📢 Supermicro hat eine Workstation auf Basis des Nvidia-Grace-Blackwell-Ultra-Superchips für 92.887 $ vor Steuern und Versand zum Verkauf angeboten 💰💸
Dieses leistungsstarke System verfügt über 748 GB Arbeitsspeicher, 20 PFLOPS Leistung im FP4-Format und Unterstützung für Billionen-Parameter-AI-Modelle lokal — in einem Gehäuse, das 40 Kilogramm wiegt und bis zu 1600 W verbraucht.
Grace Blackwell Ultra: Wie sind die 748 GB RAM zwischen CPU und GPU aufgeteilt❓❓❓
Laut Supermicro ist der Speicher in dieser Maschine anders aufgebaut als bei typischen Workstations. 496 GB systemweiter DDR5-Speicher sind an den 72-Kern-Prozessor Grace angebunden, weitere 252 GB sind ein HBM3e-Stack direkt auf der Blackwell-Ultra-GPU. Zusammen bilden sie einen einzigen kohärenten Speicherpool, den Nvidia als Infrastruktur für den Betrieb von Modellen mit Billionen Parametern ohne Cloud-Anbindung positioniert.
👉 Der Preis gibt einen Hinweis darauf, für wen die Maschine gedacht ist: Forschungslabore, universitäre AI-Zentren und Unternehmen, die große Modelle lokal ohne Abhängigkeit von Cloud-APIs verarbeiten müssen. Für alle anderen bleiben ein Mac Studio oder Cloud-Inferenz die praktischere Wahl mit einer nachvollziehbaren finanziellen Begründung.
#NVIDIA $NVDAB
Dieses leistungsstarke System verfügt über 748 GB Arbeitsspeicher, 20 PFLOPS Leistung im FP4-Format und Unterstützung für Billionen-Parameter-AI-Modelle lokal — in einem Gehäuse, das 40 Kilogramm wiegt und bis zu 1600 W verbraucht.
Grace Blackwell Ultra: Wie sind die 748 GB RAM zwischen CPU und GPU aufgeteilt❓❓❓
Laut Supermicro ist der Speicher in dieser Maschine anders aufgebaut als bei typischen Workstations. 496 GB systemweiter DDR5-Speicher sind an den 72-Kern-Prozessor Grace angebunden, weitere 252 GB sind ein HBM3e-Stack direkt auf der Blackwell-Ultra-GPU. Zusammen bilden sie einen einzigen kohärenten Speicherpool, den Nvidia als Infrastruktur für den Betrieb von Modellen mit Billionen Parametern ohne Cloud-Anbindung positioniert.
👉 Der Preis gibt einen Hinweis darauf, für wen die Maschine gedacht ist: Forschungslabore, universitäre AI-Zentren und Unternehmen, die große Modelle lokal ohne Abhängigkeit von Cloud-APIs verarbeiten müssen. Für alle anderen bleiben ein Mac Studio oder Cloud-Inferenz die praktischere Wahl mit einer nachvollziehbaren finanziellen Begründung.
#NVIDIA $NVDAB
