🛒 0

Exxact Valence DGX Station

Chip NVIDIA GB300 Grace Blackwell Ultra Superchip
Kohärenter Speicher 748 GB vereint: 496 GB LPDDR5X + 252 GB HBM3e
KI-Leistung 20 PetaFLOPS (FP4)
Vernetzung 2× 400G ConnectX-8 SuperNIC
94.000 €

Unser Team wird sich mit einem maßgeschneiderten Preisangebot bei Ihnen melden.

Verwenden Sie dies, um verschiedene Konfigurationen in Ihrem Warenkorb zu unterscheiden – praktisch, wenn Sie dasselbe Produkt mit verschiedenen Optionen bestellen.

Gesamtpreis 94.000 €

Vollständige Spezifikationen

Rechenleistung & Speicher

Superchip

NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

CPU

NVIDIA Grace CPU Superchip, 72 Arm Neoverse V2-Kerne

GPU

1× NVIDIA Blackwell Ultra GPU

Kohärenter Speicher

748 GB vereint: 496 GB LPDDR5X + 252 GB HBM3e

KI-Leistung

20 PetaFLOPS (FP4) / 10 PetaFLOPS (FP8)

Speicher & Physische Eigenschaften

Speicher (Steckplätze)

2× M.2 2280 PCIe 5.0 x4 NVMe (System) + 2× M.2 2280 PCIe 6.0 x4 NVMe (64 GB/s, Trainingsdatenpfad)

Formfaktor

Vollturm-Desktop-Modell, NVIDIA DGX Station-Architektur

Abmessungen

24,4 x 59,4 x 29,5 cm

Netzwerk & Erweiterung

Hochgeschwindigkeitsnetzwerk

2× 400G QSFP112-Ports über NVIDIA ConnectX-8 SuperNIC, plus 1× 10GbE RJ45-Verwaltungsport

PCIe-Erweiterung

PCIe 5.0, 1× Slot mit doppelter Breite x16; unterstützt eine optionale diskrete RTX PRO 6000 Blackwell GPU (96 GB GDDR7)

Stromversorgung & Kühlung

Netzteil

1600-W-ATX-Netzteil, Titanium-Effizienz, Standard-Bürosteckdose

Kühlung

Geschlossenes Flüssigkeitskühlsystem, optimiert für bürotaugliche Geräuschentwicklung unter anhaltender KI-Auslastung

Verwaltung & Software

BMC

ASPEED AST2600

Fernverwaltung

IPMI 2.0 und Redfish API, Überwachung und Steuerung im Data-Center-Stil

GPU-Partitionierung

Multi-Instance GPU (MIG), bis zu 7 isolierte Instanzen mit garantierter Servicequalität

Software-Stack

Vorinstallierte Linux-Umgebung mit NVIDIA AI Enterprise-Werkzeugen, bereit für die Bereitstellung des NVIDIA NemoClaw-Agents

Bevorzugen Sie eine schnelle KI-gestützte Zusammenfassung? Überspringen Sie das Lesen – prüfen Sie die vollständigen Spezifikationen und die Eignung für Ihren Anwendungsfall mit einem KI-Assistenten Ihrer Wahl.

Exxact stellte die Valence DGX Station am 20. Januar 2026 vor – ein bürotaugliches System auf der NVIDIA GB300 Grace Blackwell Superchip-Plattform nach NVIDIA's DGX Station-Spezifikation, entwickelt um Billionen-Parameter-Modelle lokal von einem einzigen bürofreundlichen Tower aus auszuführen.

Hardwarespezifikationen

Die Valence basiert auf einem einzelnen NVIDIA Grace CPU Superchip – 72 Arm Neoverse V2-Kerne und 496 GB LPDDR5X-Speicher – gepaart mit einem NVIDIA Blackwell Ultra GPU mit 252 GB HBM3e-GPUSpeicher, vereinheitlicht über NVLink-C2C zu einem kohärenten Speicherpool von 748 GB. Der Speicher ist zweigeteilt: 2× M.2 2280 PCIe 5.0 x4 NVMe für das Betriebssystem und 2× M.2 2280 PCIe 6.0 x4 NVMe (64GB/s) als dedizierter Pfad für Trainingsdaten und Model-Checkpoints, wodurch alltägliche System-I/O von schweren KI-Workloads getrennt bleibt. Die Vernetzung erfolgt über eine Dual-Port-ConnectX-8 400G SuperNIC, ergänzt durch einen 10GbE-Port für Out-of-Band-Management.

Ein doppelt breiter PCIe 5.0 x16-Steckplatz ermöglicht das Hinzufügen einer diskreten RTX PRO 6000 Blackwell GPU mit 96 GB GDDR7 zum System.

Lokaler KI-Server für den Unternehmenseinsatz

Die Valence ist als gemeinsame lokale KI-Ressource konzipiert. Mehrere Mitarbeiter können während des Arbeitstages Dokumentenverarbeitungsaufgaben einreichen – Vertragsprüfung, Rechnungsextraktion, Berichtserstellung, E-Mail-Triage – wobei Aufträge zentral vor Ort bearbeitet werden, anstatt über externe Cloud-Dienste geleitet zu werden.

