NVIDIA DGX Station AI Workstation

A NVIDIA apresentou a DGX Station em 17 de março de 2026 como o sistema de mesa de referência para a plataforma NVIDIA GB300 Grace Blackwell Superchip — concebido e validado diretamente pela NVIDIA para executar modelos de triliões de parâmetros localmente, e produzido sob licença pelos parceiros de hardware da NVIDIA.

Especificações de Hardware

A DGX Station 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 do NVLink-C2C numa pool de memória coerente de 748 GB. Até 7 partições MIG isoladas permitem que uma única estação sirva várias equipas ou cargas de trabalho simultaneamente sem contenção. O sistema fornece 4× armazenamento NVMe M.2 2280 PCIe 5.0 x4, uma NVIDIA ConnectX-8 SuperNIC de dupla porta de 400G, e slots de expansão PCIe 5.0 para uma GPU NVIDIA RTX PRO opcional dedicada à saída de visualização e exibição.

Servidor de IA Local para Uso Empresarial

A DGX Station 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 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 programada de relatórios sem exigir que uma pessoa inicie cada pedido. Isto permite que a DGX Station opere como infraestrutura de IA contínua para a empresa, suportando cargas de trabalho de documentos estáveis.

Expandir a Capacidade: Cluster de Duas Estações

Para cargas de trabalho que excedam uma única unidade, duas DGX Stations podem ser ligadas através das suas portas SuperNIC ConnectX-8 de 400G integradas, combinando-se numa única pool de memória coerente de 1.496 GB endereçável em ambas as máquinas. Isto fornece um caminho de atualização direto para equipas em crescimento sem exigir uma nova arquitetura ou alterações de fluxo de trabalho, disponível como opção de configuração no checkout.

Uma Plataforma de Referência Construída sobre Nove Anos de Desenvolvimento da DGX Station

O nome DGX Station remonta a 2017, quando a NVIDIA introduziu a DGX Station original como uma alternativa de mesa para infraestrutura de IA montada em rack, construída em torno de quatro GPUs NVIDIA Tesla V100. Em novembro de 2020, a DGX Station A100 sucedeu-a, passando para quatro GPUs NVIDIA A100 Tensor Core e oferecendo até 320 GB de memória GPU espalhados por quatro placas separadas, cada uma exigindo que as cargas de trabalho fossem explicitamente distribuídas e geridas pela configuração multi-GPU.

A atual DGX Station, introduzida em 2026, substitui essa abordagem multi-GPU por um único NVIDIA GB300 Grace Blackwell Ultra Superchip: uma pool de memória unificada coerente de 748 GB partilhada diretamente entre a CPU e a GPU através do NVLink-C2C, em vez de quatro pools de memória GPU separadas unidas por software.

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 fixo e a faturação de IA na cloud baseada no uso aumenta significativamente ao longo do tempo.

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 legais, financeiros ou outros setores sensíveis a dados.

Resumo

A DGX Station fornece um sistema único de custo fixo capaz de suportar processamento contínuo de documentos com IA, combinado com a arquitetura de referência da NVIDIA para executar grandes modelos de IA localmente. Para PMEs com cargas de trabalho de IA sustentadas, oferece uma alternativa de menor custo às despesas recorrentes de IA na cloud, com um caminho de atualização documentado para um cluster de duas estações.