KI-Arbeitsplatz mit DGX Station: Rechenzentrum am Schreibtisch
Der ASUS ExpertCenter Pro ET900N G3 sieht aus wie ein grosser Tower, ist aber ein Rechenknoten aus dem Rechenzentrum für den Schreibtisch. Er beruht auf der NVIDIA DGX Station mit dem GB300 Grace Blackwell Ultra Desktop Superchip. Dieser Beitrag zeigt anhand von Herstellerangaben, woher der hohe Preis kommt und für wen sich ein solches Gerät lohnt.
Was dieses Gerät ist und was es nicht ist
ASUS beschreibt den ET900N G3 als Teil einer neuen Klasse von Superrechnern für den Arbeitsplatz. Der Hersteller nennt bis zu 748 GB kohärenten Speicher und bis zu 20 petaFLOPS KI-Leistung. NVIDIA spricht davon, dass Modelle bis zu einer Billion Parameter lokal laufen können. Das ist Leistung, die bisher Rechenzentren vorbehalten war.
Wichtig für die Einordnung: Die 20 petaFLOPS gelten für das Vier-Bit-Format FP4 und laut NVIDIA, sofern nichts anderes steht, mit Sparsity. Ohne Sparsity nennt das Datenblatt 15 petaFLOPS. Es handelt sich also um eine KI-Rechenmaschine und nicht um einen schnelleren Büro- oder Grafikrechner. Betriebssystem ab Werk ist Ubuntu mit NVIDIA AI Developer Tools. Windows-Unterstützung ist laut ASUS erst geplant.
Bilder: Asus ExpertCenter Pro ET900N G3 4TB NV GB300, 748GB, 4TB, NV DGX Station (15)
Der Superchip: Fläche, Fertigung und Packaging
Den Kern bildet der GB300 Superchip. Er verbindet eine Blackwell-Ultra-Grafikeinheit über NVLink-C2C mit einer Grace-CPU, die 72 Kerne besitzt. Die Grafikeinheit besteht laut NVIDIA aus zwei Chips in maximaler Belichtungsgrösse, die über eine Schnittstelle mit 10 TB/s verbunden sind und gemeinsam als ein einziger Beschleuniger auftreten. Zusammen kommen sie auf 208 Milliarden Transistoren, gefertigt im Verfahren TSMC 4NP.
Das erklärt einen Teil des Preises. Allgemein gilt: Je grösser die Chipfläche, desto wahrscheinlicher ist ein Defekt, und desto weniger brauchbare Chips ergibt ein Wafer. Dazu kommt das Verbinden mehrerer Chips und Speicherstapel in einem Gehäuse. NVIDIA weist in seinen Risikohinweisen selbst darauf hin, dass das Unternehmen auf Dritte angewiesen ist, die seine Produkte fertigen, zusammensetzen, verpacken und testen. Stückzahlen oder Herstellkosten nennen weder NVIDIA noch ASUS in den hier ausgewerteten Quellen.
HBM und kohärenter Speicher
Der Speicher ist der Teil, der sich am deutlichsten von einem normalen Rechner abhebt. Er besteht aus zwei Pools: 252 GB schnellem HBM3e direkt am Grafikchip und 496 GB LPDDR5X an der CPU. Zusammen ergeben sie die 748 GB. HBM wird als Stapel unmittelbar neben dem Chip montiert. Das liefert eine Bandbreite, die gewöhnlicher Grafikspeicher nicht erreicht.
Kohärent heisst: CPU und GPU sehen denselben Speicher und müssen Daten nicht von Hand hin und her kopieren. NVIDIA schreibt, die Verbindung zwischen den Prozessoren umgehe die Engpässe herkömmlicher CPU-GPU-Systeme. Für sehr grosse Modelle zählt genau das, denn sie passen nicht in den Speicher einer einzelnen Grafikkarte. Laut NVIDIA lassen sich Modelle und Agenten dadurch innerhalb eines einzigen Speicherpools entwickeln und betreiben.
| Baustein | Angabe laut NVIDIA-Datenblatt |
|---|---|
| GPU-Speicher | 252 GB HBM3e mit 7.1 TB/s |
| CPU-Speicher | 496 GB LPDDR5X |
| Verbindung CPU und GPU | NVLink-C2C mit 900 GB/s |
| Netzwerk | ConnectX-8 SuperNIC mit bis zu 800 Gb/s |
| Leistungsaufnahme gesamt | 1’600 W |
Netzwerk, Kühlung und Strom
Die ConnectX-8 SuperNIC bringt bis zu 800 Gb/s und erlaubt laut NVIDIA, zwei DGX Stations zu koppeln. Die beiden QSFP112-Anschlüsse liefern je 400 Gbs.
Die Systemleistung gibt NVIDIA mit 1’600 W an und verlangt einen 20-Ampere-Stromkreis. ASUS setzt auf eine geschlossene Flüssigkeitskühlung mit Rechenzentrums-Auslegung. Bei Höchstlast liegt die Lautstärke im Automodus bei etwa 50 dB, was ASUS mit einem ruhigen Büro vergleicht. Für den Dauerbetrieb rund um die Uhr ist das Gerät laut ASUS ausgelegt. Dazu gehört Vor-Ort-Service nach Ferndiagnose, dessen Verfügbarkeit je nach Land variiert. Ziel ist laut ASUS, Ausfallzeiten bei kritischen KI-Anwendungen möglichst gering zu halten.
