🛒 0

MSI EdgeXpert MS-C931

चिप NVIDIA GB10 Superchip
एकीकृत मेमरी 128 जीबी LPDDR5x
AI कार्यक्षमता 1 पेटाफ्लॉप (FP4)
स्टोरेज 4 TB पर्यंत PCIe Gen4
₹३८२,०३३
क्लस्टर कॉन्फिगरेशन

आमची टीम तुमच्यासाठी सानुकूल किंमत अंदाजासह पुढे संपर्क साधेल.

तुमच्या कार्टमधील वेगवेगळ्या कॉन्फिगरेशन्स ओळखण्यासाठी हे वापरा — उपयुक्त जर तुम्ही समान उत्पादन वेगवेगळ्या पर्यायांसह ऑर्डर करत असाल.

एकूण किंमत ₹३८२,०३३

पूर्ण तपशील

संगणन आणि मेमरी

चिप

NVIDIA GB10 Grace Blackwell Superchip

CPU

20-कोर आर्म (10 × Cortex-X925 + 10 × Cortex-A725)

एकीकृत मेमरी

128 जीबी LPDDR5x (273 जीबी/से बँडविड्थ)

AI कार्यक्षमता

1 पेटाफ्लॉप (FP4)

स्टोरेज आणि भौतिक

स्टोरेज

1 TB किंवा 4 TB NVMe Gen4 (स्वयं-एन्क्रिप्टिंग)

परिमाणे

१५१ x १५१ x ५२ मिमी

वजन

१.२ किलो

वीज आणि थर्मल

वीज पुरवठा

240 W USB-C PD अॅडॉप्टर

कूलिंग

वेपर चेंबर + ट्रिपल हीट पाईप, कॉपर-फिन स्टॅक, थ्रॉटल-मुक्त सतत ऑपरेशन

सतत SoC तापमान

८५ °C सतत पूर्ण लोड अंतर्गत

सॉफ्टवेअर आणि सुरक्षा

ऑपरेटिंग सिस्टम

NVIDIA DGX OS (प्री-इंस्टॉल्ड)

गव्हर्नन्स प्लॅटफॉर्म

Galene.AI सॉव्हरिन AI गव्हर्नन्स, Docker Compose ऑर्केस्ट्रेशन

सुरक्षा

TPM 2.0, स्वयं-एन्क्रिप्टिंग NVMe स्टोरेज

एक द्रुत AI-चालित सारांश पसंत कराल? वाचन वगळा — तुमच्या निवडीच्या AI सहाय्यकासह या उत्पादनाचे पूर्ण तपशील आणि तुमच्या वापराच्या क्षेत्राशी (use case) त्याची सुसंगतता तपासा.

MSI ने 20 मे, 2025 रोजी EdgeXpert MS-C931 सादर केले, ज्याला NVIDIA GB10 Grace Blackwell Superchip इकोसिस्टममध्ये एक कॉम्पॅक्ट AI विकास आणि अनुमान प्रणाली म्हणून स्थान दिले आहे जी सतत, अखंड ऑपरेशनसाठी विशेषतः तयार केली गेली आहे, लहान बेंचमार्क बर्स्टसाठी नाही.

EdgeXpert MS-C931 मागील निर्णायक अभियांत्रिकी निवड म्हणजे थर्मल हेडरूम: वाफेची चेंबर आणि तिहेरी-हीट-पाईप कूलिंग मॉड्यूल, घनतापूर्ण कॉपर-फिन स्टॅक आणि पुढून मागे निर्देशित एअरफ्लो पथासह जोडलेले आहे, जे सुपरचिपला लोड अंतर्गत कमी होण्यापेक्षा अनेक तासांच्या प्रशिक्षण आणि अनुमान सत्रांदरम्यान पूर्ण क्लॉक प्रोफाइलवर चालू ठेवण्यासाठी डिझाइन केलेले आहे. हे एका बंडल केलेल्या सॉव्हरिन AI गव्हर्नन्स लेयर, Galene.AI सह एकत्रित केले आहे, जे नियमित संस्थांना दिवस एकापासून ऑन-प्रिमायजेस डेप्लॉयमेंटसाठी तयार-तयार ऑर्केस्ट्रेशन आणि ऑडिट लेयर प्रदान करते.

