एक्झॅक्ट व्हॅलेन्स डीजीएक्स स्टेशन
तुमच्या कार्टमधील वेगवेगळ्या कॉन्फिगरेशन्स ओळखण्यासाठी हे वापरा — उपयुक्त जर तुम्ही समान उत्पादन वेगवेगळ्या पर्यायांसह ऑर्डर करत असाल.
पूर्ण तपशील
संगणन आणि मेमरी
सुपरचिप
NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip
CPU
1× NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2 कोर
GPU
1× NVIDIA Blackwell Ultra GPU
सुसंगत मेमरी
748 GB एकत्रित: 496 GB LPDDR5X + 252 GB HBM3e
AI कार्यक्षमता
20 पेटाफ्लॉप्स (FP4) / 10 पेटाफ्लॉप्स (FP8)
स्टोरेज आणि भौतिक
स्टोरेज (स्लॉट्स)
2× M.2 2280 PCIe 5.0 x4 NVMe (सिस्टम) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s, प्रशिक्षण डेटा पथ)
फॉर्म फॅक्टर
फुल-टॉवर डेस्कसाइड, NVIDIA DGX Station आर्किटेक्चर
परिमाणे
२४.४ x ५९.४ x २९.५ सेमी
नेटवर्किंग आणि विस्तार
हाय-स्पीड नेटवर्किंग
2× 400G QSFP112 पोर्ट NVIDIA ConnectX-8 SuperNIC द्वारे, प्लस 1× 10GbE RJ45 व्यवस्थापन पोर्ट
PCIe विस्तार
PCIe 5.0, 1× डबल-विड्थ x16 स्लॉट; पर्यायी डिस्क्रीट RTX PRO 6000 Blackwell GPU (96 GB GDDR7) समर्थन करते
वीज आणि थर्मल
वीज पुरवठा
1600 W ATX वीज पुरवठा, टायटॅनियम कार्यक्षमता, मानक ऑफिस आउटलेट
कूलिंग
क्लोज्ड-लूप द्रव कूलिंग, सतत AI वर्कलोड अंतर्गत ऑफिस-योग्य ध्वनी साठी ट्यून केलेले
व्यवस्थापन आणि सॉफ्टवेअर
BMC
ASPEED AST2600
दूरस्थ व्यवस्थापन
IPMI 2.0 आणि Redfish API, डेटा-सेंटर-शैली मॉनिटरिंग आणि नियंत्रण
GPU विभाजन
मल्टी-इन्स्टन्स GPU (MIG), ग्यारंटीड सर्व्हिस क्वालिटीसह 7 पर्यंत वेगळ्या इन्स्टन्स
सॉफ्टवेअर स्टॅक
NVIDIA AI Enterprise साधनांसह पूर्वस्थापित लिनक्स वातावरण, NVIDIA NemoClaw एजंट डेप्लॉयमेंटसाठी तयार
एक्झॅक्टने 20 जानेवारी 2026 रोजी व्हॅलेन्स डीजीएक्स स्टेशन सादर केले, ही डेस्कसाइड सिस्टम NVIDIA च्या DGX स्टेशन स्पेसिफिकेशन अंतर्गत NVIDIA GB300 ग्रेस ब्लॅकवेल सुपरचिप प्लॅटफॉर्मवर बांधली गेली आहे, जी एकाच ऑफिस-फ्रेंडली टॉवरमधून स्थानिक पातळीवर ट्रिलियन-पॅरामीटर मॉडेल्स चालविण्यासाठी डिझाइन केली आहे.
हार्डवेअर स्पेसिफिकेशन्स
व्हॅलेन्स एका NVIDIA ग्रेस CPU सुपरचिप — 72 आर्म निओव्हर्स V2 कोर आणि 496 GB LPDDR5X मेमरी — च्या आधारे बांधली गेली आहे, जी 252 GB HBM3e GPU मेमरी असलेल्या NVIDIA ब्लॅकवेल अल्ट्रा GPU सोबत जोडली गेली आहे, NVLink-C2C द्वारे 748 GB च्या सुसंगत मेमरी पूलमध्ये एकत्रित केली आहे. स्टोरेज दोन स्तरांमध्ये विभागली गेली आहे: ऑपरेटिंग सिस्टमसाठी 2× M.2 2280 PCIe 5.0 x4 NVMe आणि ट्रेनिंग डेटा आणि मॉडेल चेकपॉइंट्ससाठी समर्पित मार्ग म्हणून राखीव 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s), ज्यामुळे दैनंदिन सिस्टम I/O जड AI वर्कलोडपासून वेगळी राहते. नेटवर्किंग ड्युअल-पोर्ट कनेक्टX-8 400G सुपरNIC द्वारे हाताळली जाते, ज्याला आउट-ऑफ-बँड मॅनेजमेंटसाठी 10GbE पोर्ट पूरक आहे.
