🛒 0

Station de travail IA NVIDIA 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)
Évolutivité maximale Cluster à 2 stations
105 000 €
Configuration de cluster

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 105 000 €

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

Interconnexion mémoire

NVLink-C2C, bande passante CPU–GPU de 900 Go/s

Performances IA

20 PetaFLOPS (FP4)

GPU multi-instances

Jusqu'à 7 partitions GPU isolées (MIG)

Stockage et caractéristiques physiques

Stockage (emplacements)

4× M.2 2280 PCIe 5.0 x4 NVMe

Extension GPU

PCIe 5.0, 1× emplacement double largeur + 2× emplacements simple largeur x16 pour GPU optionnel d'affichage/visualisation NVIDIA RTX PRO

Format

Tour de bureau, conception de châssis de référence NVIDIA

Dimensions

24,5 x 52,8 x 59,5 cm

Réseau et clustering

Réseau haut débit

2× ports 400G QSFP112 via NVIDIA ConnectX-8 SuperNIC

Clustering multi-stations

Liaison 400GbE directe de jusqu'à 2 stations DGX dans un pool mémoire cohérent combiné de 1 496 Go

Sans fil (optionnel)

Emplacement PCIe M.2 2230 pour module Wi-Fi/Bluetooth ; peut rester inoccupé pour les déploiements en air gap

Alimentation et thermique

Alimentation

Alimentation 1600 W, compatible avec les prises de bureau standard

Refroidissement

Refroidissement liquide en circuit fermé, performances soutenues sous charges IA lourdes

Gestion et logiciel

BMC

ASPEED AST2600

Gestion à distance

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

Sécurité

Racine de confiance matérielle, démarrage sécurisé d'entreprise

Pile logicielle

NVIDIA DGX OS, prêt pour le déploiement d'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.

NVIDIA a présenté la DGX Station le 17 mars 2026 comme système de référence pour bureau de la plateforme NVIDIA GB300 Grace Blackwell Superchip — conçue et validée directement par NVIDIA pour exécuter localement des modèles à mille milliards de paramètres, et produite sous licence par les partenaires matériels de NVIDIA.

Spécifications matérielles

La DGX Station est construite autour d'une seule NVIDIA Grace CPU Superchip — 72 cœurs Arm Neoverse V2 et 496 Go de mémoire LPDDR5X — couplée à un NVIDIA Blackwell Ultra GPU avec 252 Go de mémoire GPU HBM3e, unifiés via NVLink-C2C en un pool de mémoire cohérente de 748 Go. Jusqu'à 7 partitions MIG isolées permettent à une seule station de servir plusieurs équipes ou charges de travail simultanément sans conflit. Le système propose 4× stockage NVMe M.2 2280 PCIe 5.0 x4, une NVIDIA ConnectX-8 SuperNIC double port 400G, et des slots d'extension PCIe 5.0 pour un GPU NVIDIA RTX PRO optionnel dédié à l'affichage et à la sortie visuelle.

Serveur IA local pour usage professionnel

La DGX Station est conçue pour fonctionner comme ressource IA locale partagée. Plusieurs employés peuvent soumettre des tâches de traitement de documents — révision de contrats, extraction de factures, rédaction de rapports, triage 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 boîte de réception ou la génération de rapports planifiée sans nécessiter qu'une personne initie chaque requête. Cela permet à la DGX Station d'opérer comme infrastructure IA permanente pour l'entreprise, supportant des charges de travail documentaires stables.

Extension de capacité : clustering à deux stations

Pour les charges de travail dépassant une seule unité, deux DGX Stations peuvent être connectées via leurs ports SuperNIC ConnectX-8 400G intégrés, formant un pool de mémoire cohérente unique de 1 496 Go adressable sur les deux machines. Cela offre une voie de mise à niveau simple pour les équipes en croissance sans nécessiter de nouvelle architecture ou modifications de flux de travail, disponible comme option de configuration lors de la commande.

Une plateforme de référence bâtie sur neuf ans de développement DGX Station

Le nom DGX Station remonte à 2017, lorsque NVIDIA présenta la DGX Station originale comme alternative de bureau à l'infrastructure IA montée en rack, construite autour de quatre GPU NVIDIA Tesla V100. En novembre 2020, la DGX Station A100 lui succéda, passant à quatre GPU Tensor Core NVIDIA A100 et offrant jusqu'à 320 Go de mémoire GPU répartis sur quatre cartes séparées, nécessitant une distribution et gestion explicite des charges de travail sur la configuration multi-GPU.

La DGX Station actuelle, introduite en 2026, remplace cette approche multi-GPU par une seule NVIDIA GB300 Grace Blackwell Ultra Superchip : un pool de mémoire unifié cohérent de 748 Go partagé directement entre CPU et GPU via NVLink-C2C, plutôt que quatre pools de mémoire GPU séparés assemblés par logiciel.

Capacité de mémoire cohérente par génération

2017 DGX Station 4× Tesla V100, 64 Go de mémoire GPU
2020 DGX Station A100 4× A100, jusqu'à 320 Go de mémoire GPU
2026 DGX Station (GB300) 1 superpuce, 748 Go de mémoire unifiée cohérente

Un pool de mémoire cohérent partagé directement entre CPU et GPU — aucune partition multi-GPU manuelle requise.

Comparaison des coûts : sur site vs API IA cloud

Pour les PME traitant quotidiennement de grands volumes de documents, la différence entre un système sur site fixe et la facturation cloud IA basée sur l'usage s'accentue 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 de travail documents/agents croît, sans plafond.
Station de travail IA NVIDIA DGX Station
~120k€
sur 3 ans, coûts fixes matériels + d'exploitation
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 : DGX Station vs API IA cloud
Catégorie de coûtAPI IA cloudDGX Station (Sur site)
Investissement matériel initialAucun105k€ (unique)
Coût d'exploitation année 1~80 k€ - ~250 k€~4 k€ (électricité & maintenance)
Coût d'exploitation année 2~80 k€ - ~250 k€~4 k€ (électricité & maintenance)
Coût d'exploitation année 3~80 k€ - ~250 k€~4 k€ (électricité & maintenance)
Coût cumulé sur 3 ans~250 k€ - ~650 k€~120k€

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 juridique, financier ou autres secteurs sensibles aux données.

Synthèse

La DGX Station fournit un système unique à coût fixe capable de prendre en charge le traitement continu de documents par IA, combiné à l'architecture de référence NVIDIA pour exécuter localement de grands modèles d'IA. Pour les PME ayant des charges de travail IA soutenues, elle offre une alternative à moindre coût aux dépenses récurrentes d'IA cloud, avec une voie de mise à niveau documentée vers un cluster à deux stations.

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🇻🇳