MSI heeft begonnen met de commercialisering van de XpertStation WS300, een werkstation voor kunstmatige intelligentie gebaseerd op de NVIDIA DGX Station-architectuur en uitgerust met de superchip NVIDIA GB300 Grace Blackwell Ultra. Het systeem biedt tot wel 748 GB coherente geheugen en is ontworpen voor het lokaal uitvoeren van grote taalmodellen (LLM), inferentie, finetuning en IA-agenten, zonder afhankelijk te zijn van cloud-GPU-infrastructuur.
De kernpunten van de MSI XpertStation WS300 in 20 seconden
- De XpertStation WS300 gebruikt de NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip, die CPU Grace combineert met GPU Blackwell Ultra.
- Beschikt over maximaal 748 GB coherente geheugen tussen CPU en GPU.
- Voorzien van twee 400 GbE-verbindingen via NVIDIA ConnectX-8.
- Twee systemen kunnen worden gekoppeld om de beschikbare capaciteit te vergroten.
- MSI richt zich op inferentie, modelfinetuning, multimodale IA en lokaal uitgevoerde agents.
Dit apparaat behoort tot een nieuwe categorie systemen die proberen werkstations te voorzien van mogelijkheden die voorheen alleen aan GPU-servers werden toegeschreven. NVIDIA plaatst zijn DGX Station-architectuur op tot 20 petaFLOPS AI-berekening FP4 en beweert dat het modellen tot een biljoen parameters aankan, afhankelijk van de belasting en configuratie.
MSI ontwikkelt geen eigen acceleratie-architectuur voor dit systeem. De XpertStation is gebaseerd op het door NVIDIA ontworpen platform en geïntegreerd in een zakelijke oplossing die al op de Amerikaanse markt wordt gedistribueerd.
748 GB geheugen voor het lokaal uitvoeren van grote modellen
Een van de meest opvallende kenmerken van deze generatie werkstations is niet alleen de GPU-prestaties, maar vooral de hoeveelheid beschikbaar geheugen.
De GB300 Grace Blackwell Ultra Desktop Superchip verbindt een NVIDIA Blackwell Ultra GPU met een Grace CPU met 72 kernen via NVLink-C2C. De NVIDIA-referentiearchitectuur combineert 252 GB HBM3e-geheugen voor de GPU en 496 GB LPDDR5X voor de CPU, wat samen tot 748 GB coherente geheugen geeft.
NVLink-C2C biedt bovendien een bandbreedte tot wel 900 GB/s tussen CPU en GPU. Het doel hiervan is een van de veelvoorkomende problemen bij grote modellen te verminderen: het voortdurende heen en weer verplaatsen van informatie tussen gescheiden geheugengebieden.
Voor bepaalde IA-projecten kan dit belangrijker zijn dan alleen de rekencapaciteit vergroten.
Grote taalmodellen vereisen opslag van gewichten, context en diverse tussenschermen tijdens uitvoering. Als het model niet in het beschikbare geheugen past, is het nodig het te verdelen over meerdere GPU’s, delen van informatie naar het systeemgeheugen te uploaden, of andere technieken te gebruiken die de prestaties kunnen verminderen.
Met 748 GB kunnen grote taalmodellen lokaal worden gewerkt, veel groter dan wat een conventioneel werkstation met één GPU aankan.
NVIDIA claimt dat de DGX Station modellen tot een biljoen parameters kan uitvoeren, al is dat de maximale capaciteit volgens de fabrikant en betekent dat niet dat elk model van die grootte hetzelfde prestatieniveau of dezelfde nauwkeurigheid kan behalen. Het geheugenverbruik hangt ook af van quantisatie, modelarchitectuur, context en workload.
MSI richt de XpertStation WS300 daarom op taken zoals IA-ontwikkeling, finetuning, lokale inferentie, multimodale modellen en continue agentuitvoering.
Twee 400 GbE-verbindingen voor het koppelen van werkstations
Een ander aspect dat dit soort systemen dichter bij datacenter-infrastructuur brengt, is de netwerkconnectiviteit.
De XpertStation WS300 beschikt over NVIDIA ConnectX-8 SuperNIC, met twee QSFP112-poorten die elk 400 Gb/s bieden. De referentieplatform DGX Station bereikt daarmee tot 800 Gb/s aggregatie in Ethernet-connectiviteit.
Dit is niet alleen bedoeld voor snellere bestandsoverdrachten.
MSI biedt de mogelijkheid om twee XpertStation WS300-systemen te koppelen om workloads te verdelen en de beschikbare capaciteit te verhogen voor bepaalde modellen. NVIDIA ondersteunt dit eveneens in de DGX Station via ConnectX-8.
Hierdoor bevindt het product zich tussen een traditioneel werkstation en een klein IA-cluster in.
