Noticias

NVIDIA DGX Station for Windows lleva GB300 al escritorio en Computex 2026

DGX Station for Windows usa GB300, memoria coherente y red de alta velocidad para cargas locales de IA, simulación y ciencia de datos desde escritorio

Compartir

En el marco de Computex 2026, NVIDIA presentó DGX Station for Windows, un sistema de escritorio para cargas de IA de gran escala basado en el superchip GB300 Grace Blackwell Ultra Desktop.

El equipo está orientado a ejecutar agentes de IA, inferencia local, desarrollo de modelos, ciencia de datos y simulación desde Windows. Según NVIDIA, puede trabajar con modelos de hasta 1 billón de parámetros de forma local.

¿Qué es DGX Station for Windows?

DGX Station for Windows es una supercomputadora de escritorio para lA, entiéndase que no corresponde a un PC convencional, sino a una estación local de cómputo diseñada para llevar capacidades de clase datacenter a un entorno Windows.

La base del sistema es el superchip NVIDIA GB300 Grace Blackwell Ultra Desktop. Esta configuración combina una GPU NVIDIA Blackwell Ultra con una CPU NVIDIA Grace de 72 núcleos Neoverse V2.

Ambos componentes se comunican mediante NVLink-C2C, con un ancho de banda de 900 GB/s, con este enlace se permite mover datos entre CPU y GPU con menor dependencia de buses tradicionales.

NVIDIA DGX Station con su placa interna y GPU RTX PRO 6000, en una configuración orientada a cargas locales de IA, visualización y simulación. El sistema usa el superchip GB300 Grace Blackwell Ultra Desktop y puede incorporar una GPU RTX PRO adicional según la configuración del fabricante. | Créditos: NVIDIA

¿Para qué sirve DGX Station?

DGX Station for Windows está pensada para equipos que necesitan ejecutar cargas de IA avanzadas sin depender exclusivamente de infraestructura remota. Su uso apunta a agentes de IA, inferencia de alto rendimiento, desarrollo y ajuste de modelos, ciencia de datos y flujos de simulación.

El soporte para Windows permite integrarla en entornos administrados con herramientas de Microsoft. También considera Windows Subsystem for Linux, lo que permite ejecutar herramientas de IA basadas en Linux dentro del mismo equipo.

NVIDIA también plantea el sistema para agentes de IA siempre activos. En ese caso, el equipo puede operar como una estación dedicada para un usuario o como un nodo local compartido por un equipo de trabajo.

¿Qué especificaciones tiene?

DGX Station for Windows utiliza una GPU NVIDIA Blackwell Ultra y una CPU NVIDIA Grace de 72 núcleos Neoverse V2, conectadas mediante NVLink-C2C con un ancho de banda de 900 GB/s. Esta comunicación directa entre CPU y GPU es parte central del diseño, porque permite trabajar con cargas de IA de gran tamaño sin depender solo de buses convencionales.

Diagrama de la GPU NVIDIA Blackwell Ultra, con clústeres de procesamiento gráfico, controladores HBM, enlaces NVLink v5, interfaz PCIe Gen 6 y conexión NVLink-C2C coherente entre CPU y GPU. | Créditos: NVIDIA
Nota: La imagen muestra la arquitectura general del acelerador Blackwell Ultra; para DGX Station, la especificación del sistema declara 252 GB de memoria HBM3e para GPU y 7,1 TB/s de ancho de banda.

La memoria se organiza en 252 GB HBM3e para la GPU, con 7,1 TB/s de ancho de banda, y 496 GB LPDDR5X para la CPU, con 396 GB/s. En conjunto, NVIDIA informa hasta 748 GB de memoria coherente, pensada para ejecutar modelos grandes y procesar conjuntos de datos amplios dentro de un mismo sistema local.

Rendimiento por precisión de cómputo

En rendimiento, NVIDIA detalla 20 petaflops en FP4 Tensor Core con sparsity, además de 15 petaflops en FP4 sin sparsity. Esta precisión está orientada a cargas modernas de IA, donde el rendimiento en formatos de baja precisión resulta clave para inferencia y modelos de gran escala.

Además del rendimiento FP4, DGX Station for Windows declara otras métricas de cómputo que permiten entender mejor el rango de cargas que puede cubrir el sistema:

  • Int8 Tensor Core: 330 TOPS.
  • FP8 / FP6 Tensor Core: 10 petaflops.
  • FP16 / BF16 Tensor Core: 5 petaflops.
  • TF32 Tensor Core: 2,5 petaflops.
  • FP32: 80 teraflops.
  • FP64 / FP64 Tensor Core: 1,3 teraflops.

La conectividad queda a cargo de NVIDIA ConnectX-8 SuperNIC, con soporte para redes Ethernet de hasta 800 Gb/s. El equipo incluye dos puertos QSFP112 de 400 Gb/s por puerto, además de un puerto RJ45 10GbE y un puerto RJ45 1GbE para administración BMC.

El sistema considera un consumo total de 1.600 W y cuatro ranuras M.2 Gen 5 para almacenamiento. Según la configuración del fabricante, también puede admitir una GPU NVIDIA RTX PRO adicional para combinar cómputo de IA con visualización, simulación y renderizado.

¿Qué entorno de software acompaña a DGX Station?

Además del hardware, DGX Station se presenta con un conjunto de herramientas orientadas a investigación en IA, generación de imagen y video, modelos de lenguaje, agentes, ciencia de datos y robótica. El esquema de NVIDIA separa capas descargables por el usuario, como NIM Microservices, Omniverse, NeMo, NVIDIA Brev, modelos y frameworks, de componentes preconfigurados sobre Ubuntu 24.04 LTS con NVIDIA AI Developer Tools.

Stack de software de DGX Station, con capas para modelos, agentes de IA, ciencia de datos, robótica, frameworks, bibliotecas CUDA-X y herramientas preconfiguradas sobre Ubuntu 24.04 LTS. | Créditos: NVIDIA
Nota: el esquema corresponde a la ficha técnica de DGX Station y describe el entorno de software asociado al sistema, no las especificaciones físicas del hardware.

DGX Station también contempla CUDA, cuDNN, TensorRT, NCCL, cuDF y cuML, junto con orquestación mediante Kubernetes y Run. Esta capa permite explicar que el equipo no se limita al superchip GB300, sino que llega acompañado por un entorno de desarrollo para ejecutar, administrar y desplegar cargas de inteligencia artificial.

¿Cuándo estará disponible DGX Station?

NVIDIA indicó que DGX Station for Windows estará disponible durante el cuarto trimestre de 2026. La compañía espera modelos de fabricantes como ASUS, Dell Technologies, GIGABYTE, HP, MSI y Supermicro.

Ivan

Editor especializado en ciencia y tecnología, con foco en innovación, inteligencia artificial, telecomunicaciones y centros de datos. Trabajo con un enfoque riguroso y técnico, desarrollando contenidos sobre semiconductores, energía, ciberseguridad e infraestructura tecnológica.

Los comentarios de Disqus están cargando....