🛒 0

ASUS ExpertCenter Pro ET900N G3 เวิร์กสเตชัน AI

ชิป NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
หน่วยความจำแบบเชื่อมโยง 748 GB แบบรวม: 496 GB LPDDR5X + 252 GB HBM3e
ประสิทธิภาพ AI 20 PetaFLOPS (FP4)
เครือข่าย 2× ConnectX-8 SuperNIC 400G (800 Gb/s)
฿3,328,770

ทีมของเราจะติดตามกลับด้วยการเสนอราคาที่ออกแบบตามความต้องการ

ใช้เพื่อแยกความแตกต่างระหว่างการตั้งค่าในรถเข็นของคุณ — มีประโยชน์เมื่อสั่งซื้อสินค้าชนิดเดียวกันด้วยตัวเลือกต่างกัน

ราคารวม ฿3,328,770

ข้อมูลจำเพาะเต็ม

การคำนวณและหน่วยความจำ

ซีพียู

NVIDIA Grace CPU Superchip, 72 คอร์ Arm Neoverse V2

จีพียู

1× NVIDIA Blackwell Ultra GPU

หน่วยความจำแบบเชื่อมโยง

748 GB แบบรวม: 496 GB LPDDR5X + 252 GB HBM3e ผ่าน NVLink-C2C (900 GB/s)

ประสิทธิภาพ AI

20 PetaFLOPS (FP4)

ที่เก็บข้อมูลและทางกายภาพ

ที่เก็บข้อมูล (ช่องเสียบ)

2× M.2 2280 PCIe 5.0 x4 NVMe + 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s)

ขนาด

58.4 x 23.2 x 56.5 ซม.

น้ำหนัก

27 กก. (น้ำหนักสุทธิ)

เครือข่ายและการขยาย

เครือข่ายความเร็วสูง

พอร์ต QSFP112 400G จำนวน 2× ผ่าน NVIDIA ConnectX-8 SuperNIC (รวม 800 Gb/s)

การขยาย PCIe

PCIe 5.0, ช่อง 3× (1× x16 + 2× x8), รองรับการ์ดจอ NVIDIA RTX PRO Blackwell เพิ่มเติม

พลังงานและความร้อน

แหล่งจ่ายไฟ

แหล่งจ่ายไฟ ATX 1600 W, ประสิทธิภาพระดับ Titanium (สูงสุด 1800 W ในโหมดพีค)

ระบบทำความเย็น

การออกแบบระบบระบายความร้อนระดับศูนย์ข้อมูล, ได้รับการรับรองสำหรับการทำงานต่อเนื่องตลอด 24 ชั่วโมง

อุณหภูมิในการทำงาน

10 °C ถึง 35 °C โดยรอบ

การจัดการและซอฟต์แวร์

บีเอ็มซี

ASPEED AST2600

การจัดการระยะไกล

IPMI 2.0 และ Redfish API, การตรวจสอบและการควบคุมแบบศูนย์ข้อมูล

ความปลอดภัย

TPM 2.0 บนบอร์ด

ระบบปฏิบัติการ

ระบบปฏิบัติการที่ใช้ Ubuntu พร้อมซอฟต์แวร์สแต็กสำหรับนักพัฒนา AI จาก NVIDIA

ต้องการสรุปแบบรวดเร็วด้วย AI ไหม? ข้ามการอ่าน — ตรวจสอบข้อมูลจำเพาะเต็มและความเหมาะสมสำหรับการใช้งานของคุณด้วยผู้ช่วย AI ที่คุณเลือก

ASUS เปิดตัว ExpertCenter Pro ET900N G3 เมื่อวันที่ 15 มิถุนายน 2026 ซึ่งสร้างขึ้นรอบซิปเดี่ยว NVIDIA GB300 Grace Blackwell Ultra Superchip และบรรจุในเคสแบบตั้งโต๊ะ ระบบนี้ออกแบบมาเพื่อรันโมเดล AI พารามิเตอร์ล้านล้านโดยตรงในสถานที่

สเปกฮาร์ดแวร์

ET900N G3 สร้างขึ้นรอบซิปเดี่ยว NVIDIA Grace CPU Superchip — 72 คอร์ Arm Neoverse V2 และหน่วยความจำ LPDDR5X 496 GB — จับคู่กับ NVIDIA Blackwell Ultra GPU พร้อมหน่วยความจำ GPU HBM3e 252 GB ทั้งสองเชื่อมต่อผ่าน NVLink-C2C ที่ความเร็ว 900 GB/s เข้าสู่พูลหน่วยความจำแบบเชื่อมโยง 748 GB เดียวกัน ช่วยให้สามารถเข้าถึงโมเดล AI ขนาดใหญ่เป็นพื้นที่รวมหนึ่งเดียวแทนที่จะแยกกันระหว่างหน่วยความจำ CPU และ GPU การจัดเก็บข้อมูลจัดเรียงผ่านสล็อต M.2 2280 NVMe สี่ช่อง: ไดรฟ์ PCIe 5.0 สองตัวใน RAID 1 สำหรับระบบปฏิบัติการ และไดรฟ์ PCIe 6.0 สองตัวสำหรับข้อมูลแอคทีฟและที่เก็บโมเดล ความจุรวมสูงสุด 8 TB การเชื่อมต่อเครือข่ายจัดการโดย ConnectX-8 SuperNIC แบบสองพอร์ต ให้แบนด์วิธรวม 800 Gb/s สำหรับเชื่อมต่อกับที่เก็บข้อมูลแบบแชร์หรือระบบประมวลผลเพิ่มเติม

