Exxact Valence DGX Station
ใช้เพื่อแยกความแตกต่างระหว่างการตั้งค่าในรถเข็นของคุณ — มีประโยชน์เมื่อสั่งซื้อสินค้าชนิดเดียวกันด้วยตัวเลือกต่างกัน
ข้อมูลจำเพาะเต็ม
การคำนวณและหน่วยความจำ
ซูเปอร์ชิป
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
ซีพียู
1× 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
ประสิทธิภาพ AI
20 เพตะฟล็อปส์ (FP4) / 10 เพตะฟล็อปส์ (FP8)
ที่เก็บข้อมูลและทางกายภาพ
ที่เก็บข้อมูล (ช่องเสียบ)
2× M.2 2280 PCIe 5.0 x4 NVMe (ระบบ) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s, เส้นทางข้อมูลการฝึกอบรม)
ฟอร์มแฟกเตอร์
แบบตั้งโต๊ะตู้เต็มขนาด, สถาปัตยกรรม NVIDIA DGX Station
ขนาด
24.4 x 59.4 x 29.5 ซม.
เครือข่ายและการขยาย
เครือข่ายความเร็วสูง
2× พอร์ต 400G QSFP112 ผ่าน NVIDIA ConnectX-8 SuperNIC, พร้อมพอร์ตจัดการ RJ45 10GbE 1×
การขยาย PCIe
PCIe 5.0, ช่องเสียบ x16 แบบความกว้างคู่ 1×; รองรับ GPU แยก RTX PRO 6000 Blackwell (96 GB GDDR7) ซึ่งเป็นตัวเลือกเสริม
พลังงานและความร้อน
แหล่งจ่ายไฟ
แหล่งจ่ายไฟ ATX 1600 วัตต์, ประสิทธิภาพระดับ Titanium, ใช้กับเต้ารับมาตรฐานในสำนักงาน
ระบบทำความเย็น
ระบบหล่อเย็นแบบวงจรปิด, ปรับแต่งให้มีระดับเสียงที่เหมาะสมสำหรับสำนักงานภายใต้ภาระงาน AI อย่างต่อเนื่อง
การจัดการและซอฟต์แวร์
บีเอ็มซี
ASPEED AST2600
การจัดการระยะไกล
IPMI 2.0 และ Redfish API, การตรวจสอบและการควบคุมแบบศูนย์ข้อมูล
การแบ่งพาร์ติชัน GPU
Multi-Instance GPU (MIG), สนับสนุนอินสแตนซ์แยกสูงสุด 7 อินสแตนซ์ด้วยคุณภาพบริการที่รับประกัน
ซอฟต์แวร์สแต็ก
สภาพแวดล้อม Linux ที่ติดตั้งล่วงหน้าพร้อมเครื่องมือ NVIDIA AI Enterprise พร้อมสำหรับการติดตั้งเอเจนต์ NVIDIA NemoClaw
Exxact เปิดตัว Valence DGX Station เมื่อวันที่ 20 มกราคม 2026 ระบบตั้งโต๊ะที่สร้างบนแพลตฟอร์ม NVIDIA GB300 Grace Blackwell Superchip ตามสเปค DGX Station ของ NVIDIA ออกแบบมาเพื่อรันโมเดลพารามิเตอร์ล้านล้านได้ภายในสำนักงานจากเครื่องทาวเวอร์ขนาดกะทัดรัด
สเปคฮาร์ดแวร์
Valence ถูกสร้างขึ้นรอบๆ NVIDIA Grace CPU Superchip เดียว — ประกอบด้วยคอร์ Arm Neoverse V2 จำนวน 72 คอร์ และหน่วยความจำ LPDDR5X 496 GB — จับคู่กับ NVIDIA Blackwell Ultra GPU พร้อมหน่วยความจำ GPU HBM3e 252 GB รวมเป็นพูลหน่วยความจำแบบเชื่อมโยง 748 GB ผ่าน NVLink-C2C ระบบจัดเก็บข้อมูลแบ่งเป็นสองระดับ: NVMe 2× M.2 2280 PCIe 5.0 x4 สำหรับระบบปฏิบัติการ และ NVMe 2× M.2 2280 PCIe 6.0 x4 (64GB/s) ที่สงวนไว้เป็นช่องทางเฉพาะสำหรับข้อมูลการฝึกและจุดตรวจสอบโมเดล แยกการรับส่งข้อมูลประจำวันออกจากเวิร์กโหลด AI หนัก การเชื่อมต่อเครือข่ายจัดการโดย ConnectX-8 400G SuperNIC แบบสองพอร์ต พร้อมพอร์ต 10GbE สำหรับการจัดการนอกแบนด์
