GIGABYTE W775-V10-L01

Высокопроизводительная AI-рабочая станция на базе суперчипа NVIDIA GB300 Grace™ Blackwell Ultra, предназначенная для задач обучения и инференса ИИ, а также HPC-вычислений. Объединяет CPU и GPU в единую высокоскоростную архитектуру с использованием NVLink-C2C, обеспечивая экстремальную пропускную способность памяти и минимальные задержки.

ХАРАКТЕРИСТИКИ:

Форм-фактор: Tower (Pedestal), 218 × 519.5 × 726.3 мм
Архитектура: ARM (NVIDIA Grace)
Процессоры: 1 × NVIDIA Grace (72 ядра, Neoverse V2)
Память:

• CPU: 496 ГБ LPDDR5X ECC, до 396 ГБ/с
• GPU: 252 ГБ HBM3E, до 7.1 ТБ/с
  Графические ускорители: 1 × NVIDIA Blackwell Ultra GPU (в составе GB300 Superchip)
  Межсоединение: NVIDIA NVLink™-C2C (CPU-GPU)
  Хранилище:
• 4 × M.2 (PCIe Gen5/Gen6 x4)
• 1 × M.2 (2230, Wi-Fi, PCIe Gen2 x1)
  Сетевые интерфейсы:
• 2 × 400 Gb/s QSFP (NVIDIA ConnectX-8 SuperNIC)
• 1 × 10 GbE (Marvell AQC113)
• 1 × Management LAN (1GbE)
  Слоты расширения:
• 1 × PCIe Gen5 x16 (x8)
• 2 × PCIe Gen5 x8
  Порты ввода/вывода:
• Front: USB-C, USB-A, аудио
• Rear: USB-A, QSFP, RJ45, Mini-DP, MLAN, Wi-Fi антенны, аудио
  Видео: встроено в BMC (Mini-DP)
  Аудио: Realtek ALC4080
  Питание: 1600W ATX, 80 PLUS Gold (C19, рекомендуется 220–240В)
  Охлаждение: жидкостное охлаждение Superchip + 3 × 120 мм вентиляторы
  Управление: BMC с выделенным портом управления
  Совместимость ОС: NVIDIA DGX OS

КЛЮЧЕВЫЕ ОСОБЕННОСТИ:

• Суперчип NVIDIA GB300: тесная интеграция CPU и GPU в едином модуле
• Экстремальная пропускная способность памяти (до 7.1 ТБ/с) для AI-нагрузок
• Высокоскоростная сеть 800 Гбит/с суммарно через ConnectX-8
• Поддержка PCIe Gen5/Gen6 для максимальной скорости хранения и расширений
• Энергоэффективная архитектура ARM для HPC и AI
• Жидкостное охлаждение для стабильной работы при высоких нагрузках

КОМУ ПОДОЙДЕТ:

• AI-компаниям для обучения крупных моделей (LLM, CV, NLP)
• Научно-исследовательским центрам и HPC-кластерным средам
• Инженерным командам, работающим с моделированием и анализом данных
• Организациям, которым требуется локальная альтернатива DGX-системам с высокой плотностью вычислений