🛒 0

Exxact Valence DGX Station

Chip NVIDIA GB300 Grace Blackwell Ultra Superchip
Memória Coerente 748 GB unificados: 496 GB LPDDR5X + 252 GB HBM3e
Desempenho de IA 20 PetaFLOPS (FP4)
Redes 2× ConnectX-8 SuperNIC de 400G
94 000 €

A nossa equipa entrará em contacto com uma cotação de preço personalizada.

Use isto para distinguir diferentes configurações no seu carrinho — útil se encomendar o mesmo produto com opções diferentes.

Preço total 94 000 €

Especificações Completas

Computação e Memória

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 núcleos Arm Neoverse V2

GPU

1× NVIDIA Blackwell Ultra GPU

Memória Coerente

748 GB unificados: 496 GB LPDDR5X + 252 GB HBM3e

Desempenho de IA

20 PetaFLOPS (FP4) / 10 PetaFLOPS (FP8)

Armazenamento e Físico

Armazenamento (Slots)

2× M.2 2280 PCIe 5.0 x4 NVMe (sistema) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s, caminho de dados de treino)

Fator de Forma

Torre completa para desktop, arquitetura NVIDIA DGX Station

Dimensões

24,4 x 59,4 x 29,5 cm

Rede e Expansão

Rede de Alta Velocidade

2× portas QSFP112 de 400G via NVIDIA ConnectX-8 SuperNIC, mais 1× porta de gestão RJ45 10GbE

Expansão PCIe

PCIe 5.0, 1× slot de dupla largura x16; suporta uma GPU discreta opcional RTX PRO 6000 Blackwell (96 GB GDDR7)

Energia e Térmica

Fonte de Alimentação

Fonte de alimentação ATX de 1600 W, eficiência Titanium, tomada padrão de escritório

Arrefecimento

Arrefecimento líquido de circuito fechado, otimizado para acústica adequada a escritórios sob cargas de trabalho de IA sustentadas

Gestão e Software

BMC

ASPEED AST2600

Gestão Remota

IPMI 2.0 e API Redfish, monitorização e controlo em estilo de datacenter

Partição de GPU

Multi-Instance GPU (MIG), até 7 instâncias isoladas com qualidade de serviço garantida

Pilha de Software

Ambiente Linux pré-instalado com ferramentas NVIDIA AI Enterprise, pronto para implementação do agente NVIDIA NemoClaw

Prefere um resumo rápido com IA? Salte a leitura — examine as especificações completas deste produto e adequação ao seu caso de uso com um assistente de IA à sua escolha.

A Exxact apresentou a Valence DGX Station a 20 de janeiro de 2026, um sistema de mesa construído na plataforma NVIDIA GB300 Grace Blackwell Superchip de acordo com as especificações DGX Station da NVIDIA, concebido para executar modelos de triliões de parâmetros localmente a partir de uma única torre amigável para escritório.

Especificações de Hardware

A Valence é construída em torno de um único NVIDIA Grace CPU Superchip — 72 núcleos Arm Neoverse V2 e 496 GB de memória LPDDR5X — emparelhado com uma NVIDIA Blackwell Ultra GPU com 252 GB de memória GPU HBM3e, unificados através de NVLink-C2C numa pool de memória coerente de 748 GB. O armazenamento está dividido em dois níveis: 2× M.2 2280 PCIe 5.0 x4 NVMe para o sistema operativo, e 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s) reservados como um caminho dedicado para dados de treino e checkpoints de modelos, mantendo a I/O diária do sistema separada das cargas de trabalho pesadas de IA. A rede é tratada por uma ConnectX-8 SuperNIC de 400G de dupla porta, complementada por uma porta 10GbE para gestão fora de banda.

Um slot PCIe 5.0 x16 de dupla largura permite adicionar ao sistema uma GPU discreta RTX PRO 6000 Blackwell com 96 GB de GDDR7.

Servidor de IA Local para Uso Empresarial

A Valence foi concebida para funcionar como um recurso de IA local partilhado. Vários funcionários podem submeter tarefas de processamento de documentos — revisão de contratos, extração de faturas, elaboração de relatórios, triagem de e-mails — durante o dia de trabalho, com os trabalhos tratados centralmente no local, em vez de serem encaminhados através de serviços de cloud externos.

