🛒 0

NVIDIA DGX Station AI pracovní stanice

Čip NVIDIA GB300 Grace Blackwell Ultra Superchip
Koherentní paměť 748 GB sjednocené: 496 GB LPDDR5X + 252 GB HBM3e
AI výkon 20 PetaFLOPS (FP4)
Škálovatelnost na Cluster se 2 stanicemi
2 547 515 Kč
Konfigurace clusteru

Náš tým vám následně poskytne cenovou nabídku na míru.

Použijte to k rozlišení různých konfigurací v košíku – praktické při objednávání stejného produktu s různými možnostmi.

Celková cena 2 547 515 Kč

Kompletní specifikace

Výpočetní výkon & Paměť

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 jader Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Koherentní paměť

748 GB sjednocené: 496 GB LPDDR5X + 252 GB HBM3e

Propojení paměti

NVLink-C2C, propustnost 900 GB/s mezi CPU a GPU

AI výkon

20 PetaFLOPS (FP4)

Víceinstanční GPU

Až 7 izolovaných oddílů GPU (MIG)

Úložiště & Fyzické parametry

Úložiště (sloty)

4× M.2 2280 PCIe 5.0 x4 NVMe

Rozšíření GPU

PCIe 5.0, 1× slot x16 dvojité šířky + 2× sloty x16 jednoduché šířky pro volitelnou NVIDIA RTX PRO zobrazovací/visualizační GPU

Formátový faktor

Věžový počítač na stůl, referenční design šasi od NVIDIA

Rozměry

24,5 × 52,8 × 59,5 cm

Síťové připojení a clustering

Vysokorychlostní síťování

2× 400G QSFP112 porty přes NVIDIA ConnectX-8 SuperNIC

Clustering s více stanicemi

Přímé propojení 400GbE až 2 stanic DGX do kombinovaného fondu koherentní paměti o velikosti 1 496 GB

Bezdrátové připojení (volitelné)

Slot PCIe M.2 2230 pro modul Wi-Fi/Bluetooth; může zůstat neobsazený pro nasazení s air-gap

Napájení & Tepelný režim

Napájecí zdroj

Zdroj 1600 W, kompatibilní se standardní zásuvkou v kanceláři

Chlazení

Chlazení kapalinou v uzavřeném okruhu, trvalý výkon při těžkých úlohách AI

Správa a software

BMC

ASPEED AST2600

Správa na dálku

IPMI 2.0 a Redfish API, monitorování a řízení ve stylu datového centra

Zabezpečení

Hardwarový kořen důvěry, podnikové zabezpečené spouštění (secure boot)

Softwarový stack

NVIDIA DGX OS, připraveno pro nasazení agenta NVIDIA NemoClaw

Dáváte přednost rychlému shrnutí pomocí AI? Přeskočte čtení – prozkoumejte kompletní specifikace tohoto produktu a jeho vhodnost pro váš případ použití s asistentem AI dle vašeho výběru.

NVIDIA představila DGX Station 17. března 2026 jako referenční systém pro stolní použití na platformě NVIDIA GB300 Grace Blackwell Superchip – přímo navržený a ověřený společností NVIDIA pro lokální provoz modelů s bilionem parametrů a vyráběný pod licencí hardwarovými partnery NVIDIA.

Hardwarové specifikace

DGX Station je postaven kolem jediného NVIDIA Grace CPU Superchip – 72 jader Arm Neoverse V2 a 496 GB paměti LPDDR5X – spárovaného s NVIDIA Blackwell Ultra GPU s 252 GB GPU paměti HBM3e, sjednocených přes NVLink-C2C do koherentní paměťové poolu o velikosti 748 GB. Až 7 izolovaných MIG partií umožňuje jedné stanici obsluhovat více týmů nebo úloh současně bez konfliktů. Systém nabízí 4× úložiště M.2 2280 PCIe 5.0 x4 NVMe, dvouportový NVIDIA ConnectX-8 400G SuperNIC a rozšiřující sloty PCIe 5.0 pro volitelnou GPU NVIDIA RTX PRO určenou pro výstup zobrazení a vizualizací.

Lokální AI server pro podnikové použití

DGX Station je navržen jako sdílený lokální AI zdroj. Více zaměstnanců může během pracovního dne odesílat úkoly zpracování dokumentů – kontrolu smluv, extrakci faktur, sestavování zpráv, triáž e-mailů – přičemž úlohy jsou centrálně zpracovávány na místě namísto směrování přes externí cloudové služby.

Pomocí NVIDIA NemoClaw mohou na systému nepřetržitě běžet autonomní agenti, kteří zvládají opakující se úkoly jako monitorování schránek nebo plánované generování zpráv bez nutnosti lidské iniciace každého požadavku. To umožňuje DGX Station fungovat jako kontinuální AI infrastruktura pro podnikání, podporující stabilní úlohy zpracování dokumentů.

Rozšíření kapacity: cluster ze dvou stanic

Pro úlohy přesahující kapacitu jedné jednotky lze dvě DGX Station propojit přes jejich vestavěné 400G porty ConnectX-8 SuperNIC, čímž vytvoří jediný koherentní paměťový pool o velikosti 1 496 GB adresovatelný napříč oběma stroji. Toto poskytuje přímočarou cestu pro upgrade rostoucím týmům bez nutnosti nové architektury nebo změn workflow, dostupnou jako konfigurační volba při objednávce.