เซิร์ฟเวอร์ AI ภายในองค์กรสำหรับการใช้งานธุรกิจ

ET900N G3 ออกแบบมาเพื่อทำหน้าที่เป็นทรัพยากร AI แบบท้องถิ่นที่ใช้งานร่วมกัน แทนที่จะเป็นเครื่องมือสำหรับผู้ใช้คนเดียว พนักงานหลายคนสามารถส่งงานประมวลผลเอกสาร — การตรวจสัญญา การดึงข้อมูลใบแจ้งหนี้ การร่างรายงาน การคัดแยกอีเมล — ตลอดวันทำงาน โดยงานถูกจัดการแบบรวมศูนย์ในสถานที่ แทนที่จะถูกส่งผ่านบริการคลาวด์ภายนอก

ผ่าน NVIDIA NemoClaw เอเจนต์อัตโนมัติสามารถทำงานต่อเนื่องบนระบบได้ โดยจัดการงานซ้ำ ๆ เช่น การตรวจสอบกล่องขาเข้าหรือการสร้างรายงานตามกำหนดการ โดยไม่ต้องมีบุคคลเริ่มต้นคำขอแต่ละครั้ง สิ่งนี้ทำให้ ET900N G3 สามารถทำงานเป็นโครงสร้างพื้นฐาน AI ที่ต่อเนื่องสำหรับธุรกิจ รองรับเวิร์กโหลดเอกสารที่มั่นคง

การเปรียบเทียบต้นทุน: On-Premises เทียบกับ Cloud AI APIs

สำหรับเอสเอ็มบีที่ประมวลผลเอกสารปริมาณสูงเป็นประจำทุกวัน ความแตกต่างระหว่างระบบออน-พรีมิสแบบคงที่กับการเรียกเก็บเงิน AI คลาวด์ตามการใช้งานจะเพิ่มขึ้นอย่างมีนัยสำคัญเมื่อเวลาผ่านไป

Cloud AI APIs
~฿10M - ~฿25M
ตลอด 3 ปี เวิร์กโหลดต่อเนื่อง
การเรียกเก็บเงินตามการใช้งานปรับขนาดตามปริมาณ ต้นทุนเพิ่มขึ้นแบบเส้นตรง (หรือเร็วกว่า) เมื่อเวิร์กโหลดเอกสาร/เอเจนต์เพิ่มขึ้น โดยไม่มีเพดานจำกัด
ASUS ExpertCenter Pro ET900N G3 เวิร์กสเตชัน AI
3828091 THB
ตลอด 3 ปี ฮาร์ดแวร์คงที่ + ต้นทุนการดำเนินงาน
ต้นทุนฮาร์ดแวร์ครั้งเดียวบวกกับค่าไฟและการบำรุงรักษาที่คาดการณ์ได้ ต้นทุนคงที่โดยไม่คำนึงว่าจำนวนการใช้งานระบบจะมากเพียงใด
รายละเอียดต้นทุนโดยประมาณ 3 ปี: ET900N G3 เทียบกับ Cloud AI APIs
หมวดหมู่ต้นทุนCloud AI APIsET900N G3 (On-Premises)
การลงทุนฮาร์ดแวร์เริ่มต้นไม่มี$100K (ครั้งเดียว)
ต้นทุนการดำเนินงานปีที่ 1~฿3.3M - ~฿8.3M~฿160K (ค่าไฟ & การบำรุงรักษา)
ต้นทุนการดำเนินงานปีที่ 2~฿3.3M - ~฿8.3M~฿160K (ค่าไฟ & การบำรุงรักษา)
ต้นทุนการดำเนินงานปีที่ 3~฿3.3M - ~฿8.3M~฿160K (ค่าไฟ & การบำรุงรักษา)
ต้นทุนสะสม 3 ปี~฿10M - ~฿25M3828091 THB

เนื่องจากการประมวลผลเกิดขึ้นในสถานที่ทั้งหมด เอกสารและข้อมูลธุรกิจจึงไม่ถูกส่งไปยังเซิร์ฟเวอร์ของบุคคลที่สาม นี่เป็นข้อพิจารณาที่เกี่ยวข้องสำหรับองค์กรในภาคกฎหมาย การเงิน หรือภาคส่วนอื่นที่อ่อนไหวต่อข้อมูล