Software-Stack und Verwaltung
Das System kommt mit vorinstalliertem Ubuntu, den CUDA-X-Bibliotheken und weiteren NVIDIA-Werkzeugen. Eine NVIDIA-AI-Enterprise-Lizenz mit Herstellersupport ist laut NVIDIA ein eigener Baustein. Für die IT gibt es Fernwartung über den BMC, Redfish-Schnittstelle und Secure Boot. Mit der Technik Multi-Instance GPU lässt sich der Beschleuniger in bis zu sieben getrennte Instanzen teilen, sodass mehrere Personen gleichzeitig arbeiten können, jede in einer eigenen, abgeschirmten Umgebung mit eigenem schnellem Speicher, eigenem Cache und eigenen Rechenkernen. ASUS ergänzt mit dem Zenni AI Hub eine Oberfläche, um Modelle zu verteilen und mehrere Geräte im Netz zu bündeln. Laut ASUS lassen sich darüber Sprachmodelle bereitstellen, Anfragen an das jeweils passende Modell leiten und mehrere ET900N G3 über das lokale Netz zu einem Verbund zusammenschliessen, dessen Grafikressourcen zentral verwaltet und überwacht werden.
Vergleich: Workstation mit einer GPU und Cloud-Miete
Eine klassische Workstation mit einer einzelnen Grafikkarte ist für Rendering, CAD und kleinere Modelle oft die bessere Wahl. Ihr Grenzwert ist der Speicher der Karte: Passt ein Modell nicht hinein, muss es ausgelagert werden, und das kostet Tempo. Die DGX Station lässt sich zudem um eine RTX PRO 6000 Blackwell Workstation-Grafikkarte erweitern. Sie ersetzt also die Grafik nicht, sie ergänzt sie. Wer vor allem visualisiert, simuliert oder modelliert, prüft deshalb zuerst, ob die KI-Leistung des Superchips überhaupt gebraucht wird, bevor er für diese Technik bezahlt.
Die Cloud-Miete vermeidet die Anschaffung und skaliert nach Bedarf. Dafür fallen laufende Kosten an, und die Daten verlassen das Haus. ASUS argumentiert, lokale KI biete planbare Kosten und volle Datenkontrolle. Das ist eine Herstellerposition; ob sie aufgeht, hängt von der eigenen Auslastung ab. Kleinere Einstiegsgeräte wie die DGX Spark mit GB10-Chip decken zudem viele Entwicklungsaufgaben ab.
Für wen sich die Anschaffung lohnt
- Teams mit vertraulichen Daten: Modelle laufen im eigenen Haus, Trainingsdaten bleiben lokal.
- Entwicklung grosser Modelle und Agenten: ein Speicherpool, in den sehr grosse Modelle passen, und derselbe Software-Stack wie im Rechenzentrum.
- Dauerbetrieb mit hoher Auslastung: Hier steht die Anschaffung gegen laufende Mietkosten.
- Nicht geeignet: Büroarbeit, reines Rendering oder gelegentliche KI-Versuche.
Aktuelle Verfügbarkeit und den heutigen Preis zeigt die Produktkarte oben. Für eine Beratung zur Konfiguration, zum Stromanschluss und zum Software-Umfang stehen wir Ihnen gerne zur Verfügung.
ASUS und NVIDIA nennen 748 GB kohärenten Speicher. Er setzt sich aus 252 GB HBM3e an der GPU und 496 GB LPDDR5X an der CPU zusammen. Ab Werk ist Ubuntu mit NVIDIA AI Developer Tools installiert. Windows-Unterstützung ist laut ASUS für die Zukunft geplant. NVIDIA nennt 1'600 W Systemleistung und einen 20-Ampere-Stromkreis. ASUS kühlt mit einer geschlossenen Flüssigkeitskühlung und gibt etwa 50 dB bei Höchstlast im Automodus an. Ja. Die ConnectX-8 SuperNIC mit bis zu 800 Gb/s erlaubt laut NVIDIA die Kopplung von zwei DGX Stations. NVIDIA nennt die Kombination mit einer zusätzlichen RTX PRO 6000 Blackwell Workstation-Grafikkarte. Nein. Es ist auf KI-Entwicklung und Inferenz ausgelegt. Für CAD oder Rendering ist eine Workstation mit Grafikkarte meist passender. Preise und Verfügbarkeit in den Produktkarten stammen tagesaktuell aus unserem Shop.Häufige Fragen
Wie viel Speicher hat der ASUS ET900N G3?
Läuft Windows auf dem Gerät?
Was braucht das Gerät an Strom und Kühlung?
Lassen sich mehrere Geräte koppeln?
Kann ich eine zusätzliche Grafikkarte einbauen?
Ersetzt das Gerät eine normale Workstation?
Quellen