Een enkele DGX Station gebruikt een Blackwell Ultra GPU en een Grace CPU. Aan de andere kant kan een volledige NVIDIA DGX GB300-infrastructuur decennia aan GPU’s en Grace-CPU’s bevatten, ontworpen voor grootschalige workloads.
De MSI-oplossing maakt een start met één systeem en de mogelijkheid om later een tweede toe te voegen wanneer de workload dat vereist — maar vervangt nog niet de volledige GPU-infrastructuur van een datacenter met tientallen of honderden accelerators.
Lokaal IA wint aan belang voor bedrijven
De lancering komt op een moment dat een deel van de industrie probeert IA-belastingen vanuit de cloud te halen en op eigen infrastructuur te draaien.
Cloudplatforms blijven duidelijk voordeel bieden voor projecten met variabele capaciteit of tijdelijk veel GPU-capaciteit. Het kopen van eigen infrastructuur voor gebruik slechts enkele uren per dag kan moeilijk te rechtvaardigen zijn.
Maar dat verandert zodra workloads continu worden uitgevoerd.
Permanent inferentie, modelontwikkeling, agents die de hele dag draaien of terugkerende processen kunnen hoge kosten met zich meebrengen wanneer de volledige rekenkracht per gebruik wordt gefactureerd.
Lokaal uitvoeren biedt bovendien een extra voordeel: gegevens kunnen binnen de bedrijfsinfrastructuur blijven.
Dit is vooral relevant bij werken met broncode, interne documentatie, klantinformatie of eigen modellen. Hoewel het niet automatisch de veiligheid- en compliantievereisten wegnneemt, geeft het wel meer controle over waar gegevens worden opgeslagen en verwerkt.
MSI mikt hiermee op de markt die behoefte heeft aan lokale IA-oplossingen met grote geheugencapaciteit en ruimte voor veeleisende modellen.
Daarnaast wijst MSI op compatibiliteit met NVIDIA NemoClaw en OpenShell, technologieën bedoeld voor het uitvoeren van IA-agenten onder bedrijfsbeleid. Deze agents moeten niet alleen modellen bedienen, maar ook continu actief blijven en verbonden zijn met bedrijfsapplicaties en -processen.
NVIDIA volgt dezelfde visie met de DGX Station: het systeem is bedoeld voor het ontwikkelen, aanpassen en lokaal uitvoeren van modellen en agents, alvorens ze, indien nodig, naar het datacenter of de cloud te verplaatsen.
Een belangrijk detail dat het aard van de XpertStation verduidelijkt, is het verbruik: het platform heeft een tot 1.600 watt aan totale energievoorziening. Dit is geen gewone high-performance PC, maar infrastructuur voor gespecialiseerde toepassingen die in een niet-ruw- rack-formaat kan worden geïnstalleerd.
MSI heeft geen vaste prijs of concrete leverdatum voor de Spaanse markt bekendgemaakt. Wel bevestigt het dat het systeem al verkrijgbaar is via distributeurs zoals ASI, D&H en Newegg, waar het beschikbaar is.
De komst van systemen als de XpertStation WS300 breidt de opties uit voor het implementeren van bedrijfsgerichte IA. Tussen een GPU in een traditioneel werkstation en een clustertje van accelerators in een datacenter ontstaat er een nieuwe, tussenliggende categorie: werkstations met architecturen die rechtstreeks uit de IA-servermarkt komen.
De waarde ligt minder in het bereiken van maximale prestaties, maar vooral in het continu kunnen benutten van honderden gigabytes geheugen en een Blackwell Ultra GPU voor relevante workloads.
Voor bedrijven die dagelijks dat niveau van capaciteit nodig hebben, wordt het uitvoeren van modellen dicht bij ontwikkelaars een reële en goede alternatieve overweging ten opzichte van de recurrente kosten van cloudgebruik.
Veelgestelde vragen
Welke processor gebruikt de MSI XpertStation WS300?
Het maakt gebruik van de NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip, die een NVIDIA Grace 72-core CPU combineert met een Blackwell Ultra GPU via NVLink-C2C.
Hoeveel geheugen heeft de XpertStation WS300?
De platform beschikt over maximaal 748 GB coherente geheugen, bestaande uit 252 GB HBM3e voor de GPU en 496 GB LPDDR5X voor het systeem.
Kunnen meerdere XpertStation WS300-systemen worden gekoppeld?
Ja. MSI ondersteunt het koppelen van twee systemen via NVIDIA ConnectX-8, met elke 400 Gb/s Ethernet-poorten en een totale bandbreedte tot 800 Gb/s.
Kan ik IA-modellen uitvoeren zonder gebruik van de cloud?
Ja. Het systeem is vooral bedoeld voor het uitvoeren van inferentie, finetuning, multimodale modellen en IA-agenten lokaal. NVIDIA zegt dat DGX Station modellen tot een biljoen parameters aankan, afhankelijk van de workload en configuratie.