HP vende estação de IA ZGX Fury G1n com 748 GB de memória por US$ 132 000
A HP começou a vender a estação de trabalho para IA ZGX Fury G1n. Por fora, parece um gabinete comum; por dentro, traz a plataforma NVIDIA GB300 com 748 GB de memória (496 GB ligados ao processador e 252 GB ao acelerador). Segundo a HP, isso basta para rodar no próprio escritório modelos de até 1 trilhão de parâmetros, sem enviar dados para a nuvem. A versão básica custa US$ 132 000, então o investimento só se paga com uso quase constante.
Processado por IA de Habr AI; editado por Hamidun News
A HP começou a vender a estação de trabalho ZGX Fury G1n AI Station, que permite rodar e ajustar localmente grandes modelos de IA. Por fora, é um gabinete comum; por dentro, abriga a plataforma de servidor NVIDIA GB300 Grace Blackwell Ultra. Os 748 GB de memória do título são a soma de 496 GB de memória LPDDR5X convencional, ligada ao processador, com 252 GB de memória rápida HBM3e, usada pelo acelerador gráfico.
Para comparação, uma placa de vídeo gamer topo de linha costuma ter de 24 a 32 GB, ou seja, aqui há mais de vinte vezes essa quantidade. A versão básica custa US$ 132 000 nos Estados Unidos. Imagine uma clínica ou um banco que precisa de um assistente interno para trabalhar com documentos sigilosos: não é possível enviá-los à nuvem, e um modelo grande não cabe em um computador comum.
A estação foi feita para esse tipo de cenário. Mas só vale comprá-la se ela for usada quase o tempo todo.
O que há por dentro
O núcleo da máquina é um processador Grace de 72 núcleos, com arquitetura Arm Neoverse V2, e um acelerador Blackwell Ultra. O desempenho em cálculos FP4 chega a 20 Pflops. FP4 é um formato em que cada parâmetro do modelo ocupa apenas quatro bits. É ele que permite encaixar redes enormes em uma memória limitada.
O restante do hardware também é de classe servidor: armazenamento de até 32 TB no total, três slots PCIe 5.0, duas interfaces de rede QSFP112 de 400 Gbit/s, fonte de 1,6 kW e refrigeração líquida. Quanto ao software, a HP indica o Ubuntu 24.04 LTS.
O que dá para fazer com ela
Segundo a HP, uma única estação pode rodar localmente modelos de até 1 trilhão de parâmetros, e há suporte a ajuste fino local para modelos de até 100 bilhões de parâmetros. Uma conta rápida mostra que o primeiro caso só é plausível em formato comprimido: um trilhão de parâmetros em 4 bits ocupa cerca de 500 GB e cabe nos 748 GB com folga para os dados de trabalho. O ajuste fino de um modelo de 100 bilhões de parâmetros em um formato de maior precisão ocupa cerca de 200 GB, e o restante vai para os dados auxiliares do treinamento.
Essa é uma estimativa nossa, não um dado da HP, e a folga real depende do método de ajuste fino e do tamanho do contexto.
Ao acelerador integrado, é possível adicionar, se desejado, uma placa de vídeo NVIDIA RTX PRO: a RTX PRO 2000 Blackwell, com 16 GB de GDDR7, ou a RTX PRO 4000 Blackwell SFF, com 24 GB. Duas estações podem ser conectadas por um canal de alta velocidade e usadas em conjunto. Há também uma versão para rack: em um rack de servidor, a ZGX Fury ocupa 5U.
Os preços são estes: o modelo básico custa US$ 132 000; com a RTX PRO 2000, US$ 133 000; com a RTX PRO 4000, US$ 136 000. As placas de vídeo acrescentam apenas 1 a 4 mil dólares, e a maior parte do dinheiro vai para a plataforma GB300.
Para quem é e onde está o porém
A estação faz sentido quando três condições são atendidas: os dados não podem sair da empresa, o modelo é necessário de forma contínua, e não esporádica, e a equipe precisa experimentar rapidamente, sem filas por GPUs na nuvem. Exemplos típicos são um banco com um arquivo fechado de documentos, um estúdio que ajusta um modelo com material próprio ou uma startup com um assistente local para desenvolvedores.
Os porés também são numerosos. Primeiro, os US$ 132 000 são um pagamento único que só se paga com alta utilização. Se a estação ficar ociosa, a nuvem sai mais barata. Segundo, os 20 Pflops e o "até 1 trilhão de parâmetros" são declarações do fabricante, e ainda não há medições independentes da velocidade de geração. Rodar um modelo gigante e obter respostas em velocidade confortável são coisas diferentes: a memória é suficiente, mas a velocidade por token depende do modelo específico e da quantização. Terceiro, a plataforma é baseada em Arm, então é preciso verificar se o seu stack e as suas bibliotecas compilam para essa arquitetura.
A conclusão prática é simples. Antes de comprar, defina qual modelo você realmente vai rodar, em qual formato e por quantas horas por dia. Se a resposta for "um grande modelo aberto, quase 24 horas por dia e com dados sigilosos", uma estação dessa classe passa a ser uma alternativa razoável ao aluguel de nuvem. Se não for, calcule primeiro o custo das horas de nuvem.
- 31 de ago. de 2026Anduril inicia a produção do caça não tripulado Fury em nova fábrica em Ohio
- 23 de mai. de 2026IA para desenvolvimento: mini PC AMD Ryzen AI Halo custa a partir de US$ 3.999
- 1 de mar. de 2026Alibaba abre o CoPaw, uma estação de trabalho para escalar agentes de IA
- 2 de mai. de 2026IA na TV: Yandex lança a TV Station MiniLED
Perguntas frequentes sobre a notícia
O que há por dentro?
O núcleo da máquina é um processador Grace de 72 núcleos, com arquitetura Arm Neoverse V2, e um acelerador Blackwell Ultra. O desempenho em cálculos FP4 chega a 20 Pflops. FP4 é um formato em que cada parâmetro do modelo ocupa apenas quatro bits. É ele que permite encaixar redes enormes em uma memória limitada. O restante do hardware também é de classe servidor: armazenamento de até 32 TB no total, três slots PCIe 5.0, duas interfaces de rede QSFP112 de 400 Gbit/s, fonte de 1,6 kW e refrigeração líquida.
O que dá para fazer com ela?
Segundo a HP, uma única estação pode rodar localmente modelos de até 1 trilhão de parâmetros, e há suporte a ajuste fino local para modelos de até 100 bilhões de parâmetros. Uma conta rápida mostra que o primeiro caso só é plausível em formato comprimido: um trilhão de parâmetros em 4 bits ocupa cerca de 500 GB e cabe nos 748 GB com folga para os dados de trabalho.
O que se sabe sobre Para quem é e onde está o porém?
A estação faz sentido quando três condições são atendidas: os dados não podem sair da empresa, o modelo é necessário de forma contínua, e não esporádica, e a equipe precisa experimentar rapidamente, sem filas por GPUs na nuvem. Exemplos típicos são um banco com um arquivo fechado de documentos, um estúdio que ajusta um modelo com material próprio ou uma startup com um assistente local para desenvolvedores. Os porés também são numerosos.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.