हार्डवेअर स्पेसिफिकेशन्स

केंद्रस्थानी NVIDIA GB10 Grace Blackwell Superchip आहे, जो कॉम्पॅक्ट चेसिसमध्ये 1 पेटाफ्लॉप FP4 AI कार्यक्षमता पुरवतो. 20-कोर Arm प्रोसेसर 10 × Cortex-X925 परफॉर्मन्स कोअर 10 × Cortex-A725 इफिशियन्सी कोअरसह एकत्रित करतो, जो 128 GB LPDDR5x युनिफाइड मेमरीसह जोडलेला आहे जो CPU आणि GPU दरम्यान सुसंगतपणे सामायिक केलेली 273 GB/s बँडविड्थ पुरवतो. स्टोरेज ही स्वयं-एनक्रिप्टिंग PCIe Gen4 NVMe M.2 SSD आहे, जी 1 TB किंवा 4 TB क्षमतेमध्ये उपलब्ध आहे, जी बाह्य स्टोरेजवर अवलंबून न राहता मोठ्या मॉडेल चेकपॉइंट्सचे स्थानिक कॅशिंग सपोर्ट करते.

कनेक्टिव्हिटी & नेटवर्किंग

EdgeXpert MS-C931 एक NVIDIA ConnectX-7 Smart NIC एकत्रित करते ज्यात थेट पीअर-टू-पीअर युनिट लिंकिंगसाठी ड्युअल 200 Gbps QSFP पोर्ट्स आहेत, तसेच मानक नेटवर्क एकत्रीकरणासाठी 10 GbE इथरनेट (RJ-45) आहे. वायरलेस कनेक्टिव्हिटीमध्ये Wi-Fi 7 आणि Bluetooth 5.4 समाविष्ट आहे. चार USB 3.2 Type-C पोर्ट्स डायरेक्ट मल्टी-मॉनिटर आउटपुटसाठी DisplayPort alt-mode सपोर्ट करतात, ज्यामुळे सिस्टम अनुमान सर्व्हरच्या भूमिकेबरोबरच पूर्ण स्थानिक विकास वर्कस्टेशन म्हणूनही काम करू शकते.

थर्मल अभियांत्रिकी & सतत कार्यक्षमता

कॉम्पॅक्ट AI सिस्टम सामान्यतः वाढलेल्या अंतर्गत तापमानानंतर दीर्घकाळ लोड अंतर्गत क्लॉक स्पीड कमी करतात - एक वर्तन जे लांब प्रशिक्षण रन्स किंवा विस्तारित अनुमान सर्व्हिंग दरम्यान थ्रूपुट थेट कमी करते. EdgeXpert MS-C931 चे कूलिंग मॉड्यूल हे टाळण्यासाठी विशेषतः डिझाइन केलेले आहे: NVIDIA च्या मानक GPU स्ट्रेस पद्धतीचा वापर करून स्वतंत्र सतत-लोड पडताळणीने खालील स्थिर-स्थिती आकडेवारी नोंदवली.

घटकसतत पीक तापमान
SoC (GB10 सुपरचिप)८५ °C
चेसिस बाह्य (वरचा भाग)४१.८ °C
चेसिस बाह्य (मागील पॅनेल)४८.६ °C
NVMe SSD५२ °C

ऑपरेशन दरम्यान युनिट थेट हाताळण्यासाठी चेसिसचे बाह्य तापमान पुरेसे कमी राहते आणि सतत डेटासेट लोडिंग दरम्यानही SSD थर्मल-चालित रीड/राइट डिग्रेडेशनपासून सुरक्षित राहते. व्यवहारात, याचा अर्थ बहुतास्त्र फाइन-ट्यूनिंग जॉब्स आणि दीर्घकालीन अनुमान वर्कलोड्समध्ये स्थिर, अकमीकृत क्लॉक स्पीड्स आहे - अशी परिस्थिती जिथे कॉम्पॅक्ट फॉर्म-फॅक्टर AI सिस्टम कालांतराने सर्वात सामान्यपणे कार्यक्षमता गमावतात.

सॉफ्टवेअर: सॉव्हरिन AI गव्हर्नन्स

EdgeXpert MS-C931 पूर्व-स्थापित NVIDIA DGX OS सह शिप होते, जे बॉक्समधून बाहेर पडताच पूर्ण CUDA आणि AI फ्रेमवर्क स्टॅक प्रदान करते. याव्यतिरिक्त, MSI Galene.AI बंडल करते, जी नियमित, ऑन-प्रिमायजेस डेप्लॉयमेंटसाठी तयार केलेली एक सॉव्हरिन AI गव्हर्नन्स प्लॅटफॉर्म आहे: ती Docker Compose-आधारित ऑर्केस्ट्रेशन, ऍक्सेस कंट्रोल आणि ऑडिट-रेडी लॉगिंग प्रदान करते जेणेकरून संस्थेतील मॉडेल वापर पूर्णपणे स्थानिक, ट्रेस करण्यायोग्य आणि थेट प्रशासकीय नियंत्रणाखाली राहील - कोणत्याही बाह्य क्लाउड सेवेवर अवलंबून न राहता.

