Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

HP commercialise la station IA ZGX Fury G1n : 748 Go de mémoire pour 132 000 $

HP commercialise la station de travail IA ZGX Fury G1n. Elle ressemble à une tour classique, mais embarque une plateforme NVIDIA GB300 dotée de 748 Go de mémoire (496 Go côté processeur et 252 Go côté accélérateur). Selon HP, cela suffit pour exécuter dans ses propres locaux des modèles allant jusqu'à 1 000 milliards de paramètres, sans envoyer de données dans le cloud. La version de base coûte 132 000 $ : elle ne s'amortit donc que si la machine tourne presque en permanence.

Traité par IA depuis Habr AI ; édité par Hamidun News
HP commercialise la station IA ZGX Fury G1n : 748 Go de mémoire pour 132 000 $
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Jusqu'à 20 Pflops en FP4 ; le fine-tuning est prévu pour les modèles allant jusqu'à 100 Md de paramètres
Chiffre clé #2Avec une carte RTX PRO 2000, le prix passe à 133 000 $ ; avec une RTX PRO 4000, à 136 000 $
Chiffre clé #3Deux stations peuvent être associées en un seul système ; en rack, la machine occupe 5U

HP commercialise la station de travail ZGX Fury G1n AI Station, qui permet d'exécuter et d'affiner (fine-tuning) en local de grands modèles d'IA. L'extérieur est celui d'une tour classique, mais l'intérieur abrite une plateforme serveur NVIDIA GB300 Grace Blackwell Ultra. Les 748 Go de mémoire mis en avant dans le titre sont la somme de 496 Go de mémoire LPDDR5X standard, rattachée au processeur, et de 252 Go de mémoire rapide HBM3e, utilisée par l'accélérateur graphique.

À titre de comparaison, une carte graphique gaming haut de gamme embarque généralement 24 à 32 Go : la mémoire est ici supérieure d'un facteur d'un peu plus de vingt. La version de base coûte 132 000 $ aux États-Unis. Prenons une clinique ou une banque qui veut un assistant interne travaillant sur des documents confidentiels : il est impossible de les envoyer dans le cloud, et un grand modèle ne tient pas dans un ordinateur ordinaire.

C'est pour ce cas d'usage que la station a été conçue. Mais l'achat ne se justifie que si elle est sollicitée presque en permanence.

Ce qu'il y a à l'intérieur

La machine repose sur un processeur Grace à 72 cœurs, basé sur l'architecture Arm Neoverse V2, et sur un accélérateur Blackwell Ultra. Les performances de calcul en FP4 atteignent 20 Pflops. Le FP4 est un format dans lequel chaque paramètre du modèle n'occupe que quatre bits. C'est ce format qui permet de faire tenir de très grands réseaux dans une mémoire limitée.

Le reste du matériel est lui aussi de classe serveur : stockage jusqu'à 32 To au total, trois slots PCIe 5.0, deux interfaces réseau QSFP112 de 400 Gbit/s chacune, une alimentation de 1,6 kW et un refroidissement liquide. Côté logiciel, HP annonce Ubuntu 24.04 LTS.

Ce que l'on peut en faire

Selon HP, une seule station peut exécuter en local des modèles allant jusqu'à 1 000 milliards de paramètres, et le fine-tuning local est prévu pour les modèles jusqu'à 100 Md de paramètres. Un calcul rapide montre que le premier chiffre n'est plausible qu'en format compressé : 1 000 milliards de paramètres en 4 bits occupent environ 500 Go et tiennent dans les 748 Go, avec une marge pour les données de travail. Le fine-tuning d'un modèle de 100 Md de paramètres, dans un format plus précis, demande de l'ordre de 200 Go ; le reste sert aux données auxiliaires de l'entraînement.

Il s'agit de notre estimation, pas de données fournies par HP, et la marge réelle dépend de la méthode de fine-tuning et de la longueur du contexte.

