Supermicro почала продавати робочу станцію на базі суперчіпа Nvidia Grace Blackwell Ultra за $92 887 без податків і доставки. Це не просто дорогий комп’ютер — це індикатор того, скільки насправді коштує можливість тримати трильйонні AI-моделі повністю локально, без звернення до хмарних API. Артикул ARS-511GD-NB-LCC-01-G2 у лінійці Gold Series націлений на дослідницькі лабораторії та університетські AI-центри, а не на приватних розробників.
Чому пам’ять тут організована інакше
Головна відмінність Nvidia GB300 DGX Station від звичних робочих станцій — архітектура пам’яті. Тут немає єдиного типу оперативної пам’яті, розкиданого по слотах. Натомість 496 ГБ системної DDR5 прив’язані до 72-ядерного процесора Grace, а ще 252 ГБ HBM3e-стек стоїть безпосередньо на GPU Blackwell Ultra. Ці два масиви утворюють єдиний когерентний пул на 748 ГБ.
Різниця з попереднім анонсом чипа GB300 показова: тоді Nvidia заявляла про 288 ГБ HBM3e на рівні GPU, фінальна комплектація виявилася скромнішою саме в цій частині. Це нормальна практика для інженерних продуктів такого рівня — специфікації на етапі анонсу і на етапі серійного постачання рідко збігаються ідеально.
Практичний сенс когерентного пулу в тому, що велика модель може повністю жити в пам’яті GPU без свопування на системну пам’ять. Для інференсу великих мовних моделей це критично: кожне переміщення ваг між рівнями пам’яті додає затримку, а трильйонопараметрові моделі не залишають простору для компромісів.
Продуктивність і на що вона реально впливає
Заявлена продуктивність станції — 20 PFLOPS у форматі FP4, це втричі більше за показники попередньої флагманської карти H200. FP4 — низькоточний формат обчислень, який Nvidia активно просуває саме для інференсу великих мовних моделей: менша точність обчислень дозволяє обробляти більше токенів за одиницю часу без критичної втрати якості відповідей.
Заявлена швидкість безперервного виконання агентних завдань — до 1200 токенів за секунду, і без додаткової тарифікації. Останнє формулювання варте уваги: на відміну від хмарних API, де кожен токен має ціну, локальна станція перетворює вартість інференсу в одноразову капітальну витрату. Це змінює економіку для тих, хто ганяє моделі постійно і у великих обсягах.
Порівняння з Mac Studio показує різні філософії
Mac Studio з чипом M5 Ultra пропонує 256 ГБ уніфікованої пам’яті за $12 299. Nvidia GB300 DGX Station дає майже втричі більше адресованої пам’яті — за ціною, яка в сім разів вища. Пряме порівняння цифр тут оманливе: це продукти для різних завдань.
Читайте нас у Telegram
Підписатися
Уніфікована пам’ять Apple розрахована на широкий спектр робочих навантажень, від відео до інференсу помірних моделей. Архітектура Grace Blackwell побудована вузько під один сценарій — тримати найбільші можливі моделі повністю в пам’яті GPU. Це пояснює, чому Supermicro не конкурує з Mac Studio за клієнта, а обслуговує зовсім іншу нішу.
Інфраструктура під навантаження такого рівня
Сховище складається з двох SSD на 1,92 ТБ і двох на 960 ГБ у форматі M.2 NVMe, з додатковими слотами PCIe 5.0 і PCIe 6.0 для розширення під великі дослідницькі датасети. Мережева частина побудована на двох портах 400GbE з контролером ConnectX-8 SuperNIC — такий канал потрібен, коли станція працює не окремо, а як вузол у кластері з подібними машинами.
Тепловий пакет системи вимагає прямого рідинного відведення тепла у поєднанні з вентиляторами — типове рішення для обладнання такого класу. Блок живлення на 1600 Вт сертифікований за рівнем Titanium з ККД 94%, корпус важить 40 кілограмів. Це вже не десктоп у звичному розумінні, а компактний дата-центр вузол, розрахований на стійку чи виділене приміщення з відповідним живленням і охолодженням.
Хто реально купуватиме таку станцію
Знижка 3% для нових покупців опускає ціну до приблизно $90 101, а корпоративні та лабораторні замовники можуть запросити індивідуальну квоту при більших обсягах закупівлі. Це підказує реальну аудиторію: не окремі розробники, а установи з бюджетом на дослідницьку інфраструктуру.
- Дослідницькі лабораторії, яким потрібен повний контроль над даними без хмарних залежностей
- Університетські AI-центри з довгостроковими проєктами навчання та інференсу
- Підприємства, що ганяють великі моделі постійно і для яких капітальна витрата вигідніша за оплату токенів у хмарі
Для решти користувачів — тих, кому потрібна потужна локальна машина для помірних задач — Mac Studio або хмарний інференс залишаються практичнішим вибором із зрозумілим фінансовим обґрунтуванням. Nvidia GB300 DGX Station демонструє не просто нову залізяку, а ціну входу в категорію повністю автономного інференсу найбільших моделей — і ця ціна поки що доступна лише вузькому колу організацій.
