Ascenti พร้อมจำหน่าย NVIDIA DGX Station ขุมพลัง GB300 สำหรับงาน AI ระดับองค์กร จากแบรนด์ ASUS, MSI และ Supermicro

ByThanakarn Juicharoen

Ascenti Enterprise เริ่มทำตลาด NVIDIA DGX Station ในประเทศไทย โดยมีระบบจาก ASUS, MSI และ Supermicro ให้เลือก จุดสำคัญของการเปิดตัวครั้งนี้ไม่ใช่เพียงการเพิ่ม Workstation ประสิทธิภาพสูงเข้ามาในตลาด แต่เป็นการนำสถาปัตยกรรม NVIDIA Grace Blackwell Ultra ซึ่งเดิมอยู่ใน AI ระดับ Data Center มาอยู่ในเครื่องแบบ Deskside ที่ติดตั้งใช้งานภายในองค์กรได้ง่ายขึ้น

DGX Station จึงอยู่กึ่งกลางระหว่าง AI Workstation แบบดั้งเดิมกับ AI Server ขนาดใหญ่ เหมาะกับทีมที่ต้องการพัฒนา ทดสอบ Fine-tune หรือรันโมเดล AI ภายในองค์กร โดยไม่จำเป็นต้องส่งงานทุกอย่างขึ้นไปบน Cloud

GPU สุดแรง และหน่วยความจำรวม 748GB

หัวใจของระบบคือ NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip ซึ่งรวม Grace CPU แบบ 72 คอร์เข้ากับ Blackwell Ultra GPU และเชื่อมต่อกันด้วย NVLink-C2C แบนด์วิดท์สูงสุด 900 GB/s

สิ่งที่ทำให้ DGX Station แตกต่างจาก PC หรือ Workstation ที่ใช้การ์ดจอแยกทั่วไป คือการมี Coherent Memory รวม 748GB ที่ CPU และ GPU สามารถทำงานร่วมกันบนพื้นที่หน่วยความจำขนาดใหญ่ได้ จึงทำให้สามารถรันเวิร์คโหลดที่มีขนาดเกินขีดจำกัด VRAM ของ GPU Workstation ทั่วไปได้มาก

Ascenti ระบุว่าระบบให้กำลังประมวลผล AI สูงสุด 20 PFLOPS และสามารถรองรับโมเดลขนาดสูงสุดระดับ 1 trillion parameters อย่างไรก็ตาม ตัวเลขขนาดโมเดลไม่ได้หมายความว่าโมเดลระดับดังกล่าวจะทำงานด้วยความเร็วเท่ากันในทุกกรณี เพราะยังขึ้นอยู่กับ Precision, Quantization, Context Length และ Runtime ที่ใช้งานด้วย

จุดนี้น่าจะเป็นประโยชน์กับองค์กรที่ต้องทำงานกับ LLM ขนาดใหญ่, Multimodal AI, Data Science หรือโมเดลสำหรับงานเฉพาะทาง ซึ่งต้องการ Memory มากกว่าการใช้ GPU 32GB, 48GB หรือแม้แต่ 96GB เพียงตัวเดียว

จากเครื่องสำหรับคนเดียว สู่ AI Server ขนาดย่อมของทีม

อีกความสามารถที่น่าสนใจคือ Multi-Instance GPU หรือ MIG ซึ่งสามารถแบ่ง GPU ออกเป็นสูงสุด 7 Instance โดยแต่ละส่วนมีทรัพยากร Memory, Cache และ Compute แยกจากกัน

ในทางปฏิบัติ นั่นทำให้ DGX Station สามารถนำมาเป็นทรัพยากรกลางสำหรับทีมพัฒนา AI หลายคนได้ เช่น แบ่ง Instance สำหรับ Development, Inference, Testing หรือ Data Science แยกจากกันบนเครื่องเดียว

