Czym różni się system HGX od systemu DGX?

DGX (Data Centre GPU) to własny system marki NVIDIA — płyta GPU, NVSwitch, CPU, pamięć, storage, sieć, BMC i obudowa są zmontowane i zatwierdzone przez NVIDIA. HGX to platforma OEM: NVIDIA dostarcza bazową płytę GPU z NVSwitch i modułami GPU partnerom takim jak Supermicro, Dell EMC, HPE i Lenovo, którzy budują własny, pełny chassis serwera wokół tego rozwiązania. Systemy HGX oferują większą elastyczność w wyborze chassis, opcjach sieciowych i konfiguracjach storage; systemy DGX są zatwierdzone jako referencyjne i wyposażone w oprogramowanie NVIDIA Base Command.

Ile energii potrzebuje DGX H100?

DGX H100 pobiera do 10,2 kW. Wymaga dwóch podłączeń C19/C20 z osobnych obwodów 30A, 240V w Ameryce Północnej, lub zasilania trójfazowego 32A w Europie. Standardowy obwód domowy 20A, 120V jest całkowicie niewłaściwy. Zaplanuj dedykowane jednostki zasilania PDU lub bezpośrednie zasilanie z panelu i sprawdź pojemność UPS przed złożeniem zamówienia.

Czy serwer AI wymaga chłodzenia cieczą?

Serwery AI entry-level i średniej klasy (konfiguracje PCIe 2–8 GPU) mogą korzystać z chłodzenia powietrzem o wysokim przepływie, chociaż głośność wentylatorów o dużej prędkości i wydobywane ciepło przy 10 kW+ sprawiają, że mocno zalecane są wymienniki ciepła na tylnej ścianie. DGX H100 i HGX H100/H200 w formacie SXM są zaprojektowane do chłodzenia powietrzem na poziomie systemu, ale generują znaczne ciepło na poziomie szafy — chłodzenie cieczą staje się praktycznie konieczne powyżej 20–30 kW na szafę. GB200 NVL72 przy 120 kW na szafę wymaga bezpośredniego chłodzenia cieczą, bez opcjonalnego chłodzenia powietrzem.

Czy mogę uruchomić model 175B na DGX H100?

Przy FP16, model o wielkości 175B wymaga około 350 GB VRAM — więcej niż może pomieścić 640 GB w DGX H100 po uwzględnieniu narzutu na cache KV inferencji. W praktyce kwantyzacja INT8 ta wymagana ilość zmniejsza do ok. 175 GB, co jest wygodne. DGX H200 (1,1 TB HBM3e) może uruchomić modele 175B w FP16 z zapasem. GB200 NVL72 (13,5 TB) może jednocześnie obsługiwać wiele instancji modeli 175B.

Jakie połączenia sieciowe są wymagane między wieloma serwerami AI?

Do szkolenia na wielu węzłach niezbędna jest wysokostrumieniowa sieć RDMA. NVIDIA InfiniBand HDR (200 Gb/s) lub NDR (400 Gb/s) jest standardem dla sieci klastrów DGX/HGX. Alternatywnie, RoCEv2 (RDMA over Converged Ethernet) z NIC-ami ConnectX-7 400 GbE stanowi tańszą opcję dla klastrów do wnioskowania. Operacje zbiorowe typu all-to-all (AllReduce) podczas szkolenia są niezwykle wrażliwe na przepustowość i opóźnienia między węzłami — przełączniki komercyjnych sieci 25/100 GbE powodują nieakceptowalne opóźnienia w szkoleniach na dużą skalę.

Czy oferują Państwo usługi montażu lub integracji?

Tak. W przypadku dużych zamówień na serwery AI możemy zorganizować konfigurację fabryczną, testy wypalenia oraz logistykę do Państwa Rechenzentrum lub obiektu kolokacyjnego. Skontaktuj się z naszym zespołem sprzedaży, aby omówić harmonogram wdrożenia i wymagania dotyczące obiektu. Współpracujemy z dostawcami kolokacji w Europie, ZEA i Ameryce Północnej.

Jak skontaktować się z MillionMiner w celu uzyskania wyceny serwera?

Nasz zespół jest dostępny 24/7 poprzez WhatsApp (+49 176 777 888 33), e-mail i telefon. Zakupy serwerów AI zazwyczaj obejmują niestandardowe konfiguracje i wyceny hurtowe — dostosujemy Twoje wymagania dotyczące obciążenia do odpowiedniej platformy oraz przygotujemy szczegółową ofertę, w tym logistykę.

