Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
ИнфраструктураAPI / Продукт · В работуHabr AI→ оригинал

HP продаёт ИИ-станцию ZGX Fury G1n с 748 ГБ памяти за 132 000 $

HP начала продавать рабочую станцию ZGX Fury G1n для ИИ: снаружи обычный системный блок, внутри платформа NVIDIA GB300 с 748 ГБ памяти (496 ГБ у процессора и 252 ГБ у ускорителя). По заявлению HP, этого хватает, чтобы запускать у себя в офисе модели до 1 трлн параметров, не отправляя данные в облако. Базовая версия стоит 132 000 $, поэтому окупается только при почти постоянной загрузке.

AI-обработка оригинала Habr AI; редакция Hamidun News
HP продаёт ИИ-станцию ZGX Fury G1n с 748 ГБ памяти за 132 000 $
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1До 20 Пфлопс в FP4; дообучение — для моделей до 100 млрд параметров
Ключевой факт #2С картой RTX PRO 2000 цена 133 000 $, с RTX PRO 4000 — 136 000 $
Ключевой факт #3Две станции объединяются в одну систему, в стойке занимает 5U

HP начала продавать рабочую станцию ZGX Fury G1n AI Station, на которой можно локально запускать и дообучать крупные модели ИИ. Снаружи это обычный системный блок, а внутри серверная платформа NVIDIA GB300 Grace Blackwell Ultra. В заголовке упомянуты 748 ГБ памяти: это сумма 496 ГБ обычной памяти LPDDR5X, которая подключена к процессору, и 252 ГБ быстрой памяти HBM3e, с которой работает графический ускоритель.

Для сравнения, у топовой игровой видеокарты обычно 24–32 ГБ, то есть здесь памяти больше примерно в двадцать с лишним раз. Базовая версия в США стоит 132 000 $. Представьте клинику или банк, которым нужен внутренний ассистент на закрытых документах: отправлять их в облако нельзя, а большая модель в обычный компьютер не помещается.

Для такой задачи станция и сделана. Но покупать её имеет смысл, только если она будет загружена почти постоянно.

Что внутри

Основа машины — 72-ядерный процессор Grace на архитектуре Arm Neoverse V2 и ускоритель Blackwell Ultra. Производительность в вычислениях FP4 достигает 20 Пфлопс. FP4 — это формат, в котором каждый параметр модели занимает всего четыре бита. Именно он позволяет уместить огромные сети в ограниченную память.

Остальное железо тоже серверного класса: накопители общим объёмом до 32 ТБ, три слота PCIe 5.0, два сетевых интерфейса QSFP112 по 400 Гбит/с, блок питания на 1,6 кВт и жидкостное охлаждение. Из софта заявлена Ubuntu 24.04 LTS.

Что на этом можно делать

По заявлению HP, на одной станции можно локально запускать модели размером до 1 трлн параметров, а для моделей до 100 млрд параметров предусмотрено и локальное дообучение. Простая прикидка показывает, что первое правдоподобно только в сжатом виде: триллион параметров в 4-битном формате занимает около 500 ГБ и помещается в 748 ГБ с запасом под рабочие данные. Дообучение модели на 100 млрд параметров в более точном формате займёт порядка 200 ГБ, остальное уйдёт на служебные данные обучения. Это наша оценка, а не данные HP, и реальный запас зависит от метода дообучения и длины контекста.

К встроенному ускорителю при желании можно добавить видеокарту NVIDIA RTX PRO: RTX PRO 2000 Blackwell на 16 ГБ GDDR7 или RTX PRO 4000 Blackwell SFF на 24 ГБ. Две станции можно соединить высокоскоростным каналом и использовать совместно. Есть и стоечный вариант: в серверной стойке ZGX Fury занимает 5U.

Цены такие: базовая модель — 132 000 $, с RTX PRO 2000 — 133 000 $, с RTX PRO 4000 — 136 000 $. Видеокарты добавляют всего 1–4 тысячи долларов, а главные деньги уходят на платформу GB300.

Кому это нужно и где подвох

Станция имеет смысл, когда выполняются три условия: данные не должны покидать компанию, модель нужна постоянно, а не эпизодически, и команде нужно быстро экспериментировать без очередей на облачные GPU. Типичные примеры — банк с закрытым архивом документов, студия, которая дообучает модель на собственных материалах, или стартап с локальным ассистентом для разработчиков.

Подвохов тоже хватает. Во-первых, 132 000 $ — это разовый платёж, который окупается только при высокой загрузке. Если станция простаивает, облако обойдётся дешевле. Во-вторых, 20 Пфлопс и «до 1 трлн параметров» — это заявления производителя, независимых замеров скорости генерации пока нет. Запустить гигантскую модель и получить комфортную скорость ответов — не одно и то же: памяти хватает, но скорость на каждый токен зависит от конкретной модели и квантования. В-третьих, платформа построена на Arm, поэтому нужно проверить, что ваш стек и библиотеки собираются под эту архитектуру.

Практический вывод простой. Прежде чем покупать, определите, какую модель вы реально будете запускать, в каком формате и сколько часов в сутки. Если ответ — «большую открытую модель, почти круглосуточно и на закрытых данных», станция этого класса становится разумной альтернативой облачной аренде. Если нет, сначала посчитайте стоимость облачных часов.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что внутри?

Основа машины — 72-ядерный процессор Grace на архитектуре Arm Neoverse V2 и ускоритель Blackwell Ultra. Производительность в вычислениях FP4 достигает 20 Пфлопс. FP4 — это формат, в котором каждый параметр модели занимает всего четыре бита. Именно он позволяет уместить огромные сети в ограниченную память. Остальное железо тоже серверного класса: накопители общим объёмом до 32 ТБ, три слота PCIe 5.0, два сетевых интерфейса QSFP112 по 400 Гбит/с, блок питания на 1,6 кВт и жидкостное охлаждение.

Что известно по теме: что на этом можно делать?

По заявлению HP, на одной станции можно локально запускать модели размером до 1 трлн параметров, а для моделей до 100 млрд параметров предусмотрено и локальное дообучение. Простая прикидка показывает, что первое правдоподобно только в сжатом виде: триллион параметров в 4-битном формате занимает около 500 ГБ и помещается в 748 ГБ с запасом под рабочие данные. Дообучение модели на 100 млрд параметров в более точном формате займёт порядка 200 ГБ, остальное уйдёт на служебные данные обучения.

Что известно по теме: кому это нужно и где подвох?

Станция имеет смысл, когда выполняются три условия: данные не должны покидать компанию, модель нужна постоянно, а не эпизодически, и команде нужно быстро экспериментировать без очередей на облачные GPU. Типичные примеры — банк с закрытым архивом документов, студия, которая дообучает модель на собственных материалах, или стартап с локальным ассистентом для разработчиков. Подвохов тоже хватает. Во-первых, 132 000 $ — это разовый платёж, который окупается только при высокой загрузке.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…