ایستگاه سوپر هوش مصنوعی سوپرمایکرو GB300
از این برای تشخیص پیکربندیهای مختلف در سبد خرید خود استفاده کنید – مفید هنگام سفارش محصول یکسان با گزینههای متفاوت.
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
۲۰ پتافلاپس (FP4)
ذخیرهسازی و فیزیکی
ذخیرهسازی (اسلاتها)
۴× اسلات M.2 2280 PCIe 5.0 x4 NVMe
فرم فاکتور
برج کنار میزی قابل تبدیل یا نصب رک 5U، طراحی شاسی مشترک
ابعاد
۲۱٫۵ × ۴۸ × ۴۹ سانتیمتر
شبکهسازی و مقیاسپذیری خوشه
شبکهسازی پرسرعت
۲× پورت ۴۰۰G QSFP112 از طریق NVIDIA ConnectX-8 SuperNIC
مقیاسپذیری خوشه
تا ۸ واحد در یک خوشه منسجم از طریق 400GbE، قابل گسترش به زیرساخت HGX B300 (8 GPU) یا GB300 NVL72 (72 GPU)
توسعهی PCIe
PCIe 5.0، ۱× اسلات دو عرضه x16 + اسلاتهای x8 اضافی
برق و حرارت
منبع تغذیه
منبع تغذیه ۱۶۰۰ واتی، بازده تیتانیوم، پریز استاندارد اداری
سیستم خنککننده
خنککننده مایع مدار بسته، قابل سرویس، عملکرد پایدار تقریباً بیصدا
مدیریت و نرمافزار
مدیریت از راه دور
IPMI 2.0 و Redfish API، نظارت و کنترل به سبک مرکز داده
پشته نرمافزاری
محیط لینوکس از پیش نصب شده با ابزارهای NVIDIA AI Enterprise، آماده برای استقرار عامل NVIDIA NemoClaw
سوپرمایکرو در ۲۸ اکتبر ۲۰۲۵، ایستگاه سوپرهوش مصنوعی GB300 را بهعنوان یک سیستم میزکاری مبتنی بر پلتفرم ابرتراشهی NVIDIA GB300 Grace Blackwell معرفی کرد — سیستمی که برای اجرای محلی مدلهای تریلیون پارامتری طراحی شده و در عین حال مسیر مستندی برای توسعهی مقرونبهصرفه و تدریجی تا سطح ظرفیت هوش مصنوعی در مقیاس دیتاسنتر ارائه میدهد.
مشخصات سختافزاری
ایستگاه سوپرهوش مصنوعی حول یک ابرتراشهی پردازندهی NVIDIA Grace CPU ساخته شده است — با ۷۲ هستهی Arm Neoverse V2 و ۴۹۶ گیگابایت حافظهی LPDDR5X — که با یک پردازندهی گرافیکی NVIDIA Blackwell Ultra همراه شده است. این پردازندهی گرافیکی دارای ۲۵۲ گیگابایت حافظهی HBM3e است و از طریق NVLink-C2C به یک استخر حافظهی یکپارچهی ۷۴۸ گیگابایتی متصل میشود. تا ۷ پارتیشن مجزای MIG به یک ایستگاه واحد اجازه میدهد تا چندین تیم یا بارکاری را بهطور همزمان و بدون رقابت سرویسدهی کند. سیستم دارای ۴ اسلات ذخیرهسازی NVMe از نوع M.2 2280 PCIe 5.0 x4 و یک ابرکارت شبکهی دوپورتهی NVIDIA ConnectX-8 با پهنای باند ۴۰۰ گیگابیت بر ثانیه است — همان زیرساخت شبکهای که برای اتصال ایستگاههای اضافی با گسترش استقرار استفاده میشود.
سرور هوش مصنوعی محلی برای استفادهی تجاری
ایستگاه سوپرهوش مصنوعی برای عملکرد بهعنوان یک منبع محلی اشتراکی هوش مصنوعی طراحی شده است. چندین کارمند میتوانند در طول روز کاری، وظایف پردازش اسناد — مانند بررسی قرارداد، استخراج فاکتور، تهیهی پیشنویس گزارش، اولویتبندی ایمیل — را ارسال کنند. این وظایف بهجای مسیریابی از طریق سرویسهای ابری خارجی، بهصورت متمرکز و در محل پردازش میشوند.
از طریق NVIDIA NemoClaw، عاملهای خودمختار میتوانند بهطور مداوم روی سیستم اجرا شوند و وظایف تکراری مانند نظارت بر صندوق ورودی یا تولید گزارشهای زمانبندیشده را بدون نیاز به راهاندازی هر درخواست توسط یک شخص، مدیریت کنند. این امر به ایستگاه سوپرهوش مصنوعی اجازه میدهد بهعنوان زیرساخت هوش مصنوعی مستمر برای کسبوکار عمل کرده و از بارهای کاری پایدار اسناد پشتیبانی کند.
طراحی شده برای مقیاسپذیری: از یک ایستگاه تا کارخانهی هوش مصنوعی
یک ایستگاه سوپرهوش مصنوعی منفرد، سیستمی کامل و مستقل است، اما در عین حال واحد پایهی یک استقرار بزرگتر نیز محسوب میشود. تا ۷ ایستگاه اضافی را میتوان بهمرور زمان اضافه کرد — تا حداکثر ۸ واحد — که از طریق همان زیرساخت شبکهای دوپورتهی ۴۰۰ گیگابیتی ارتباط برقرار میکنند، بدون آنکه نیاز به بازطراحی زیرساخت یا گردشهای کاری موجود باشد. هر واحد اضافهشده، ۷۴۸ گیگابایت حافظهی یکپارچه و قدرت محاسباتی خود را به استخر اضافه میکند و به سازمان در حال رشد، راهی سرراست و تدریجی برای گسترش ظرفیت با افزایش پذیرش ارائه میدهد.