Kupno serwerów GPU i stacji roboczych AI: gotowe, przetestowane, gotowe do użycia

Kup prekonfigurowane serwery GPU i stacje robocze AI w MillionMiner, zmontowane zgodnie z specyfikacją, poddane testom obciążeniowym i wysłane gotowe do uruchomienia. Dostępne konfiguracje obejmują od pojedynczej stacji roboczej RTX 5090 z jednym GPU, po systemy Threadripper PRO z dwoma GPU z 128 pasmami PCIe 5.0, aż po węzły z czterema i ośmioma GPU, z węzłem RTX 5090 z 8 GPU zapewniającym około 838 TFLOPS FP32.

Każdy serwer jest nowy, z gwarancją i bezpłatnym DDP na cały świat, więc cena przy kasie jest ostatecznym kosztem transportu, przy czym stabilność potwierdzona przed wysyłką. Kup, aby uruchomić samodzielnie, lub wdroż w naszym amerykańskim Rechenzentrum zdalnym zarządzaniem. Kup serwery GPU i stacje robocze AI poniżej.

5.0

4.97

4.5

Kupno serwerów GPU i stacji roboczych AI: gotowe, przetestowane, gotowe do użycia

Filtruj i sortuj

Supermicro

Supermicro SuperServer SYS-741GE-TNRT 4-GPU H100 AI Serwer

4U Rackmount / Tower (convertible) Up to 4 double-width NVIDIA GPUs (H100, H100 NVL 94GB, A100, L40S, RTX PRO 6000) on PCIe 5.0 x16

Kontakt w sprawie ceny

Supermicro

Supermicro AS-4124GO-NART+ 8x A100 HGX AI Serwer

4U Rackmount 8x NVIDIA A100 80GB SXM4 (HGX baseboard)

Kontakt w sprawie ceny

NVIDIA

System głębokiego uczenia NVIDIA DGX A100 (8x A100, 640GB)

8x NVIDIA A100 Up to 640 GB

Kontakt w sprawie ceny

NVIDIA HGX H100 640GB SXM5 Chłodzony cieczą płyta główna (8-GPU)

214.166665 935-24287-0000-000

Kontakt w sprawie ceny

Systemy przemysłowe

Skonfigurowany, przetestowany i zweryfikowany testem stabilności

Logistyka frachtu

Ubezpieczona paleta i fracht lotniczy na cały świat

Akceptowana kryptowaluta

Zapłać za pomocą BTC, ETH, USDT i innych

Wsparcie Eksperckie

Architekci infrastruktury AI dostępni

Systemy serwerów AI

Serwery AI Multi-GPU: od stacji roboczych z 2-GPU do węzłów HGX z 8-GPU

Serwer AI to nie tylko komputer z dodanym GPU. Poważna infrastruktura AI wymaga platform specjalistycznych: wysokopasmowych tkanek NVSwitch do komunikacji GPU-GPU, pamięci DDR5 o dużej pojemności, procesorów klasy enterprise z wystarczającą ilością linii PCIe do obsługi każdego GPU, pamięci NVMe do szybkiego odczytu i zapisu checkpointów oraz systemów zasilania o mocy przekraczającej 10 kW na jednostkę rackową. Dostarczamy kompletne platformy serwerów AI — od systemów wieżowych z 2 GPU dla laboratoriów badawczych do węzłów NVIDIA HGX H100/H200 z 8 GPU oraz nowej architektury rackowej GB200 NVL72 — gotowe do natychmiastowego wdrożenia.

Liczba GPU DGX H100

8 × H100 SXM5

łącznie 640 GB HBM2e poprzez NVSwitch

Liczba GPU NVL72

72 GPUs

GB200 w pojedynczym racku — 1 jednostka logiczna

DGX H100 AI Wydajność.

32 PFLOPS

FP8 rzadkie — połączone 8 × H100

Pamięć HGX H200

1.1 TB HBM3e

8 × H200 SXM5 — 38,4 TB/s łączna przepustowość

Porównanie platformy serwerowej AI

Główne platformy, które dostarczamy

NVIDIA DGX H100

8 × H100 SXM5, 640 GB

Kompletny superkomputer AI w formie pudełka. NVSwitch pełna siatka w 900 GB/s na GPU. Dual Xeon lub AMD Epyc, 2 TB DDR5. Platforma referencyjna dla przedsiębiorczej AI.

NVIDIA DGX H200

8 × H200 SXM5, 1.1 TB

Następca DGX H100. 4,8 TB/s HBM3e na GPU. Preferowany do dużych modeli wnioskowania na dużą skalę, gdzie kluczowa jest pojemność pamięci.

