NVIDIA DGX Station AI 工作站
使用此功能在購物車中區分不同的配置 — 當您訂購相同產品但不同選項時非常方便。
完整規格
運算及記憶體
超級晶片
NVIDIA GB300 Grace Blackwell Ultra 桌面超級晶片
中央處理器
1× NVIDIA Grace CPU Superchip，72 個 Arm Neoverse V2 核心
GPU
1× NVIDIA Blackwell Ultra GPU
一致性記憶體
748 GB 統一記憶體：496 GB LPDDR5X + 252 GB HBM3e
記憶體互連技術
NVLink-C2C，900 GB/s CPU 與 GPU 之間頻寬
AI 效能
20 PetaFLOPS (FP4)
多重實例 GPU
最多 7 個隔離式 GPU 分區 (MIG)
儲存及實體規格
儲存裝置 (插槽)
4× M.2 2280 PCIe 5.0 x4 NVMe
GPU 擴充
PCIe 5.0，1× 雙倍寬度 + 2× 單倍寬度 x16 插槽，適用於可選的 NVIDIA RTX PRO 顯示/視覺化 GPU
外形規格
桌邊直立式機箱，NVIDIA 參考機箱設計
尺寸
24.5 x 52.8 x 59.5 厘米
網絡與集群
高速網絡
2× 400G QSFP112 端口，經由 NVIDIA ConnectX-8 SuperNIC
多站點集群
直接以 400GbE 連接最多 2 個 DGX 工作站，形成合共 1,496 GB 的連貫記憶體池
無線功能 (可選)
PCIe M.2 2230 插槽，適用於 Wi-Fi/Bluetooth 模組；可留空以用於氣隙部署
電源及散熱
電源供應器
1600 W 電源供應器，兼容標準辦公室電源插座
散熱系統
閉環式液體冷卻，在繁重 AI 工作負載下保持持續性能
管理與軟件
BMC
ASPEED AST2600
遠端管理
IPMI 2.0 及 Redfish API，數據中心式監控與控制
保安功能
硬體信任根，企業級安全啟動
軟件堆棧
NVIDIA DGX OS，已準備好部署 NVIDIA NemoClaw 代理程式
NVIDIA 於 2026 年 3 月 17 日推出 DGX Station，作為 NVIDIA GB300 Grace Blackwell Superchip 平台的參考級桌面系統——由 NVIDIA 直接設計及驗證，可在本地運行 萬億參數模型，並由 NVIDIA 硬件合作夥伴授權生產。
硬件規格
DGX Station 以單一 NVIDIA Grace CPU Superchip 為核心——配備 72 個 Arm Neoverse V2 核心及 496 GB LPDDR5X 記憶體——結合具備 252 GB HBM3e GPU 記憶體的 NVIDIA Blackwell Ultra GPU，透過 NVLink-C2C 統一成 748 GB 的連貫記憶體池。多達 7 個獨立 MIG 分區讓單一工作站可同時服務多個團隊或工作負載而無需競爭資源。系統提供 4× M.2 2280 PCIe 5.0 x4 NVMe 儲存、雙端口 NVIDIA ConnectX-8 400G SuperNIC，以及 PCIe 5.0 擴充槽用於選配專責顯示及視覺化輸出的 NVIDIA RTX PRO GPU。
企業用本地 AI 伺服器
DGX Station 設計為共享式本地 AI 資源。多名員工可於工作天內提交文件處理任務——合約審核、發票擷取、報告草擬、電郵分類——工作由現場中央處理，無需經外部雲端服務傳輸。
透過 NVIDIA NemoClaw，自主代理程式可在系統上持續運行，處理重複性任務如收件匣監控或預定報告生成，無需人手逐一啟動。這使 DGX Station 能作為企業持續運作的 AI 基礎設施，支援穩定的文件工作負載。
擴充容量：雙工作站集群
當工作負載超出單機容量時，兩台 DGX Station 可透過內置 400G ConnectX-8 SuperNIC 端口連接，合併成橫跨雙機的 1,496 GB 連貫記憶體池。這為成長中的團隊提供直接升級路徑，無需更改架構或工作流程，可於結帳時選配此配置。
建基九年 DGX Station 發展的參考平台
DGX Station 名稱可追溯至 2017 年，當時 NVIDIA 推出初代 DGX Station 作為機架式 AI 基建的桌面替代方案，圍繞四顆 NVIDIA Tesla V100 GPU 構建。2020 年 11 月，DGX Station A100 接替其位置，升級至四顆 NVIDIA A100 Tensor Core GPU，提供高達 320 GB GPU 記憶體分散於四張獨立卡上，每項工作負載需明確分配及管理於多 GPU 配置中。
2026 年推出的現行 DGX Station 以單一 NVIDIA GB300 Grace Blackwell Ultra Superchip 取代多 GPU 方案：透過 NVLink-C2C 在 CPU 與 GPU 間直接共享 748 GB 的連貫統一記憶體池，而非以軟件拼接四個獨立 GPU 記憶體池。
各代連貫記憶體容量
單一連貫記憶體池，CPU 與 GPU 直接共享——無需手動多 GPU 分區。
成本比較：本地部署 vs 雲端 AI API
對每日處理大量文件的中小企而言，固定成本本地系統與用量計費雲端 AI 的差異會隨時間顯著擴大。
| 成本類別 | 雲端 AI API | DGX Station (本地部署) |
|---|---|---|
| 初始硬件投資 | 無 | NT$3,372K (一次性) |
| 第一年運作成本 | ~HK$78萬 – ~HK$196萬 | ~HK$3.9萬 (電力 & 維護) |
| 第二年運作成本 | ~HK$78萬 – ~HK$196萬 | ~HK$3.9萬 (電力 & 維護) |
| 第三年運作成本 | ~HK$78萬 – ~HK$196萬 | ~HK$3.9萬 (電力 & 維護) |
| 三年累計成本 | ~HK$235萬 – ~HK$588萬 | ~NT$3,855K |
由於處理完全在現場進行，文件及商業數據不會傳輸至第三方伺服器。此點對法律、金融或其他數據敏感行業的機構尤為重要。
總結
DGX Station 提供單一固定成本系統，能支援持續 AI 文件處理，並結合 NVIDIA 參考架構以本地運行大型 AI 模型。對具持續 AI 工作負載的中小企而言，它提供較重複性雲端 AI 開銷更低成本的替代方案，且備有雙工作站集群的升級路徑。