Através do NVIDIA NemoClaw, agentes autónomos podem funcionar continuamente no sistema, lidando com tarefas recorrentes como monitorização de caixas de entrada ou geração de relatórios programados sem exigir que uma pessoa inicie cada pedido. Isto permite que a Valence funcione como infraestrutura de IA contínua para a empresa, suportando cargas de trabalho de documentos estáveis.

Comparação de Custos: On-Premises vs. APIs de IA na Cloud

Para PMEs que processam grandes volumes de documentos diariamente, a diferença entre um sistema on-premises e a faturação de IA na cloud aumenta significativamente ao longo do tempo.

APIs de IA na Cloud
~250k - ~650k €
ao longo de 3 anos, carga de trabalho sustentada
A faturação baseada no uso escala com o volume. Os custos aumentam linearmente (ou mais rapidamente) à medida que a carga de trabalho de documentos/agentes cresce, sem limite máximo.
Exxact Valence DGX Station
~€105K
ao longo de 3 anos, custos fixos de hardware + operação
Custo único de hardware mais energia e manutenção previsíveis. O custo mantém-se constante independentemente da intensidade de utilização do sistema.
Repartição Estimada de Custos de 3 Anos: Valence vs. APIs de IA na Cloud
Categoria de CustoAPIs de IA na CloudValence (On-Premises)
Investimento inicial em hardwareNenhum€94K (única vez)
Custos operacionais ano 1~90k - ~220k €~4k € (energia & manutenção)
Custos operacionais ano 2~90k - ~220k €~4k € (energia & manutenção)
Custos operacionais ano 3~90k - ~220k €~4k € (energia & manutenção)
Custo cumulativo de 3 anos~250k - ~650k €~€105K

Como o processamento ocorre totalmente no local, os documentos e dados empresariais não são transmitidos para servidores de terceiros. Esta é uma consideração relevante para organizações em setores jurídicos, financeiros ou outros setores sensíveis a dados.

Resumo

A Valence DGX Station combina um sistema de custo fixo e amigável para mesa com a arquitetura para executar grandes modelos de IA localmente, mais a flexibilidade para adicionar capacidade de renderização através de uma GPU RTX PRO Blackwell opcional. Para PMEs com cargas de trabalho de IA sustentadas, oferece uma alternativa de menor custo às despesas recorrentes de IA na cloud.

PortuguêsPortuguêspt🇵🇹EnglishInglêsen🇪🇺DeutschAlemãode🇩🇪БеларускаяBielorrussoby🇧🇾bosanskiBósnioba🇧🇦българскиBúlgarobg🇧🇬češtinaChecocz🇨🇿hrvatskiCroatahr🇭🇷danskDinamarquêsdk🇩🇰slovenčinaEslovacosk🇸🇰SlovenecEslovenosi🇸🇮EspañolEspanholes🇪🇸EestiEstonianoee🇪🇪suomiFinlandêsfi🇫🇮FrançaisFrancêsfr🇫🇷ΕλληνικάGregogr🇬🇷NederlandsHolandêsnl🇳🇱magyarHúngarohu🇭🇺ItalianoItalianoit🇮🇹latviešuLetãolv🇱🇻LietuviųLituanolt🇱🇹BokmålNorueguêsno🇳🇴PolerowaćPolacopl🇵🇱românăRomenoro🇷🇴СрпскиSérviors🇷🇸svenskaSuecose🇸🇪українськаUcranianoua🇺🇦العربيةÁrabear🇸🇦বাংলাBengalibd🇧🇩မြန်မာBirmanêsmm🇲🇲ҚазақCazaquekz🇰🇿简体Chinêscn🇨🇳繁體Chin. Trad.hk🇭🇰සිංහලCingalêslk🇱🇰한국어Coreanokr🇰🇷ქართულიGeorgianoge🇬🇪עבריתHebraicoil🇮🇱हिंदीHindihi🇮🇳BahasaIndonésioid🇮🇩日本語Japonêsjp🇯🇵MelayuMalaiomy🇲🇾मराठीMaratamr🇮🇳नेपालीNepalêsnp🇳🇵فارسیPersair🇮🇷ਪੰਜਾਬੀPunjabipa🇮🇳РусскийRussoru🇷🇺TagalogTagaloph🇵🇭ไทยTailandêsth🇹🇭தமிழ்Tâmilta🇱🇰తెలుగుTelugute🇮🇳TürkçeTurcotr🇹🇷اردوUrdupk🇵🇰O'zbekUzbequeuz🇺🇿Tiếng ViệtVietnamitavn🇻🇳