NVIDIA HGX H100/H200

OEM platform (8-GPU)

Kompleks GPU + NVSwitch wysłany do partnerów OEM (Supermicro, Dell, HPE, Lenovo). Umożliwia identyczną strukturę GPU w niestandardowych obudowach serwerowych.

NVIDIA GB200 NVL72

72 × GB200 GPUs

System o pojedynczym zakresie rack. 36 procesorów Grace CPU + 72 moduły GPU Blackwell. 1,44 ExaFLOPS FP4. NVLink 5 fabric — cały rack działa jako jedna GPU.

4-GPU Tower / Rack (RTX PRO 6000)

Up to 4 × 96 GB

Serwer klasy workstations dla laboratoriów badawczych i startupów AI. Dual-socket Xeon W9 lub Threadripper Pro, 4 × RTX PRO 6000 BW przez pary NVLink Bridge.

2-GPU Inference Server (A100 / H100 PCIe)

2 × 80 GB HBM2e

Węzły inferencyjne o wysokiej opłacalności. Standardowa obudowa 2U, podwójne sloty PCIe 5.0. Pasuje do standardowego kolokacji w szafie rackowej, bez konieczności chłodzenia cieczą.

1U Edge Inference (L4 / A2)

4–8 × 24 GB PCIe

Wysoka gęstość, niskie zużycie energii w inferencji. Jednoslotowe GPU L4 o mocy 72 W każde. Do 8 GPU w 1U przy poniżej 600 W łącznie — idealne do colocation na edge PoP.

Architektura za serwerami AI

Dlaczego serwery AI są zasadniczo inne od standardowych serwerów

Podstawowe rozróżnienie pomiędzy serwerem uniwersalnym a serwerem AI stanowi fabric GPU. W standardowym serwerze GPU komunikują się za pomocą PCIe — architektury szyny o przepustowości około 32–64 GB/s w obu kierunkach na gniazdo. W serwerze AI opartym na NVSwitch, każdy GPU w systemie łączy się jednocześnie z każdym innym GPU poprzez ASIC NVSwitch z prędkością 900 GB/s na GPU (H100) lub 1,8 TB/s na GPU (H200 / Blackwell). To nie jest jedynie usprawnienie wąskiego gardła — to jakościowa zmiana, która umożliwia modelowe pararelizm na wielu GPU, jakby były jednym większym urządzeniem.

Podsystem CPU i pamięci musi odpowiadać przepustowości GPU. DGX H100 łączy swoją strukturę NVSwitch z 8-GPU z podwójnymi procesorami Intel Xeon Platinum i 2 TB pamięci DDR5 ECC — wystarczającą ilością pamięci systemowej do ładowania zbiorów danych treningowych, uruchamiania pipelinów przetwarzania wstępnego oraz zarządzania wejściem/wyjściem punktów kontrolnych bez stawiania zużycia wąskiego gardła. Liny PCIe 5.0 są starannie rozdzielone tak, aby każda GPU miała bezpośrednie połączenie x16 z fabricem CPU.

Dostarczanie energii jest samo w sobie wyzwaniem inżynieryjnym. W pełni załadowany DGX H100 pobiera około 10,2 kW — wymagając dwóch obwodów 2 × 30A, 240V w Ameryce Północnej lub trójfazowego obwodu 32A w Europie. Chłodzenie jest równie wymagające: odniesieniowy projekt NVIDIA wykorzystuje wymiennik ciepła na tylnej drzwiach lub bezpośrednie chłodzenie cieczą modułu GPU w konfiguracjach DGX. Planowanie zasilania i chłodzenia Państwa obiektu przed złożeniem zamówienia nie jest opcją — to pierwszy krok.

AI na poziomie rack

NVIDIA GB200 NVL72: 72 GPU jako jeden logiczny akcelerator

GB200 NVL72 to najbardziej ambitna architektura systemowa firmy NVIDIA do tej pory. Jeden rack mieści 36 modułów CPU Grace i 72 układy GPU Blackwell GB200, połączonych za pomocą piątej generacji NVLink o przepustowości 1,8 TB/s na GPU — co pozwala na zachowanie całości racku jako pojedynczego logicznego akceleratora. Całkowita wydajność obliczeniowa FP4 sparse na wszystkich 72 GPU przekracza 1,44 EksaFLOPS, a całkowita pamięć HBM3e sięga 13,5 TB.