Über NVIDIA NemoClaw können autonome Agents kontinuierlich auf dem System laufen und wiederkehrende Aufgaben wie Posteingangsüberwachung oder geplante Berichtsgenerierung bearbeiten, ohne dass eine Person jede Anfrage initiieren muss. Dies ermöglicht der Valence den Betrieb als dauerhafte KI-Infrastruktur für das Unternehmen, die stetige Dokumenten-Workloads unterstützt.

Kostenvergleich: On-Premises vs. Cloud-KI-APIs

Für KMUs, die täglich große Dokumentenvolumen verarbeiten, vergrößert sich der Unterschied zwischen einem On-Premises-System und Cloud-KI-Abrechnung mit der Zeit erheblich.

Cloud-KI-APIs
~250k € - ~650k €
über 3 Jahre, anhaltende Workload
Nutzungsbasierte Abrechnung skaliert mit dem Volumen. Kosten steigen linear (oder schneller) mit wachsender Dokumenten-/Agenten-Workload, ohne Obergrenze.
Exxact Valence DGX Station
~110.000 €
über 3 Jahre, feste Hardware- + Betriebskosten
Einmalige Hardwarekosten plus vorhersehbare Strom- und Wartungskosten. Kosten bleiben unabhängig von der Nutzungsintensität konstant.
Geschätzte Kostenaufstellung über 3 Jahre: Valence vs. Cloud-KI-APIs
KostencategorieCloud-KI-APIsValence (On-Premises)
Anfängliche HardwareinvestitionKeine94k Euro (einmalig)
Betriebskosten Jahr 1~90k € - ~220k €~4k € (Strom & Wartung)
Betriebskosten Jahr 2~90k € - ~220k €~4k € (Strom & Wartung)
Betriebskosten Jahr 3~90k € - ~220k €~4k € (Strom & Wartung)
Kumulierte Kosten über 3 Jahre~250k € - ~650k €~110.000 €

Da die Verarbeitung vollständig vor Ort stattfindet, werden Dokumente und Geschäftsdaten nicht an Drittserver übertragen. Dies ist ein relevanter Aspekt für Organisationen in juristischen, finanziellen oder anderen datensensiblen Branchen.

Zusammenfassung

Die Valence DGX Station kombiniert ein bürotaugliches System mit Fixkosten und der Architektur zur lokalen Ausführung großer KI-Modelle, plus die Flexibilität, Renderkapazität über eine optionale RTX PRO Blackwell GPU zu erweitern. Für KMUs mit kontinuierlichen KI-Workloads bietet sie eine kostengünstigere Alternative zu wiederkehrenden Cloud-KI-Ausgaben.

DeutschDeutschde🇩🇪EnglishEnglischen🇪🇺bosanskiBosnischba🇧🇦българскиBulgarischbg🇧🇬danskDänischdk🇩🇰EestiEstnischee🇪🇪suomiFinnischfi🇫🇮FrançaisFranzösischfr🇫🇷ΕλληνικάGriechischgr🇬🇷ItalianoItalienischit🇮🇹hrvatskiKroatischhr🇭🇷latviešuLettischlv🇱🇻LietuviųLitauischlt🇱🇹NederlandsNiederländischnl🇳🇱BokmålNorwegischno🇳🇴PolerowaćPolnischpl🇵🇱PortuguêsPortugiesischpt🇵🇹românăRumänischro🇷🇴svenskaSchwedischse🇸🇪СрпскиSerbischrs🇷🇸slovenčinaSlowakischsk🇸🇰SlovenecSlowenischsi🇸🇮EspañolSpanisches🇪🇸češtinaTschechischcz🇨🇿українськаUkrainischua🇺🇦magyarUngarischhu🇭🇺БеларускаяWeißrussischby🇧🇾العربيةArabischar🇸🇦বাংলাBengalischbd🇧🇩မြန်မာBirmanischmm🇲🇲简体Chinesischcn🇨🇳繁體Trad. Chinesischhk🇭🇰ქართულიGeorgischge🇬🇪עבריתHebräischil🇮🇱हिंदीHindihi🇮🇳BahasaIndonesischid🇮🇩日本語Japanischjp🇯🇵ҚазақKasachischkz🇰🇿한국어Koreanischkr🇰🇷MelayuMalaiischmy🇲🇾मराठीMarathimr🇮🇳नेपालीNepalesischnp🇳🇵فارسیPersischir🇮🇷ਪੰਜਾਬੀPunjabipa🇮🇳РусскийRussischru🇷🇺සිංහලSinghalesischlk🇱🇰TagalogTagalogph🇵🇭தமிழ்Tamilta🇱🇰తెలుగుTelugute🇮🇳ไทยThaith🇹🇭TürkçeTürkischtr🇹🇷اردوUrdupk🇵🇰O'zbekUsbekischuz🇺🇿Tiếng ViệtVietnamesischvn🇻🇳