หากทรัพยากรจากเครื่องเดียวยังไม่เพียงพอ NVIDIA ยังออกแบบให้สามารถเชื่อม DGX Station สองระบบผ่าน ConnectX-8 SuperNIC ซึ่งทำให้ทรัพยากรหน่วยความจำรวมเพิ่มเป็นมากกว่า 1.4TB และกำลังประมวลผล AI รวมสูงสุด 40 PFLOPS ตามข้อมูลที่ระบุในเอกสารเปิดตัว

ตรงนี้ทำให้ DGX Station มีลักษณะใกล้กับ AI Infrastructure แบบย่อส่วน มากกว่า Desktop PC ที่ติดตั้ง GPU แรง ๆ เพียงอย่างเดียว

Software Stack คืออีกส่วนที่ NVIDIA พยายามทำให้เหมือน Data Center

DGX Station มาพร้อม Ubuntu และชุดซอฟต์แวร์สำหรับ AI ของ NVIDIA ทั้ง NVIDIA AI Enterprise, NIM Microservices และ CUDA-X Libraries รวมถึงเครื่องมือสำหรับพัฒนาและ Deploy AI Workload

แนวคิดคือ นักพัฒนาสามารถใช้ Tools, Frameworks และ Model เดียวกับที่ใช้ในระบบ NVIDIA ฝั่ง Data Center ได้ตั้งแต่ขั้นตอนพัฒนาบนโต๊ะทำงาน และเมื่อโครงการต้องใช้ทรัพยากรมากขึ้นจึงย้าย Workload ไปยัง Cloud หรือ Data Center ต่อ โดยลดการเปลี่ยน Environment ระหว่าง Development กับ Production

นี่น่าจะเป็นจุดที่ NVIDIA ต้องการวางตำแหน่ง DGX Station ให้ต่างจากการประกอบ AI PC หรือ Workstation ขึ้นมาเอง เพราะสิ่งที่ขายไม่ได้มีเฉพาะ Compute Performance แต่รวมถึง Software Ecosystem และ Workflow ตั้งแต่การพัฒนาไปจนถึง Production ด้วย

ในไทยมีให้เลือกจาก 3 ผู้ผลิต

Ascenti Enterprise ระบุว่าจะนำ DGX Station เข้ามาทำตลาดในประเทศไทยผ่านผลิตภัณฑ์สามรุ่น ได้แก่ ASUS ExpertCenter Pro ET900N G3, MSI XpertStation WS300 และ Supermicro Super AI Station

กลุ่มเป้าหมายจึงไม่น่าจะเป็นผู้ใช้ PC ทั่วไป แต่เป็นทีม AI, นักวิจัย, Software Developer และองค์กรที่ต้องการนำโมเดลขนาดใหญ่มารันภายในระบบของตัวเอง รวมถึงองค์กรที่ต้องการควบคุมข้อมูลและลดการพึ่งพา Cloud สำหรับบาง Workload

มองในภาพใหญ่

สิ่งที่น่าสนใจของ DGX Station ก็คือทำให้เส้นแบ่งระหว่าง AI Workstation กับ AI Server เริ่มลดลง ที่ผ่านมา ถ้าต้องการรันโมเดลที่ต้องใช้ Memory หลายร้อย GB ทางเลือกมักต้องขยับไปหา Server แบบ Multi-GPU หรือ Cloud แต่ระบบลักษณะนี้พยายามนำ Compute และ Memory ขนาดใหญ่มาไว้ใกล้กับนักพัฒนามากขึ้น

ดังนั้น DGX Station จึงไม่ใช่ AI Workstation ที่แรงกว่าเดิม แต่ถูกวางเป็น Local AI Infrastructure สำหรับทีมขนาดเล็กถึงระดับองค์กร ที่สามารถเริ่มพัฒนา AI บนเครื่องภายใน และค่อยขยายเวิร์คโหลดไปยัง Data Center เมื่อความต้องการเพิ่มขึ้น

ช่องทางการติดต่อ สอบถามรายละเอียดเพิ่มเติม บริษัท เอสเซนตี้ รีซอร์สเซส จำกัด

Similar Posts