स्टोरेज & सुरक्षा

1 TB आणि 4 TB NVMe कॉन्फिगरेशन्स डिफॉल्टनुसार स्वयं-एनक्रिप्टिंग आहेत, जी अतिरिक्त सॉफ्टवेअर ओव्हरहेडशिवाय विश्रांतीच्या स्थितीत मॉडेल वेट्स, फाइन-ट्यूनिंग डेटासेट्स आणि अनुमान लॉग्स संरक्षित करतात. हे TPM 2.0 सह एकत्रित केल्याने EdgeXpert MS-C931 ला एक सुरक्षा बेसलाइन मिळते जी कायदेशीर, आर्थिक आणि इतर डेटा-संवेदनशील वातावरणांसाठी योग्य आहे जेथे ऑन-प्रिमायजेस प्रोसेसिंग ही एक पसंती नसून आवश्यकता आहे.

एकल युनिटच्या पलीकडे स्केलिंग

NVIDIA GB10 सुपरचिपवर बांधलेल्या सर्व सिस्टमप्रमाणे, EdgeXpert MS-C931 त्याच्या ConnectX-7 पोर्ट्सद्वारे थेट 2-युनिट लिंकिंगला सपोर्ट करते, ज्यामुळे दोन युनिट्स 256 GB युनिफाइड मेमरी पूलमध्ये एकत्रित होतात जे 400 अब्ज पॅरामीटर्सपेक्षा जास्त मॉडेल्स सर्व्ह करण्यास सक्षम आहे. हे अशा टीम्ससाठी एक सरळ अपग्रेड पथ प्रदान करते ज्या एका डेस्कटॉप युनिटसह सुरुवात करतात आणि नंतर मोठ्या मॉडेल्ससाठी अतिरिक्त हेडरूमची आवश्यकता असते, सॉफ्टवेअर स्टॅक किंवा गव्हर्नन्स कॉन्फिगरेशन बदलल्याशिवाय.

Englishइंग्रजीen🇮🇳தமிழ்तमिळta🇱🇰తెలుగుतेलुगूte🇮🇳ਪੰਜਾਬੀपंजाबीpa🇮🇳বাংলাबंगालीbd🇧🇩मराठीमराठीmr🇮🇳हिंदीहिंदीhi🇮🇳العربيةअरबीar🇸🇦Bahasaइंडोनेशियनid🇮🇩O'zbekउझबेकuz🇺🇿اردوउर्दूpk🇵🇰Қазақकझाकkz🇰🇿한국어कोरियनkr🇰🇷简体चीनीcn🇨🇳繁體पारं. चायनीजhk🇭🇰日本語जपानीjp🇯🇵ქართულიजॉर्जियनge🇬🇪Tagalogटागालोगph🇵🇭Türkçeतुर्कीtr🇹🇷ไทยथाईth🇹🇭नेपालीनेपाळीnp🇳🇵فارسیपर्शियनir🇮🇷မြန်မာबर्मीmm🇲🇲Melayuमलयmy🇲🇾Русскийरशियनru🇷🇺Tiếng Việtव्हिएतनामीvn🇻🇳සිංහලसिंहलाlk🇱🇰עבריתहिब्रूil🇮🇱Italianoइटालियनit🇮🇹Eestiएस्टोनियनee🇪🇪hrvatskiक्रोएशियनhr🇭🇷Ελληνικάग्रीकgr🇬🇷češtinaचेकcz🇨🇿Deutschजर्मनde🇩🇪Nederlandsडचnl🇳🇱danskडॅनिशdk🇩🇰Bokmålनॉर्वेजियनno🇳🇴Portuguêsपोर्तुगीजpt🇵🇹Polerowaćपोलिशpl🇵🇱suomiफिन्निशfi🇫🇮Françaisफ्रेंचfr🇫🇷българскиबल्गेरियनbg🇧🇬Беларускаяबेलारूसियनby🇧🇾bosanskiबोस्नियनba🇧🇦українськаयुक्रेनियनua🇺🇦românăरोमानियनro🇷🇴latviešuलाटवियनlv🇱🇻Lietuviųलिथुआनियनlt🇱🇹Српскиसर्बियनrs🇷🇸Españolस्पॅनिशes🇪🇸slovenčinaस्लोव्हाकsk🇸🇰Slovenecस्लोव्हेनियनsi🇸🇮svenskaस्वीडिशse🇸🇪magyarहंगेरियनhu🇭🇺