🛒 0

ایگزکت ولنس ایستگاه DGX

چیپ NVIDIA GB300 Grace Blackwell Ultra Superchip
حافظه‌ی همدوس ۷۴۸ گیگابایت یکپارچه: ۴۹۶ گیگابایت LPDDR5X + ۲۵۲ گیگابایت HBM3e
عملکرد هوش مصنوعی ۲۰ پتافلاپس (FP4)
شبکه‌بندی ۲× ۴۰۰G ConnectX-8 SuperNIC
‎ریال ۱۲۹٬۲۲۶٬۴۸۳٬۱۲۴

تیم ما با یک پیشنهاد قیمت سفارشی‌سازی شده پیگیری خواهد کرد.

از این برای تشخیص پیکربندی‌های مختلف در سبد خرید خود استفاده کنید – مفید هنگام سفارش محصول یکسان با گزینه‌های متفاوت.

قیمت کل ‎ریال ۱۲۹٬۲۲۶٬۴۸۳٬۱۲۴

مشخصات کامل

محاسبات و حافظه

سوپرچیپ

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

پردازنده مرکزی (CPU)

۱× NVIDIA Grace CPU Superchip، ۷۲ هسته‌ی Arm Neoverse V2

GPU

۱× NVIDIA Blackwell Ultra GPU

حافظه‌ی همدوس

۷۴۸ گیگابایت یکپارچه: ۴۹۶ گیگابایت LPDDR5X + ۲۵۲ گیگابایت HBM3e

عملکرد هوش مصنوعی

20 پتافلاپس (FP4) / 10 پتافلاپس (FP8)

ذخیره‌سازی و فیزیکی

ذخیره‌سازی (اسلات‌ها)

2× M.2 2280 PCIe 5.0 x4 NVMe (سیستم) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64 گیگابایت بر ثانیه، مسیر داده‌های آموزشی)

فرم فاکتور

تاور کامل کنار میزی، معماری NVIDIA DGX Station

ابعاد

۲۴٫۴ × ۵۹٫۴ × ۲۹٫۵ سانتی‌متر

شبکه‌سازی و توسعه

شبکه‌سازی پرسرعت

2× پورت 400G QSFP112 از طریق NVIDIA ConnectX-8 SuperNIC، به‌علاوه 1× پورت مدیریت 10GbE RJ45

توسعه‌ی PCIe

PCIe 5.0، 1× اسلات دو عرضه x16؛ از کارت گرافیک گسسته اختیاری RTX PRO 6000 Blackwell (96 گیگابایت GDDR7) پشتیبانی می‌کند

برق و حرارت

منبع تغذیه

منبع تغذیه ATX 1600 وات، بازده تیتانیوم، پریز استاندارد اداری

سیستم خنک‌کننده

خنک‌کننده مایع حلقه بسته، تنظیم شده برای آکوستیک مناسب محیط اداری تحت بارهای کاری مداوم هوش مصنوعی

مدیریت و نرم‌افزار

BMC

ASPEED AST2600

مدیریت از راه دور

IPMI 2.0 و Redfish API، نظارت و کنترل به سبک مرکز داده

تقسیم‌بندی GPU

Multi-Instance GPU (MIG)، تا 7 نمونه مجزا با کیفیت خدمات تضمین شده

پشته نرم‌افزاری

محیط لینوکس از پیش نصب شده با ابزارهای NVIDIA AI Enterprise، آماده برای استقرار عامل NVIDIA NemoClaw

یک خلاصه سریع مبتنی بر هوش مصنوعی را ترجیح می‌دهید؟ خواندن را رد کنید – مشخصات کامل این محصول و تناسب آن با نیاز خود را با دستیار هوش مصنوعی انتخابی‌تان بررسی کنید.

ایگزوکت در 20 ژانویه 2026، ایستگاه Valence DGX را معرفی کرد، سیستمی میزکاری که بر پایه پلتفرم NVIDIA GB300 Grace Blackwell Superchip تحت مشخصات DGX Station انویدیا ساخته شده است، و طراحی شده تا مدل‌های تریلیون پارامتری را به صورت محلی از یک کیس دفتری اجرا کند.