هنگامی که تقاضا در نهایت از ظرفیت یک خوشهی ۸ واحدی فراتر رود، همان پایهی شبکهای ۴۰۰ گیگابیتی به پلتفرمهای NVIDIA HGX B300 و NVIDIA GB300 NVL72 سوپرمایکرو گسترش مییابد. ایستگاههایی که قبلاً خریداری شدهاند بهجای بازنشستگی یا جایگزینی، به کار خود در محیط تولید ادامه میدهند — سرمایهگذاری اولیه در هر مرحله از رشد، بخشی از استقرار باقی میماند.
هر ایستگاهی که در طول این مسیر اضافه شود به کار خود ادامه میدهد — هیچچیزی که قبلاً خریداری شده جایگزین نمیشود.
| مرحله | حافظهی یکپارچه | هزینهی شاخص | معنی |
|---|---|---|---|
| یک ایستگاه | ۷۴۸ گیگابایت | ریال ۱۳۷ میلیارد | نقطهی شروع؛ کاملاً مستقل کار میکند. |
| خوشهی ۲ واحدی | ۱.۵ ترابایت | ریال ۲۶۰ میلیارد | یک ایستگاه دیگر را روی همان زیرساخت ۴۰۰ گیگابیت بر ثانیهی اترنت اضافه میکند. |
| خوشهی ۴ واحدی | ۳ ترابایت | ریال ۵۰۷ میلیارد | ۳ ایستگاه اضافه میکند؛ نیازی به تغییر در تنظیمات موجود نیست. |
| خوشهی ۸ واحدی | ۶ ترابایت | ریال ۹۶۱ میلیارد | حداکثر ظرفیت تکخوشهای روی سختافزار ایستگاه سوپرهوش مصنوعی. |
| گسترش HGX B300 | ترابایت ۹+ ترکیبی | ~ریال ۲ میلیون (اضافی) | ایستگاههای موجود به کار خود ادامه میدهند؛ ظرفیت آموزش چندگرهای فشرده در کنار آنها اضافه میشود. |
| گسترش GB300 NVL72 | ترابایت ۲۰+ ترکیبی | ~ریال ۴ میلیون (اضافی) | لایهی یکپارچهی رکمقیاس برای استنتاج در مقیاس اگزایی؛ ایستگاههای قبلی در محیط تولید باقی میمانند. |
ارقام مربوط به HGX B300 و GB300 NVL72، قیمتهای شاخص شروع برای زیرساختهای اضافی متصل به استقرار موجود ایستگاه سوپرهوش مصنوعی هستند، نه جایگزینی برای آن.
مقایسهی هزینه: هوش مصنوعی مقیاسپذیر داخلی در مقابل رابطهای برنامهنویسی ابری هوش مصنوعی
برای کسبوکارهای کوچک و متوسط (SMB) که روزانه حجم بالایی از اسناد را پردازش میکنند، تفاوت بین یک خوشهی داخلی ثابت و صورتحسابدهی ابری هوش مصنوعی مبتنی بر مصرف، بهمرور زمان بهطور قابل توجهی افزایش مییابد.
| دستهی هزینه | رابطهای برنامهنویسی ابری هوش مصنوعی | Supermicro (داخلی) |
|---|---|---|
| سرمایهگذاری اولیهی سختافزاری | هیچ | ریال ۱۳۷ میلیارد (یکباره) |
| هزینهی عملیاتی سال ۱ | ~ریال ۱۴۰B – ~ریال ۳۵۰B | ~ریال ۶B (برق & نگهداری) |
| هزینهی عملیاتی سال ۲ | ~ریال ۱۴۰B – ~ریال ۳۵۰B | ~ریال ۶B (برق & نگهداری) |
| هزینهی عملیاتی سال ۳ | ~ریال ۱۴۰B – ~ریال ۳۵۰B | ~ریال ۶B (برق & نگهداری) |
| هزینهی تجمعی ۳ ساله | ~ریال ۴۰۰B – ~ریال ۱T | ~ریال ۱۶۰ میلیارد |
از آنجا که پردازش کاملاً در محل انجام میشود، اسناد و دادههای تجاری به سرورهای شخص ثالث منتقل نمیشوند. این موضوع برای سازمانهای فعال در بخشهای حقوقی، مالی یا سایر بخشهای حساس به داده، ملاحظهای مرتبط است.
خلاصه
ایستگاه سوپرهوش مصنوعی GB300 دسترسی به هوش مصنوعی محلی با قابلیت پردازش مدلهای تریلیون پارامتری را با هزینهای محدود ارائه میدهد. این سیستم قادر است بهتدریج و ایستگاه به ایستگاه رشد کند و در نهایت به زیرساختهای HGX B300 یا GB300 NVL72 توسعه یابد. برای کسبوکارهای کوچک و متوسط (SME) با بارهای کاری هوش مصنوعی در حال رشد، میتواند جایگزینی کمهزینهتر نسبت به هزینههای هوش مصنوعی ابری فراهم کند.