การขยายสำหรับเวิร์กโหลดที่เติบโต

สล็อต PCIe 5.0 สามช่อง (หนึ่ง x16 สอง x8) ช่วยให้สามารถขยายระบบด้วย GPU แบบแยกส่วนเพิ่มเติม รวมถึงการ์ดซีรีส์ NVIDIA RTX PRO Blackwell (96GB GDDR7)

เทคโนโลยี Multi-Instance GPU (MIG) ของ NVIDIA ช่วยให้แบ่ง GPU Blackwell Ultra เป็นอินสแตนซ์แยกได้สูงสุดเจ็ดอินสแตนซ์ สิ่งนี้ทำให้ ET900N G3 เดียวกันสามารถให้บริการเวิร์กโหลดแยกต่างหากหลายอย่างพร้อมกัน — เช่น ทีมหนึ่งปรับแต่งโมเดลขณะที่อีกทีมรันอินเฟอเรนซ์ — โดยแต่ละอินสแตนซ์ทำงานแยกจากกัน

ความน่าเชื่อถือระดับองค์กรและการจัดการระยะไกล

ET900N G3 ถูกออกแบบมาสำหรับการทำงานต่อเนื่องโดยไม่ต้องดูแล การออกแบบระบบระบายความร้อนได้รับการรับรองสำหรับเวิร์กโหลด 24/7 ต่อเนื่องในช่วงอุณหภูมิแวดล้อม 10 °C ถึง 35 °C โดยมีแหล่งจ่ายไฟประสิทธิภาพ Titanium 1600 W ที่สามารถจ่ายได้สูงสุด 1800 W ภายใต้โหลด GPU สูงสุด ตัวควบคุมการจัดการเมนบอร์ด ASPEED AST2600 ให้การตรวจสอบและควบคุมระยะไกลตามมาตรฐาน IPMI 2.0 และ Redfish — มาตรฐานเดียวกับที่ใช้จัดการเซิร์ฟเวอร์ศูนย์ข้อมูล — ในขณะที่โมดูล TPM 2.0 ออนบอร์ดสนับสนุนความปลอดภัยระดับฮาร์ดแวร์

สรุป

ExpertCenter Pro ET900N G3 รวมศูนย์การประมวลผล AI ระดับศูนย์ข้อมูล หน่วยความจำแบบเชื่อมโยง และความสามารถในการจัดการระดับองค์กรไว้ในระบบตั้งโต๊ะเดี่ยว สำหรับเอสเอ็มบีที่มีเวิร์กโหลด AI ต่อเนื่อง ระบบนี้เสนอทางเลือกต้นทุนที่ต่ำกว่าการใช้จ่าย AI คลาวด์แบบเกิดซ้ำ

한국어เกาหลีkr🇰🇷Қазақคาซัคkz🇰🇿ქართულიจอร์เจียge🇬🇪简体จีนcn🇨🇳繁體จีนตัวเต็มhk🇭🇰日本語ญี่ปุ่นjp🇯🇵Tagalogตากาล็อกph🇵🇭Türkçeตุรกีtr🇹🇷తెలుగుเตลูกูte🇮🇳தமிழ்ทมิฬta🇱🇰ไทยไทยth🇹🇭नेपालीเนปาลnp🇳🇵বাংলাเบงกาลีbd🇧🇩ਪੰਜਾਬੀปัญจาบpa🇮🇳فارسیเปอร์เซียir🇮🇷မြန်မာพม่าmm🇲🇲मराठीมราราฐีmr🇮🇳Melayuมลายูmy🇲🇾Русскийรัสเซียru🇷🇺Tiếng Việtเวียดนามvn🇻🇳සිංහලสิงหลlk🇱🇰العربيةอาอาหรับar🇸🇦Bahasaอินโดนีเซียid🇮🇩O'zbekอุซเบกuz🇺🇿اردوอูรดูpk🇵🇰हिंदीฮินดีhi🇮🇳עבריתฮีบรูil🇮🇱Ελληνικάกรีกgr🇬🇷hrvatskiโครเอเชียhr🇭🇷češtinaเช็กcz🇨🇿Српскиเซอร์เบียrs🇷🇸Nederlandsดัตช์nl🇳🇱danskเดนมาร์กdk🇩🇰Bokmålนอร์เวย์no🇳🇴bosanskiบอสเนียba🇧🇦българскиบัลแกเรียbg🇧🇬Беларускаяเบลารุสby🇧🇾Portuguêsโปรตุเกสpt🇵🇹Polerowaćโปแลนด์pl🇵🇱Françaisฝรั่งเศสfr🇫🇷suomiฟินแลนด์fi🇫🇮українськаยูเครนua🇺🇦Deutschเยอรมันde🇩🇪românăโรมาเนียro🇷🇴latviešuลัตเวียlv🇱🇻Lietuviųลิทัวเนียlt🇱🇹Españolสเปนes🇪🇸slovenčinaสโลวักsk🇸🇰Slovenecสโลวีเนียsi🇸🇮svenskaสวีเดนse🇸🇪Englishอังกฤษen🇪🇺Italianoอิตาลีit🇮🇹Eestiเอสโตเนียee🇪🇪magyarฮังการีhu🇭🇺