🛒 0

Exxact Valence DGX Station

Puce NVIDIA GB300 Grace Blackwell Ultra Superchip
Mémoire cohérente 748 Go unifié : 496 Go LPDDR5X + 252 Go HBM3e
Performances IA 20 PetaFLOPS (FP4)
Réseau 2× ConnectX-8 SuperNIC 400G
94 000 €

Notre équipe vous contactera avec un devis personnalisé.

Utilisez ceci pour distinguer vos différentes configurations dans votre panier — pratique si vous commandez le même produit avec des options différentes.

Prix total 94 000 €

Spécifications complètes

Calcul et mémoire

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

Processeur

NVIDIA Grace CPU Superchip, 72 cœurs Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Mémoire cohérente

748 Go unifié : 496 Go LPDDR5X + 252 Go HBM3e

Performances IA

20 PetaFLOPS (FP4) / 10 PetaFLOPS (FP8)

Stockage et caractéristiques physiques

Stockage (emplacements)

2× M.2 2280 PCIe 5.0 x4 NVMe (système) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64 Go/s, chemin des données d'entraînement)

Format

Tour complet de bureau, architecture NVIDIA DGX Station

Dimensions

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

Réseau et extension

Réseau haut débit

2× ports 400G QSFP112 via NVIDIA ConnectX-8 SuperNIC, plus 1× port de gestion RJ45 10GbE

Extension PCIe

PCIe 5.0, 1× slot double largeur x16 ; prend en charge une option de GPU discret RTX PRO 6000 Blackwell (96 Go GDDR7)

Alimentation et thermique

Alimentation

Alimentation ATX 1600 W, efficacité Titanium, prise secteur standard pour bureau

Refroidissement

Refroidissement liquide en circuit fermé, optimisé pour une acoustique adaptée au bureau sous charges de travail IA soutenues

Gestion et logiciel

BMC

ASPEED AST2600

Gestion à distance

IPMI 2.0 et API Redfish, surveillance et contrôle de style centre de données

Partitionnement GPU

Multi-Instance GPU (MIG), jusqu'à 7 instances isolées avec qualité de service garantie

Pile logicielle

Environnement Linux préchargé avec les outils NVIDIA AI Enterprise, prêt pour le déploiement de l'agent NVIDIA NemoClaw

Préférez-vous un résumé rapide par IA ? Évitez la lecture — examinez les spécifications complètes de ce produit et son adéquation à votre cas d'utilisation avec un assistant IA de votre choix.

Exxact a lancé la Valence DGX Station le 20 janvier 2026, un système de bureau construit sur la plateforme NVIDIA GB300 Grace Blackwell Superchip selon les spécifications DGX Station de NVIDIA, conçu pour exécuter localement des modèles à mille milliards de paramètres depuis une seule tour adaptée aux bureaux.

Spécifications matérielles

La Valence est construite autour d'un unique NVIDIA Grace CPU Superchip – 72 cœurs Arm Neoverse V2 et 496 Go de mémoire LPDDR5X – couplé à un NVIDIA Blackwell Ultra GPU avec 252 Go de mémoire GPU HBM3e, unifiés via NVLink-C2C en un pool mémoire cohérent de 748 Go. Le stockage est réparti sur deux niveaux : 2× M.2 2280 PCIe 5.0 x4 NVMe pour le système d'exploitation, et 2× M.2 2280 PCIe 6.0 x4 NVMe (64 Go/s) réservés comme chemin dédié pour les données d'entraînement et les points de contrôle des modèles, isolant les E/S système quotidiennes des charges de travail IA intensives. Le réseau est géré par une ConnectX-8 SuperNIC double port 400G, complétée par un port 10GbE pour la gestion hors bande.

Un emplacement PCIe 5.0 x16 double largeur permet d'ajouter au système un GPU discret RTX PRO 6000 Blackwell avec 96 Go de GDDR7.

Serveur IA local pour usage professionnel

La Valence est conçue pour fonctionner comme une ressource IA locale partagée. Plusieurs employés peuvent soumettre des tâches de traitement de documents – révision de contrats, extraction de factures, rédaction de rapports, tri d'e-mails – tout au long de la journée de travail, les tâches étant gérées centralement sur site plutôt que routées via des services cloud externes.