สล็อต PCIe 5.0 x16 ขนาดคู่ช่วยให้สามารถเพิ่ม GPU RTX PRO 6000 Blackwell แบบแยกได้ พร้อมหน่วยความจำ GDDR7 96 GB เข้าสู่ระบบ
เซิร์ฟเวอร์ AI ภายในองค์กรสำหรับการใช้งานทางธุรกิจ
Valence ออกแบบมาเพื่อทำหน้าที่เป็นทรัพยากร AI แบบแบ่งปันภายในองค์กร พนักงานหลายคนสามารถส่งงานประมวลผลเอกสาร — เช่น ตรวจสัญญา ดึงข้อมูลใบแจ้งหนี้ ร่างรายงาน จัดลำดับอีเมล — ตลอดวันทำงาน โดยงานถูกจัดการแบบรวมศูนย์ภายในไซต์ แทนการส่งผ่านบริการคลาวด์ภายนอก
ผ่าน NVIDIA NemoClaw เอเจนต์อัตโนมัติสามารถทำงานต่อเนื่องบนระบบได้ โดยจัดการงานซ้ำๆ เช่น การตรวจสอบกล่องขาเข้าหรือการสร้างรายงานตามกำหนด โดยไม่ต้องมีบุคคลเริ่มต้นคำขอแต่ละครั้ง สิ่งนี้ทำให้ Valence ทำงานเป็นโครงสร้างพื้นฐาน AI ที่ต่อเนื่องสำหรับธุรกิจ รองรับเวิร์กโหลดเอกสารที่มั่นคง
เปรียบเทียบต้นทุน: On-Premises กับ Cloud AI APIs
สำหรับธุรกิจขนาดกลางและเล็ก (SMBs) ที่ประมวลผลเอกสารปริมาณสูงทุกวัน ความแตกต่างระหว่างระบบภายในองค์กรกับการเรียกเก็บเงิน AI แบบคลาวด์จะเพิ่มขึ้นอย่างมากเมื่อเวลาผ่านไป
| ประเภทต้นทุน | Cloud AI APIs | Valence (ภายในองค์กร) |
|---|---|---|
| การลงทุนฮาร์ดแวร์เริ่มต้น | ไม่มี | ฿3.13M (ครั้งเดียว) |
| ต้นทุนการดำเนินงานปีที่ 1 | ~฿3.3M - ~฿8.3M | ~฿160K (ไฟฟ้า & การบำรุงรักษา) |
| ต้นทุนการดำเนินงานปีที่ 2 | ~฿3.3M - ~฿8.3M | ~฿160K (ไฟฟ้า & การบำรุงรักษา) |
| ต้นทุนการดำเนินงานปีที่ 3 | ~฿3.3M - ~฿8.3M | ~฿160K (ไฟฟ้า & การบำรุงรักษา) |
| ต้นทุนสะสม 3 ปี | ~฿10M - ~฿25M | ~฿3.6M |
เนื่องจากการประมวลผลเกิดขึ้นภายในไซต์ทั้งหมด เอกสารและข้อมูลธุรกิจจึงไม่ถูกส่งไปยังเซิร์ฟเวอร์ของบุคคลที่สาม นี่เป็นข้อพิจารณาที่เกี่ยวข้องสำหรับองค์กรในภาคธุรกิจที่อ่อนไหวต่อข้อมูล เช่น กฎหมาย การเงิน หรืออื่นๆ
สรุป
Valence DGX Station รวมระบบต้นทุนคงที่ขนาดตั้งโต๊ะเข้ากับสถาปัตยกรรมการรันโมเดล AI ขนาดใหญ่ภายในองค์กร พร้อมความยืดหยุ่นในการเพิ่มความสามารถในการเรนเดอร์ผ่าน GPU RTX PRO Blackwell ที่เป็นตัวเลือก สำหรับธุรกิจขนาดกลางและเล็กที่มีเวิร์กโหลด AI อย่างต่อเนื่อง มันเสนอทางเลือกที่คุ้มค่าแทนการจ่ายค่าใช้จ่าย AI แบบคลาวด์ซ้ำๆ
