Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

HP vende la estación de IA ZGX Fury G1n con 748 GB de memoria por 132 000 $

HP ha empezado a vender la estación de trabajo para IA ZGX Fury G1n. Por fuera parece un ordenador de sobremesa convencional; por dentro lleva la plataforma NVIDIA GB300 con 748 GB de memoria (496 GB asociados al procesador y 252 GB al acelerador). Según HP, esa capacidad permite ejecutar en la propia oficina modelos de hasta 1 billón de parámetros sin enviar datos a la nube. La versión básica cuesta 132 000 $, así que solo compensa con una carga de trabajo casi constante.

Procesado por IA desde Habr AI; editado por Hamidun News
HP vende la estación de IA ZGX Fury G1n con 748 GB de memoria por 132 000 $
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Hasta 20 PFLOPS en FP4; ajuste fino (fine-tuning) para modelos de hasta 100 mil millones de parámetros
Dato clave #2Con la tarjeta RTX PRO 2000 el precio es de 133 000 $; con la RTX PRO 4000, de 136 000 $
Dato clave #3Dos estaciones se combinan en un único sistema; en rack ocupa 5U

HP ha empezado a vender la estación de trabajo ZGX Fury G1n AI Station, pensada para ejecutar y ajustar (fine-tuning) en local modelos grandes de IA. Por fuera es un ordenador de sobremesa corriente, pero por dentro lleva la plataforma de servidor NVIDIA GB300 Grace Blackwell Ultra. Los 748 GB de memoria que aparecen en el titular son la suma de 496 GB de memoria convencional LPDDR5X, conectada al procesador, y 252 GB de memoria rápida HBM3e, con la que trabaja el acelerador gráfico.

Como referencia, una tarjeta gráfica gaming de gama alta suele tener entre 24 y 32 GB, es decir, aquí hay unas veinte y pico veces más memoria. La versión básica cuesta en EE. UU.

132 000 $. Imagine una clínica o un banco que necesita un asistente interno sobre documentos confidenciales: no puede enviarlos a la nube y un modelo grande no cabe en un ordenador normal. Para ese caso se ha diseñado esta estación.

Pero solo tiene sentido comprarla si va a trabajar con una carga casi constante.

Qué lleva dentro

La base de la máquina es un procesador Grace de 72 núcleos con arquitectura Arm Neoverse V2 y un acelerador Blackwell Ultra. El rendimiento en cálculo FP4 alcanza los 20 PFLOPS. FP4 es un formato en el que cada parámetro del modelo ocupa solo cuatro bits, y es lo que permite meter redes enormes en una memoria limitada.

El resto del hardware también es de clase servidor: almacenamiento de hasta 32 TB en total, tres ranuras PCIe 5.0, dos interfaces de red QSFP112 de 400 Gbit/s, fuente de alimentación de 1,6 kW y refrigeración líquida. En cuanto al software, se indica Ubuntu 24.04 LTS.

Qué se puede hacer con ella

Según HP, una sola estación puede ejecutar en local modelos de hasta 1 billón de parámetros, y para modelos de hasta 100 mil millones de parámetros también está previsto el ajuste fino (fine-tuning) local. Un cálculo rápido indica que lo primero solo es plausible con el modelo comprimido: un billón de parámetros en formato de 4 bits ocupa unos 500 GB y cabe en los 748 GB con margen para los datos de trabajo. El ajuste fino de un modelo de 100 mil millones de parámetros en un formato más preciso requerirá unos 200 GB, y el resto se destinará a los datos auxiliares del entrenamiento.

Es una estimación nuestra, no un dato de HP, y el margen real depende del método de ajuste y de la longitud del contexto.

Al acelerador integrado se le puede añadir, si se desea, una tarjeta gráfica NVIDIA RTX PRO: la RTX PRO 2000 Blackwell con 16 GB de GDDR7 o la RTX PRO 4000 Blackwell SFF con 24 GB. Dos estaciones pueden conectarse mediante un canal de alta velocidad y usarse de forma conjunta. También existe una variante para rack: en un rack de servidor, la ZGX Fury ocupa 5U.

Los precios son estos: el modelo básico cuesta 132 000 $; con la RTX PRO 2000, 133 000 $; con la RTX PRO 4000, 136 000 $. Las tarjetas gráficas añaden apenas entre 1000 y 4000 dólares, y el grueso del dinero se va en la plataforma GB300.

A quién le conviene y dónde está el inconveniente

La estación tiene sentido cuando se cumplen tres condiciones: los datos no pueden salir de la empresa, el modelo se necesita de forma continua y no esporádica, y el equipo necesita experimentar con rapidez sin colas de GPU en la nube. Los ejemplos típicos son un banco con un archivo documental cerrado, un estudio que ajusta un modelo con sus propios materiales o una startup con un asistente local para desarrolladores.

También hay varios inconvenientes. Primero, 132 000 $ es un pago único que solo se amortiza con una carga alta. Si la estación pasa tiempo parada, la nube resulta más barata. Segundo, los 20 PFLOPS y el «hasta 1 billón de parámetros» son afirmaciones del fabricante, y por ahora no hay mediciones independientes de la velocidad de generación. Ejecutar un modelo gigante y obtener una velocidad de respuesta cómoda no es lo mismo: la memoria alcanza, pero la velocidad por token depende del modelo concreto y de la cuantización. Tercero, la plataforma se basa en Arm, así que conviene comprobar que su stack y sus bibliotecas se compilan para esta arquitectura.

La conclusión práctica es sencilla. Antes de comprar, defina qué modelo va a ejecutar realmente, en qué formato y cuántas horas al día. Si la respuesta es «un modelo abierto grande, casi las 24 horas y con datos confidenciales», una estación de esta clase se convierte en una alternativa razonable al alquiler en la nube. Si no, calcule primero el coste de las horas de nube.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué lleva dentro?

La base de la máquina es un procesador Grace de 72 núcleos con arquitectura Arm Neoverse V2 y un acelerador Blackwell Ultra. El rendimiento en cálculo FP4 alcanza los 20 PFLOPS. FP4 es un formato en el que cada parámetro del modelo ocupa solo cuatro bits, y es lo que permite meter redes enormes en una memoria limitada.

¿Qué se sabe sobre Qué se puede hacer con ella?

Según HP, una sola estación puede ejecutar en local modelos de hasta 1 billón de parámetros, y para modelos de hasta 100 mil millones de parámetros también está previsto el ajuste fino (fine-tuning) local. Un cálculo rápido indica que lo primero solo es plausible con el modelo comprimido: un billón de parámetros en formato de 4 bits ocupa unos 500 GB y cabe en los 748 GB con margen para los datos de trabajo.

¿Qué se sabe sobre A quién le conviene y dónde está el inconveniente?

La estación tiene sentido cuando se cumplen tres condiciones: los datos no pueden salir de la empresa, el modelo se necesita de forma continua y no esporádica, y el equipo necesita experimentar con rapidez sin colas de GPU en la nube. Los ejemplos típicos son un banco con un archivo documental cerrado, un estudio que ajusta un modelo con sus propios materiales o una startup con un asistente local para desarrolladores. También hay varios inconvenientes.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…