Il est possible d'ajouter à l'accélérateur intégré une carte graphique NVIDIA RTX PRO : une RTX PRO 2000 Blackwell avec 16 Go de GDDR7, ou une RTX PRO 4000 Blackwell SFF avec 24 Go. Deux stations peuvent être reliées par un lien à haut débit et utilisées conjointement. Une version rack existe aussi : dans une baie serveur, la ZGX Fury occupe 5U.

Les prix sont les suivants : 132 000 $ pour le modèle de base, 133 000 $ avec une RTX PRO 2000 et 136 000 $ avec une RTX PRO 4000. Les cartes graphiques n'ajoutent que 1 000 à 4 000 $ ; l'essentiel du coût revient à la plateforme GB300.

À qui s'adresse cette station et où est le piège

La station se justifie lorsque trois conditions sont réunies : les données ne doivent pas quitter l'entreprise, le modèle est nécessaire en continu et non de façon ponctuelle, et l'équipe doit pouvoir expérimenter rapidement, sans file d'attente sur des GPU cloud. Parmi les exemples typiques : une banque disposant d'archives documentaires fermées, un studio qui affine un modèle sur ses propres contenus, ou une start-up dotée d'un assistant local pour ses développeurs.

Les pièges ne manquent pas non plus. Premièrement, les 132 000 $ constituent un paiement unique, qui ne s'amortit qu'avec un taux d'utilisation élevé. Si la station reste inactive, le cloud revient moins cher.

Deuxièmement, les 20 Pflops et la mention « jusqu'à 1 000 milliards de paramètres » sont des déclarations du constructeur : il n'existe pour l'instant aucune mesure indépendante de la vitesse de génération. Exécuter un modèle géant et obtenir des temps de réponse confortables sont deux choses différentes : la mémoire suffit, mais la vitesse par token dépend du modèle concerné et de la quantification. Troisièmement, la plateforme est construite sur Arm : il faut donc vérifier que votre stack et vos bibliothèques se compilent pour cette architecture.

La conclusion pratique est simple. Avant d'acheter, déterminez quel modèle vous exécuterez réellement, dans quel format et combien d'heures par jour. Si la réponse est « un grand modèle ouvert, presque 24 h/24, sur des données confidentielles », une station de cette classe devient une alternative raisonnable à la location de capacité cloud. Sinon, commencez par calculer le coût des heures de cloud.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qu'il y a à l'intérieur ?

La machine repose sur un processeur Grace à 72 cœurs, basé sur l'architecture Arm Neoverse V2, et sur un accélérateur Blackwell Ultra. Les performances de calcul en FP4 atteignent 20 Pflops. Le FP4 est un format dans lequel chaque paramètre du modèle n'occupe que quatre bits. C'est ce format qui permet de faire tenir de très grands réseaux dans une mémoire limitée.

Que sait-on sur Ce que l'on peut en faire ?

Selon HP, une seule station peut exécuter en local des modèles allant jusqu'à 1 000 milliards de paramètres, et le fine-tuning local est prévu pour les modèles jusqu'à 100 Md de paramètres. Un calcul rapide montre que le premier chiffre n'est plausible qu'en format compressé : 1 000 milliards de paramètres en 4 bits occupent environ 500 Go et tiennent dans les 748 Go, avec une marge pour les données de travail.

Que sait-on sur à qui s'adresse cette station et où est le piège ?

La station se justifie lorsque trois conditions sont réunies : les données ne doivent pas quitter l'entreprise, le modèle est nécessaire en continu et non de façon ponctuelle, et l'équipe doit pouvoir expérimenter rapidement, sans file d'attente sur des GPU cloud. Parmi les exemples typiques : une banque disposant d'archives documentaires fermées, un studio qui affine un modèle sur ses propres contenus, ou une start-up dotée d'un assistant local pour ses développeurs. Les pièges ne manquent pas non plus.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ 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
Qu'en pensez-vous ?
Chargement des commentaires…