डबल-विड्थ PCIe 5.0 x16 स्लॉटमुळे 96 GB GDDR7 असलेला वेगळा RTX PRO 6000 ब्लॅकवेल GPU सिस्टममध्ये जोडता येतो.
व्यवसाय वापरासाठी स्थानिक AI सर्व्हर
व्हॅलेन्स ही सामायिक स्थानिक AI संसाधन म्हणून कार्य करण्यासाठी डिझाइन केली आहे. एकाच कामकाजाच्या दिवसात अनेक कर्मचारी डॉक्युमेंट प्रोसेसिंग टास्क — करार पुनरावलोकन, इनव्हॉइस एक्सट्रॅक्शन, अहवाल मसुदा, ईमेल ट्रायज — सबमिट करू शकतात, जे काम बाह्य क्लाउड सेवांमार्गे न रूट करता ऑन-साइट केंद्रीय पातळीवर हाताळले जातात.
NVIDIA नेमोक्लॉ द्वारे, स्वायत्त एजंट्स सिस्टमवर सतत चालू शकतात, ज्यामुळे इनबॉक्स मॉनिटरिंग किंवा शेड्यूल्ड रिपोर्ट जनरेशन सारख्या आवर्ती कामे प्रत्येक विनंतीला व्यक्तीची आवश्यकता नसता हाताळली जातात. यामुळे व्हॅलेन्स व्यवसायासाठी सतत चालणारी AI इन्फ्रास्ट्रक्चर म्हणून कार्य करू शकते, जी स्थिर डॉक्युमेंट वर्कलोड्सला आधार देते.
खर्च तुलना: ऑन-प्रिमायसेस वि. क्लाउड AI API
दररोज मोठ्या प्रमाणात डॉक्युमेंट प्रोसेस करणाऱ्या लहान-मध्यम व्यवसायांसाठी (SMBs), ऑन-प्रिमायसेस सिस्टम आणि क्लाउड AI बिलिंगमधील फरक कालांतराने लक्षणीयरीत्या वाढतो.
| खर्च श्रेणी | क्लाउड AI API | Valence (ऑन-प्रिमायसेस) |
|---|---|---|
| प्रारंभिक हार्डवेअर गुंतवणूक | काहीही नाही | ₹९० लाख (एक-वेळचा) |
| वर्ष 1 ऑपरेटिंग खर्च | ~₹९.६ लाख – ~₹२.४ करोड | ~₹४.८ लाख (वीज & देखभाल) |
| वर्ष 2 ऑपरेटिंग खर्च | ~₹९.६ लाख – ~₹२.४ करोड | ~₹४.८ लाख (वीज & देखभाल) |
| वर्ष 3 ऑपरेटिंग खर्च | ~₹९.६ लाख – ~₹२.४ करोड | ~₹४.८ लाख (वीज & देखभाल) |
| एकूण 3-वर्ष खर्च | ~₹२.९ करोड – ~₹७.२ करोड | ~₹१०५ लाख |
प्रक्रिया पूर्णपणे ऑन-साइट होत असल्याने, डॉक्युमेंट्स आणि व्यवसाय डेटा तृतीय-पक्ष सर्व्हरवर पाठवला जात नाही. कायदेशीर, आर्थिक किंवा इतर डेटा-संवेदनशील क्षेत्रातील संस्थांसाठी हे एक महत्त्वाचे विचार आहे.
सारांश
व्हॅलेन्स डीजीएक्स स्टेशन निश्चित-खर्चाची, डेस्कसाइड-फ्रेंडली सिस्टम स्थानिक पातळीवर मोठे AI मॉडेल चालविण्यासाठीच्या आर्किटेक्चरसोबत एकत्रित करते, तसेच पर्यायी RTX PRO ब्लॅकवेल GPU द्वारे रेंडरिंग क्षमता जोडण्याची लवचिकता देते. सतत AI वर्कलोड असलेल्या लहान-मध्यम व्यवसयांसाठी, हे आवर्ती क्लाउड AI खर्चाचे कमी खर्चिक पर्यायी उपाय ठरते.