مشخصات سخت‌افزاری

Valence حول یک NVIDIA Grace CPU Superchip ساخته شده است - با 72 هسته Arm Neoverse V2 و حافظه 496 گیگابایتی LPDDR5X - که با یک NVIDIA Blackwell Ultra GPU با حافظه گرافیکی 252 گیگابایتی HBM3e جفت شده و از طریق NVLink-C2C به یک حافظه یکپارچه 748 گیگابایتی متصل می‌شود. ذخیره‌سازی در دو لایه تقسیم شده است: 2× اسلات M.2 2280 PCIe 5.0 x4 NVMe برای سیستم عامل، و 2× اسلات M.2 2280 PCIe 6.0 x4 NVMe (64GB/s) که به عنوان مسیر اختصاصی برای داده‌های آموزشی و نقاط بازرسی مدل رزرو شده‌اند و I/O روزمره سیستم را از بارهای کاری سنگین هوش مصنوعی جدا نگه می‌دارند. شبکه‌بندی توسط یک ConnectX-8 دوپورت 400G SuperNIC مدیریت می‌شود که با یک پورت 10GbE برای مدیریت خارج از باند تکمیل شده است.

یک اسلات دوگانه PCIe 5.0 x16 امکان افزودن یک GPU مجزای RTX PRO 6000 Blackwell با 96 گیگابایت GDDR7 به سیستم را فراهم می‌کند.

سرور هوش مصنوعی محلی برای استفاده تجاری

Valence برای عملکرد به عنوان یک منبع هوش مصنوعی محلی اشتراکی طراحی شده است. چندین کارمند می‌توانند در طول روز کاری، وظایف پردازش اسناد - مانند بررسی قرارداد، استخراج فاکتور، تهیه پیش‌نویس گزارش، اولویت‌بندی ایمیل - را ارسال کنند، در حالی که کارها به جای مسیریابی از طریق سرویس‌های ابری خارجی، به صورت متمرکز در محل پردازش می‌شوند.

از طریق NVIDIA NemoClaw، عامل‌های خودمختار می‌توانند به طور مداوم روی سیستم اجرا شوند و وظایف تکراری مانند نظارت بر صندوق ورودی یا تولید گزارش‌های زمان‌بندی شده را بدون نیاز به آغاز هر درخواست توسط شخص انجام دهند. این امکان به Valence اجازه می‌دهد به عنوان زیرساخت هوش مصنوعی مستمر برای کسب‌وکار عمل کند و بارهای کاری پایدار اسناد را پشتیبانی نماید.

مقایسه هزینه: راه‌حل داخلی (On-Premises) در مقابل APIهای هوش مصنوعی ابری

برای کسب‌وکارهای کوچک و متوسط (SMB) که روزانه حجم بالایی از اسناد را پردازش می‌کنند، تفاوت بین سیستم داخلی و صورتحساب هوش مصنوعی ابری به مرور زمان به طور قابل توجهی افزایش می‌یابد.

APIهای هوش مصنوعی ابری
‎~ریال ۴۰۰B – ‎~ریال ۱T
در طول 3 سال، بار کاری مستمر
صورتحساب مبتنی بر مصرف با حجم کار مقیاس می‌پذیرد. هزینه‌ها با افزایش بار کاری اسناد/عامل‌ها به صورت خطی (یا سریع‌تر) افزایش می‌یابند و هیچ سقفی وجود ندارد.
ایگزکت ولنس ایستگاه DGX
~ریال 150B
در طول 3 سال، هزینه ثابت سخت‌افزار + عملیاتی
هزینه یک‌باره سخت‌افزار به علاوه برق و نگهداری قابل پیش‌بینی. هزینه صرف نظر از میزان استفاده از سیستم ثابت می‌ماند.
تجزیه هزینه تخمینی 3 ساله: Valence در مقابل APIهای هوش مصنوعی ابری
دسته هزینهAPIهای هوش مصنوعی ابریValence (داخلی)
سرمایه‌گذاری اولیه سخت‌افزارهیچریال 150B (یک‌باره)
هزینه عملیاتی سال اول‎~ریال ۱۴۰B – ‎~ریال ۳۵۰B‎~ریال ۶B (برق & نگهداری)
هزینه عملیاتی سال دوم‎~ریال ۱۴۰B – ‎~ریال ۳۵۰B‎~ریال ۶B (برق & نگهداری)
هزینه عملیاتی سال سوم‎~ریال ۱۴۰B – ‎~ریال ۳۵۰B‎~ریال ۶B (برق & نگهداری)
هزینه تجمعی 3 ساله‎~ریال ۴۰۰B – ‎~ریال ۱T~ریال 150B

