我刷到 Exxact 官网那行标价的时候，愣了一下。
94,930美元。折合人民币63.8万。
一台“台式机”。
社区已经炸了。有人调侃说“这是台微波炉还是数据中心”，也有人说“老黄这次又把刀磨亮了”。我看了好几遍这个数字，确实是六位数。
但这台机器到底值不值，得拆开来看。
748GB内存，数字很唬人
先把核心配置摆出来。GB300超级芯片，这是 DGX Station 的灵魂，把 Blackwell Ultra GPU 和一颗 72核心的 Arm 架构 Grace CPU 集成在一起。GPU侧 252GB HBM3e 显存，CPU侧 496GB LPDDR5x 内存，通过 900GB/s 的 NVLink-C2C 互连总线打通，合计 748GB 统一内存。
FP4 AI 算力 20 petaFLOPS。20P 是什么概念？每秒2亿亿次浮点运算。五年前，这个算力需要占半个机柜的服务器集群。
现在放在你办公桌旁边。
但社区里有个声音我得说说。看了一圈评测和拆解，748GB 这个数字确实漂亮，但实际高速可用的，只有那 252GB HBM3e。剩下 496GB LPDDR5x，带宽只有 HBM 的约 1/26。模型权重一旦溢出到那块慢内存里，推理速度会断崖式下跌。
说白了就是，宣传册上写着 748GB 大别墅，住进去才发现只有 252GB 通了暖气，剩下 496GB 是地下室仓库。
这个数据社区讨论挺热烈的。有人说这是老黄刀法的精髓，748GB 刚好碾压四张 RTX Pro 6000 的 384GB，让你觉得多卡方案不用考虑了。但 252GB HBM 又刚好比满血版的 288GB 少了 12% 左右，跑 200B 级别的模型会有点紧。
当然，对大多数本地微调场景来说，252GB 已经跑 Llama 3 405B 这种大模型没问题，只是长文本推理的时候你会感受到速度差异。
这不是卖给你的
这台机器预装的是基于 Linux 的 DGX OS，不是 Windows。前面板没有任何 I/O 接口。这不是给你插 U 盘拷电影的机器。
这是一台生产工具。典型用户画像很清晰：AI 研究员、数据科学家、企业 AI 团队。对他们来说，每一次模型迭代都意味着海量计算，以前这些计算必须丢到云端，按 token 计费，账单像流水一样。
DGX Station 把“计算工厂”搬到了办公桌旁边。随时跑实验，随时调参数，不用心疼云账单，也不用担心训练数据上传到第三方服务器。
哦对了，有个挺有意思的传闻。老黄亲自登门送了一台 DGX Station 给 Andrej Karpathy，就是那个 AI 界的卡帕西。据说卡帕西准备用它搭一套个人 AI 集群。这件事在圈子里传得挺广的，也侧面说明这台机器的目标用户是谁。
而且 NVIDIA 在 2026 年 6 月 1 日的 Computex 上发布了 Windows 版本，预计第四季度上市。所以如果你习惯用 Windows，等一等也行。不过无论哪个版本，核心用途都是 AI 开发，不是日常办公。
64万的定价，为什么敢这么卖
单机标配 94,930美元，三种预设配置最高 96,316美元，手动选配到顶，加一块 RTX Pro 6000 Blackwell（96GB 显存）和两块 2TB PCIe 5.0 SSD，价格来到 108,350美元。
作为对比，训练一个前沿大模型的成本目前仍在数千万到上亿美元区间。云服务商的定制训练服务年费也动辄十万美元起步，这仅仅是服务费，不包含硬件。
DGX Station 提供的是硬件买断加本地部署。一次投入，多年使用。如果你的团队每个月在云端 GPU 上的花费超过 2 万美元，这台机器的投资回报周期可能不到三年。
更关键的是数据主权。金融、医疗、法律、军工这些行业的 AI 应用，必须确保数据不出域。云端 AI 服务再便宜，数据安全这条红线跨不过去。DGX Station 提供了一个“合规且强大”的解决方案。
社区里有人做了更直接的账：云端算力年均涨幅 18.6%，三年持续外购算力的总投入比自建集群高出 35% 到 45%。就像天天打车上班，短期比买车便宜，五年下来车费够买两辆车。
细节里的魔鬼
液冷直触芯片，顶部三把风扇辅助风道。20 petaFLOPS 的算力，普通风冷根本压不住。
背部两个 QSFP112 端口，由 ConnectX-8 SuperNIC 驱动，两台 DGX Station 之间可以实现 800Gbps 互连。你觉得一台不够用，可以买两台、三台、最多十台，连成一个超级计算集群。Exxact 也标注了单次最多订购 10 台，可能因为 GB300 芯片本身就供不应求。
电源是 1600W 80+ Titanium 级别。Titanium 是 80 Plus 认证的最高等级，转换效率超过 94%，这种级别的电源通常只出现在顶级服务器上。
经销商还标注了 3 年保修。不过注意，没有标准结账流程，需要提交联系方式等待销售回拨。这也印证了这台机器的定位：这不是消费电子产品，是企业级采购。
谁该考虑这台机器
不是所有人。但如果你是以下几类人，DGX Station 值得你认真对待：
第一，AI 研发团队负责人。如果团队每月在云端 GPU 上的花费超过 2 万美元，DGX Station 的投资回报周期可能不到三年。本地部署带来的开发效率提升，随时可跑实验、不用排队等 GPU 资源，是金钱难以衡量的。
第二，数据敏感行业的 IT 决策者。金融、医疗、法律、军工，这些行业的 AI 应用必须确保数据不出域。云端 AI 服务再便宜，数据安全这条红线跨不过去。
第三，追求技术前沿的研究机构。能够本地运行万亿参数模型，意味着你可以做很多以前只能在顶级实验室才能做的研究。对于大学实验室、独立研究机构来说，这台机器可能是缩小与大厂 AI 研究差距的“加速器”。
老黄的刀法，你吃得消吗
写这篇文章的时候我脑子里一直在想一个问题：64万买一台“不能装 Steam”的电脑，值不值？
答案取决于你是谁。
如果你是普通玩家，想在家跑跑大模型玩玩，这台机器跟你有本质区别。花 2 万买一台消费级显卡电脑，剩下的 62 万够你买几百个游戏了。
但如果你是 AI 团队的负责人，如果你的团队每个月在云端 GPU 上花 2 万美元，如果你的数据不能出域，那这台机器可能比你想象的更值。
老黄的刀法从来不是把产品做好，而是精算你愿意忍受多少不舒服，然后把价格钉在那条线上。DGX Station 也是这样，给你 748GB 的统一内存，但只有 252GB 是高速的。给你桌面级的形态，但锁死了多卡 NVLink 的后门。
买保时捷的钱已经掏了，两个痛点总得吃一个。
这大概就是英伟达的生意经吧。
发表评论