AI Supercomputers/NVIDIA DGX Station/DGX Station / GB300/Supermicro Super AI Station
Supermicro Super AI Station — Front z bliska
Front z bliska
AI Supercomputers · DGX Station / GB300
NVIDIAGrace Blackwell

Supermicro Super AI Station

Stacja Supermicro ARS-511GD-NB-LCC w obudowie Tower/5U, oparta na GB300 i przeznaczona do lokalnego AI oraz pracy w klastrze.
Opłata miesięczna — wybierz okres najmu
miesiąc
45 200 złnetto/mies.
bez zobowiązania
6 miesięcy rabat 10%
40 680 złnetto/mies.
razem 244 080 zł za 6 mies.
12 miesięcy rabat 17%
37 492 złnetto/mies.
razem 449 904 zł za 12 mies.

Wybrany okres: miesiąc — opłata 45 200 zł netto/mies., bez zobowiązania — rezygnujesz kiedy chcesz. Opłata wdrożeniowa 3 900 zł jednorazowo.

Ceny netto, opłata miesięczna przy wybranym okresie. Maszyna stoi w naszej serwerowni, pracuje pod zasilaniem awaryjnym i chłodzeniem, a dostęp jest zdalny. W abonamencie: łącze 1 Gbit/s, transfer do 20 TB miesięcznie, adres IPv4, IPv6 /64, prywatny VLAN 10 Gbit/s, kopia zapasowa konfiguracji i wsparcie w godzinach roboczych. Abonament płatny z góry za okres rozliczeniowy, przelewem, termin 7 dni od faktury; naliczanie zaczyna się od wydania maszyny. Najem miesięczny wypowiadasz z miesięcznym wyprzedzeniem, bez dodatkowych opłat. Przy okresie 6 lub 12 miesięcy wcześniejsza rezygnacja jest możliwa — rozliczamy wtedy udzielony rabat i część pozostałych okresów na zasadach z umowy. Opłata wdrożeniowa 3 900 zł netto dotyczy wyłącznie najmu miesięcznego — przy pakiecie od 3 miesięcy nie pobieramy jej wcale.

ModelSupermicro Super AI Station
CPUNVIDIA Grace — 72 rdzenie Arm Neoverse V2
GPU wbudowaneNVIDIA Blackwell Ultra B300 — 252 GB HBM3e
Pamięć koherentna748 GB
Wydajność AIdo 20 PFLOPS FP4
ChłodzenieZamknięty obieg cieczy — cicha praca 24/7
Storage4× M.2 2280 PCIe Gen5 x4
ObudowaTower deskside albo 5U rack — gniazdo NEMA 5-20
MIGdo 7 instancji GPU
BezpieczeństwoRoot of trust, secure boot, tryb air-gapped
Zasilacz1600 W Titanium

Do czego służy NVIDIA GB300 NVL72

Domena NVLink obejmująca 72 układy zmienia sposób pisania kodu treningowego: model, którego wagi nie mieszczą się w jednym węźle, nie musi być dzielony na fragmenty komunikujące się przez sieć klastrową, bo cała szafa udostępnia spójną przestrzeń pamięci. To scenariusz dla modeli fundamentowych oraz dla inferencji rozumującej, w której długość łańcucha tokenów decyduje o opóźnieniu odpowiedzi.

Więcej o karcie: NVIDIA GB300 NVL72 — wynajem infrastruktury rack-scale AI

Zapytaj o wycenę