Referenční platforma postavená na devíti letech vývoje DGX Station

Název DGX Station sahá do roku 2017, kdy NVIDIA představila původní DGX Station jako stolní alternativu k AI infrastruktuře v racku, postavenou kolem čtyř GPU NVIDIA Tesla V100. V listopadu 2020 ji nahradil DGX Station A100, který přešel na čtyři GPU NVIDIA A100 Tensor Core a nabízel až 320 GB GPU paměti rozložené na čtyřech samostatných kartách, přičemž každá vyžadovala explicitní distribuci a správu úloh napříč konfigurací s více GPU.

Současná DGX Station, představená v roce 2026, nahrazuje tento multi-GPU přístup jediným NVIDIA GB300 Grace Blackwell Ultra Superchip: jedním koherentním, sjednoceným paměťovým poolem o velikosti 748 GB sdíleným přímo mezi CPU a GPU přes NVLink-C2C, namísto čtyř samostatných GPU paměťových poolů spojených softwarem.

Koherentní kapacita paměti podle generací

2017 DGX Station 4× Tesla V100, 64 GB GPU paměti
2020 DGX Station A100 4× A100, až 320 GB GPU paměti
2026 DGX Station (GB300) 1 superčip, 748 GB sjednocené koherentní paměti

Jeden koherentní paměťový pool sdílený přímo mezi CPU a GPU – není vyžadováno ruční rozdělení na více GPU.

Cenové srovnání: On-Premises vs. Cloudové AI API

U malých a středních podniků denně zpracovávajících velké objemy dokumentů se rozdíl mezi fixním on-premises systémem a využitím cloudového AI s fakturací podle spotřeby časem výrazně prohlubuje.

Cloudová AI API
~6,4 mil. Kč – ~16 mil. Kč
během 3 let, trvalá zátěž
Fakturace podle využití se škáluje s objemem. Náklady rostou lineárně (nebo rychleji) s nárůstem zátěže dokumentů/agentů bez stropu.
NVIDIA DGX Station AI pracovní stanice
~2,9 mil. Kč
během 3 let, fixní hardware + provozní náklady
Jednorázové náklady na hardware plus předvídatelné náklady na energii a údržbu. Náklady zůstávají ploché bez ohledu na míru využití systému.
Odhadovaný rozklad nákladů za 3 roky: DGX Station vs. Cloudová AI API
Kategorie nákladůCloudová AI APIDGX Station (On-Premises)
Počáteční investice do hardwaruŽádné2,55 mil. Kč (jednorázově)
Provozní náklady rok 1~2 mil. Kč – ~5,5 mil. Kč~100k Kč (energie & údržba)
Provozní náklady rok 2~2 mil. Kč – ~5,5 mil. Kč~100k Kč (energie & údržba)
Provozní náklady rok 3~2 mil. Kč – ~5,5 mil. Kč~100k Kč (energie & údržba)
Kumulativní náklady za 3 roky~6,4 mil. Kč – ~16 mil. Kč~2,9 mil. Kč

Protože zpracování probíhá výhradně na místě, dokumenty a obchodní data nejsou přenášeny na servery třetích stran. Toto je relevantní hledisko pro organizace v právních, finančních nebo jiných datově citlivých sektorech.

Shrnutí

DGX Station poskytuje jediný systém s fixními náklady schopný podporovat kontinuální AI zpracování dokumentů, kombinovaný s referenční architekturou NVIDIA pro lokální provoz velkých AI modelů. Pro malé a střední podniky s trvalými AI úlohami nabízí nižší nákladovou alternativu k opakujícím se výdajům za cloudové AI, s dokumentovanou cestou upgradu na dvoustaniční cluster.

češtinačeštinacz🇨🇿Englishangličtinaen🇪🇺Беларускаяběloruštinaby🇧🇾bosanskibosenštinaba🇧🇦българскиbulharštinabg🇧🇬hrvatskichorvatštinahr🇭🇷danskdánštinadk🇩🇰Eestiestonštinaee🇪🇪suomifinštinafi🇫🇮Françaisfrancouzštinafr🇫🇷Italianoitalštinait🇮🇹Lietuviųlitevštinalt🇱🇹latviešulotyštinalv🇱🇻magyarmaďarštinahu🇭🇺Deutschněmčinade🇩🇪Nederlandsnizozemštinanl🇳🇱Bokmålnorštinano🇳🇴Polerowaćpolštinapl🇵🇱Portuguêsportugalštinapt🇵🇹Ελληνικάřečtinagr🇬🇷românărumunštinaro🇷🇴slovenčinaslovenštinask🇸🇰Slovenecslovinštinasi🇸🇮Españolšpanělštinaes🇪🇸Српскиsrbštinars🇷🇸svenskašvédštinase🇸🇪українськаukrajinštinaua🇺🇦العربيةarabštinaar🇸🇦မြန်မာbarmštinamm🇲🇲বাংলাbengálštinabd🇧🇩简体čínštinacn🇨🇳繁體trad. čínštinahk🇭🇰ქართულიgruzínštinage🇬🇪עבריתhebrejštinail🇮🇱हिंदीhindštinahi🇮🇳Bahasaindonéštinaid🇮🇩日本語japonštinajp🇯🇵Қазақkazaštinakz🇰🇿한국어korejštinakr🇰🇷Melayumalajštinamy🇲🇾मराठीmaráthštinamr🇮🇳नेपालीnepálštinanp🇳🇵ਪੰਜਾਬੀpandžábštinapa🇮🇳فارسیperštinair🇮🇷Русскийruštinaru🇷🇺සිංහලsinhálštinalk🇱🇰Tagalogtagalogštinaph🇵🇭தமிழ்tamilštinata🇱🇰తెలుగుtelugštinate🇮🇳ไทยthajštinath🇹🇭Türkçeturečtinatr🇹🇷اردوurdštinapk🇵🇰O'zbekuzbečtinauz🇺🇿Tiếng Việtvietnamštinavn🇻🇳