.
Specifiche hardware
La DGX Station 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. Fino a 7 partizioni MIG isolate consentono a una singola stazione di servire più team o carichi di lavoro contemporaneamente senza conflitti. Il sistema offre 4× unità di archiviazione M.2 2280 PCIe 5.0 x4 NVMe, una NVIDIA ConnectX-8 400G SuperNIC dual-port e slot di espansione PCIe 5.0 per una GPU NVIDIA RTX PRO opzionale dedicata all'output di visualizzazione.
Server AI locale per uso aziendale
La DGX Station 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 attività ricorrenti come il monitoraggio della posta in arrivo o la generazione programmata di report senza richiedere a una persona di avviare ogni richiesta. Ciò consente alla DGX Station di operare come infrastruttura AI continua per l'azienda, supportando carichi di lavoro documentali costanti.
Espansione capacità: clustering a due stazioni
Per carichi di lavoro che superano una singola unità, due DGX Station possono essere collegate tramite le porte 400G ConnectX-8 SuperNIC integrate, combinando un singolo pool di memoria coerente da 1.496 GB indirizzabile su entrambe le macchine. Questo offre un percorso di aggiornamento diretto per team in crescita senza richiedere nuove architetture o modifiche al flusso di lavoro, disponibile come opzione di configurazione al checkout.
Una piattaforma di riferimento basata su nove anni di sviluppo DGX Station
Il nome DGX Station risale al 2017, quando NVIDIA introdusse la DGX Station originale come alternativa da scrivania all'infrastruttura AI rack-mount, costruita attorno a quattro GPU NVIDIA Tesla V100. Nel novembre 2020, la DGX Station A100 la sostituì, passando a quattro GPU NVIDIA A100 Tensor Core e offrendo fino a 320 GB di memoria GPU distribuiti su quattro schede separate, ciascuna delle quali richiedeva una distribuzione e gestione esplicita dei carichi di lavoro nella configurazione multi-GPU.
L'attuale DGX Station, introdotta nel 2026, sostituisce quell'approccio multi-GPU con un singolo NVIDIA GB300 Grace Blackwell Ultra Superchip: un unico pool di memoria unificato coerente da 748 GB condiviso direttamente tra CPU e GPU tramite NVLink-C2C, anziché quattro pool di memoria GPU separati uniti via software.
Capacità di memoria coerente, per generazione
Un unico pool di memoria coerente, condiviso direttamente tra CPU e GPU — nessuna partizione multi-GPU manuale richiesta.
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 a costo fisso e la fatturazione cloud AI basata sull'utilizzo aumenta significativamente nel tempo.
| Categoria costo | API AI cloud | DGX Station (On-Premises) |
|---|---|---|
| Investimento hardware iniziale | Nessuno | 105k € (una tantum) |
| Costi operativi anno 1 | ~90K € – ~220K € | ~4K € (alimentazione & manutenzione) |
| Costi operativi anno 2 | ~90K € – ~220K € | ~4K € (alimentazione & manutenzione) |
| Costi operativi anno 3 | ~90K € – ~220K € | ~4K € (alimentazione & manutenzione) |
| Costo cumulativo 3 anni | ~250K € – ~650K € | ~120k € |
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 legale, finanziario o altri settori sensibili ai dati.
Riepilogo
La DGX Station fornisce un unico sistema a costo fisso in grado di supportare l'elaborazione continua di documenti AI, combinato con l'architettura di riferimento NVIDIA per eseguire localmente grandi modelli AI. Per le PMI con carichi di lavoro AI sostenuti, offre un'alternativa a costo inferiore rispetto alla spesa ricorrente per il cloud AI, con un percorso di aggiornamento documentato verso un cluster a due stazioni.