Grâce à NVIDIA NemoClaw, des agents autonomes peuvent fonctionner en continu sur le système, gérant des tâches récurrentes comme la surveillance de boîtes de réception ou la génération planifiée de rapports sans nécessiter qu'une personne initie chaque requête. Cela permet à la Valence d'opérer comme une infrastructure IA permanente pour l'entreprise, supportant des charges de travail documentaires stables.

Comparaison des coûts : On-Premises vs API IA Cloud

Pour les PME traitant quotidiennement de gros volumes de documents, la différence entre un système sur site et la facturation IA cloud s'accroît significativement avec le temps.

API IA Cloud
~250 k€ - ~650 k€
sur 3 ans, charge de travail soutenue
La facturation à l'usage évolue avec le volume. Les coûts augmentent linéairement (ou plus) à mesure que la charge documentaire/agent croît, sans plafond.
Exxact Valence DGX Station
~105 k€
sur 3 ans, coûts matériels + opérationnels fixes
Coût matériel unique plus électricité et maintenance prévisibles. Le coût reste fixe quelle que soit l'utilisation du système.
Répartition estimée des coûts sur 3 ans : Valence vs API IA Cloud
Catégorie de coûtAPI IA CloudValence (On-Premises)
Investissement matériel initialAucun94 k€ (unique)
Coût opérationnel année 1~80 k€ - ~250 k€~4 k€ (électricité & maintenance)
Coût opérationnel année 2~80 k€ - ~250 k€~4 k€ (électricité & maintenance)
Coût opérationnel année 3~80 k€ - ~250 k€~4 k€ (électricité & maintenance)
Coût cumulé sur 3 ans~250 k€ - ~650 k€~105 k€

Comme le traitement s'effectue entièrement sur site, les documents et données métier ne sont pas transmis à des serveurs tiers. Ceci est un aspect pertinent pour les organisations des secteurs juridiques, financiers ou autres secteurs sensibles aux données.

Synthèse

La Valence DGX Station combine un système à coût fixe adapté au bureau avec l'architecture nécessaire pour exécuter localement de grands modèles IA, plus la flexibilité d'ajouter une capacité de rendu via un GPU RTX PRO Blackwell optionnel. Pour les PME avec des charges de travail IA soutenues, elle offre une alternative moins coûteuse aux dépenses récurrentes d'IA cloud.

FrançaisFrançaisfr🇫🇷EnglishAnglaisen🇪🇺DeutschAllemandde🇩🇪БеларускаяBiélorusseby🇧🇾bosanskiBosnienba🇧🇦българскиBulgarebg🇧🇬hrvatskiCroatehr🇭🇷danskDanoisdk🇩🇰EspañolEspagnoles🇪🇸EestiEstonienee🇪🇪suomiFinnoisfi🇫🇮ΕλληνικάGrecgr🇬🇷magyarHongroishu🇭🇺ItalianoItalienit🇮🇹latviešuLettonlv🇱🇻LietuviųLituanienlt🇱🇹NederlandsNéerlandaisnl🇳🇱BokmålNorvégienno🇳🇴PolerowaćPolonaispl🇵🇱PortuguêsPortugaispt🇵🇹românăRoumainro🇷🇴СрпскиSerbers🇷🇸slovenčinaSlovaquesk🇸🇰SlovenecSlovènesi🇸🇮svenskaSuédoisse🇸🇪češtinaTchèquecz🇨🇿українськаUkrainienua🇺🇦العربيةArabear🇸🇦বাংলাBengalibd🇧🇩မြန်မာBirmanmm🇲🇲简体Chinoiscn🇨🇳繁體Chin. trad.hk🇭🇰සිංහලCinghalaislk🇱🇰한국어Coréenkr🇰🇷ქართულიGéorgienge🇬🇪עבריתHébreuil🇮🇱हिंदीHindihi🇮🇳BahasaIndonésienid🇮🇩日本語Japonaisjp🇯🇵ҚазақKazakhkz🇰🇿MelayuMalaismy🇲🇾मराठीMarathimr🇮🇳नेपालीNépalaisnp🇳🇵اردوOurdoupk🇵🇰O'zbekOuzbekuz🇺🇿ਪੰਜਾਬੀPendjabipa🇮🇳فارسیPersanir🇮🇷РусскийRusseru🇷🇺TagalogTagalogph🇵🇭தமிழ்Tamoulta🇱🇰తెలుగుTelugute🇮🇳ไทยThaïth🇹🇭TürkçeTurctr🇹🇷Tiếng ViệtVietnamienvn🇻🇳