از آنجا که پردازش کاملاً در محل انجام می‌شود، اسناد و داده‌های تجاری به سرورهای شخص ثالث منتقل نمی‌شوند. این نکته‌ای مرتبط برای سازمان‌های فعال در بخش‌های حقوقی، مالی یا سایر بخش‌های حساس به داده است.

خلاصه

ایستگاه Valence DGX یک سیستم میزکاری با هزینه ثابت را با معماری اجرای مدل‌های بزرگ هوش مصنوعی به صورت محلی ترکیب می‌کند، به همراه انعطاف‌پذیری افزودن قابلیت رندرینگ از طریق یک GPU اختیاری RTX PRO Blackwell. برای کسب‌وکارهای کوچک و متوسط با بارهای کاری مستمر هوش مصنوعی، این سیستم جایگزینی کم‌هزینه‌تر نسبت به هزینه‌های مکرر هوش مصنوعی ابری ارائه می‌دهد.

اردواردوpk🇵🇰O'zbekازبکیuz🇺🇿Bahasaاندونزیاییid🇮🇩မြန်မာبرمه‌ایmm🇲🇲বাংলাبنگالیbd🇧🇩ਪੰਜਾਬੀپنجابیpa🇮🇳Tagalogتاگالوگph🇵🇭தமிழ்تامیلیta🇱🇰ไทยتایلندیth🇹🇭Türkçeترکیtr🇹🇷తెలుగుتلگوte🇮🇳简体چینیcn🇨🇳繁體چینی سنتیhk🇭🇰Русскийروسیru🇷🇺日本語ژاپنیjp🇯🇵සිංහලسینهالیlk🇱🇰עבריתعبریil🇮🇱العربيةعربیar🇸🇦فارسیفارسیir🇮🇷Қазақقزاقیkz🇰🇿한국어کره‌ایkr🇰🇷ქართულიگرجیge🇬🇪Melayuمالاییmy🇲🇾मराठीمراتیmr🇮🇳नेपालीنپالیnp🇳🇵हिंदीهندیhi🇮🇳Tiếng Việtویتنامیvn🇻🇳Deutschآلمانیde🇩🇪Españolاسپانیاییes🇪🇸Eestiاستونیاییee🇪🇪slovenčinaاسلواکیsk🇸🇰Slovenecاسلوونیاییsi🇸🇮Englishانگلیسیen🇪🇺українськаاوکراینیua🇺🇦Italianoایتالیاییit🇮🇹Беларускаяبلاروسیby🇧🇾българскиبلغاریbg🇧🇬bosanskiبوسنیاییba🇧🇦Portuguêsپرتغالیpt🇵🇹češtinaچکیcz🇨🇿danskدانمارکیdk🇩🇰românăرومانیاییro🇷🇴svenskaسوئدیse🇸🇪Српскиصربیrs🇷🇸Françaisفرانسویfr🇫🇷suomiفنلاندیfi🇫🇮hrvatskiکرواتیhr🇭🇷latviešuلتونیاییlv🇱🇻Polerowaćلهستانیpl🇵🇱Lietuviųلیتوانیاییlt🇱🇹magyarمجاریhu🇭🇺Bokmålنروژیno🇳🇴Nederlandsهلندیnl🇳🇱Ελληνικάیونانیgr🇬🇷