Każdy moduł GB200 łączy CPU Grace Arm z dwoma układami GPU Blackwell za pomocą NVLink-C2C o przepustowości 900 GB/s — całkowicie eliminując interfejs PCIe między CPU a GPU. CPU pełni funkcję kontrolera pamięci o wysokiej przepustowości oraz silnika orkiestracji, nie stanowiąc wąskiego gardła. Ten układ sprawia, że NVL72 jest wyjątkowo zdolny do wnioskowania modeli z trójliardami parametrów przy niskim opóźnieniu: cały model mieści się w pamięci racka, operacje all-reduce odbywają się wewnątrz fabric NVLink, a do obsługi pojedynczego modelu nie jest wymagana sieć międzywęzłowa.

Z punktu widzenia obiektu, NVL72 pobiera do 120 kW i wymaga bezpośredniego chłodzenia cieczowego — niezbędne jest dedykowane zasilanie trójfazowe oraz infrastruktura chłodzenia cieczowego obiektu. Ekonomika jest atrakcyjna na skalę hyperscale: jeden szalka NVL72 zastępuje to, co wcześniej wymagało całych rzędów węzłów DGX H100 dla równoważnej przepustowości inferencyjnej.

Specyfikacja GB200 NVL72

Specyfikacja pełnego stojaka

Karta GPU uległa awarii 72 × Blackwell GB200

Moduły CPU 36 × Grace Arm (72 cores each)

Pamięć GPU 13.5 TB HBM3e total

Przepustowość pamięci GPU 345.6 TB/s aggregate

Wydajność AI 1.44 ExaFLOPS FP4 sparse

GPU Interconnect NVLink 5.0 — 1.8 TB/s per GPU

Połączenie CPU-GPU NVLink-C2C — 900 GB/s bidirectional

Pamięć systemowa Up to 13.5 TB LPDDR5X

Zużycie energii Up to 120 kW per rack

Chłodzenie Direct Liquid Cooling (mandatory)

Sieć 8 × 400 GbE / InfiniBand per rack

Przewodnik dla nabywcy

Który serwer AI jest odpowiedni dla Państwa zastosowania?

Od eksperymentów na skalę laboratoryjną do pełnego wdrożenia na skalę hyperscale — dopasuj obciążenie do odpowiedniego poziomu platformy.

Badanie / Laboratorium

2–4 GPU Tower or 2U Rack

GPU A100 80GB / RTX PRO 6000

Pamięć GPU 160–384 GB GPU VRAM

Moc 2–4 kW total draw

Dostrajanie modelu, rozwój RAG, lokalne inferencje, reprodukowalność badań. Pasuje pod biurko lub do standardowego szafy rack. Zazwyczaj nie wymaga modernizacji obiektu.

Startup / Mała i Średnia Firma

HGX H100 OEM 8-GPU

GPU 8 × H100 SXM5 80GB

Pamięć GPU 640 GB HBM2e

Moc ~10 kW draw

Pełne dostosowywanie modeli od 13 do 70 miliardów parametrów. Inference produkcyjne dla produktów natywnych AI. Wymaga zasilania trzyfazowego lub podwójnego zasilania 30A. Chłodzenie powietrzem możliwe przy zastosowaniu wymiennika ciepła na tylnej drzwiach.

Przedsiębiorstwo

DGX H200 / HGX H200

GPU 8 × H200 SXM5 141GB

Pamięć GPU 1.1 TB HBM3e

Moc ~11 kW draw

Pełne szkolenie modeli od 70 do 400 miliardów parametrów. Niskie opóźnienie w wnioskowaniu dla bardzo dużych modeli. Zalecane chłodzenie cieczą. Obecny standard branżowy dla poważnych obciążeń AI.

Hyperscale

GB200 NVL72

GPU 72 × Blackwell GB200

Pamięć GPU 13.5 TB HBM3e

Moc Up to 120 kW

Pre-trening modelu z trilionem parametrów i analiza dużymi partiami. Wymagane pełne chłodzenie cieczą i dedykowana trzyfazowa moc. Architektura Rack-as-a-single-GPU via NVLink 5.

Najczęściej zadawane pytania

Gotowy do wdrożenia swojej infrastruktury AI?

Przeglądaj naszą pełną ofertę platform serwerowych AI powyżej, od węzłów z 2-GPU o zakresie badawczym po systemy rackowe DGX H200 i GB200 NVL72. Nasz zespół pomoże Ci zaplanować zasilanie, chłodzenie, sieć i logistykę od początku do końca.

Przeglądaj serwery AI Skontaktuj się z działem sprzedaży