-
1. ExpertCenter E500 G9(入门 Intel 平台) 芯片组 W680,支持 12/13/14 代酷睿 i5/i7/i9,最高 128GB DDR5 ECC 内存。双 2.5G 网口、3 个 M.2 插槽,可搭载单块双槽专业显卡。定位入门 CAD、平面设计、小型渲染,性价比款,适合小型工作室、政企办公。 2. Pro ET500I W8(新一代酷睿 Ultra 平台) Intel LGA1851 插槽,Core Ultra 系列处理器,DDR5 ECC UDIMM。三 M.2+SlimSAS,搭载雷电 4,双 2.5G 网口,支持单 RTX 专业卡。相比 E500 G9,新一代 Ultra 核显 AI 算力更强,适合短视频剪辑、轻量化 AI 推理、三维建模。 3. Pro ET500A B8(AMD 入门锐龙平台) AMD 平台,支持锐龙 7000/8000/9000 及 EPYC 4005,DDR5 ECC / 普通内存兼容。双 M.2,双 2.5G 网口,单专业显卡。AMD 多核优势明显,适合渲染、影视后期、预算有限的多线程项目。 4. Pro ET700I W7(Xeon W 中端工作站) Intel Xeon W-2400/W-3400 系列,企业级至强平台,面向中端专业计算。大容量 EC...
-
NVIDIA Jetson Orin Nano 2 是一款面向入门级边缘 AI 的全新机器人计算机,可帮助全球数百万开发者构建机器人、配送和巡检无人机以及视觉 AI 系统等前沿物理 AI 应用。 在相同尺寸下,Jetson Orin Nano 2 的推理性能较前代产品实现翻倍;在同等性能下,功耗降低 40%。 已有超过 300 万开发者基于 NVIDIA 机器人技术栈进行开发,康耐视、斗山山猫和 Matic 等企业已率先采用 Jetson Orin Nano 2 进行探索。 生态系统合作伙伴正同步推出载板、硬件系统和参考解决方案,以帮助客户加快产品上市速度。 NVIDIA 今日发布了 NVIDIA Jetson Orin Nano™ 2,这是一款全新的机器人计算机,旨在重新定义入门级边缘 AI,让前沿级生成式 AI 性能惠及数百万开发者。 随着 AI 模型变得更小及更高效,越来越多的边缘设备正演进为能够理解上下文、解析语言和图像,并实时采取响应的自主系统。为了将这些能力应用于机器人、配送和巡检无人机以及视觉 AI 系统等实体机器中,开发者需要专为边缘 AI 打造的紧凑且高能效机器人计算...
-
西北大学物理学院探索教学与科研新范式 目标 西北大学物理学院·现代物理研究所致力于在物理专业的教学与科研一线引入生成式 AI。依托 NVIDIA DGX Spark,物理学院在本地、可控、可复现的环境中构建面向物理专业的“教学助教”与“科研工具协同”智能体,把原本需要申请机房与云资源的科研项目,变成可以在桌面上每天迭代的工程项目,为智能体从原型验证到全院推广提供完整的孵化路径。 客户 西北大学物理学院·现代物理研究所 用例 生成式 AI/智能体 (Agentic AI) 产品 NVIDIA DGX Spark Open Shell NIM 背景:AI 时代教学科研新范式探索 生成式 AI 正在逐步影响知识获取、内容生成与科研协作方式,也推动高校探索面向 AI 时代的教学与科研新范式。在科研领域,基于大语言模型的智能体已开始应用于文献分析、实验方案辅助设计和科研工具协同等环节;在教学领域,相关教辅工具不断涌现,但其实际价值仍取决于与课程体系、专业知识和具体场景的深度结合。 基于这一判断,西北大学物理学院开始探...
-
定位:Blackwell 架构入门专业工作站显卡(不是游戏卡),主打低功耗、小体积、ECC 显存,面向 CAD/CAE、3D 可视化、本地 AI 推理,70W 功耗NVIDIA 一、核心规格 项目 参数 架构 Blackwell(B100 衍生消费 / 工作站小芯片) CUDA 核心 4352 Tensor Core 第 5 代,支持 FP4、FP8、DLSS4,AI 算力 545 AI TOPS RT Core 第 4 代,光追峰值 52 TFLOPS 单精度 17 TFLOPS 显存 16GB GDDR7 带 ECC 纠错 位宽 / 带宽 128bit / 288 GB/s 总线 PCIe 5.0 x8 功耗 Max 70W,无需外接供电 显示输出 4×mDP 2.1b,最高支持 8K@240Hz,4 屏输出 视频引擎 1×9 代 NVENC,1×6 代 NVDEC 板型 双槽,标配全高挡板,附带低 Profile 薄挡板,可上小机箱 SFF 工作站 重点差异:消费卡没有 ECC,ECC 会自动校验显存位错误,适合长时间跑仿真、本地大模型、工程计算,避免隐性出错,这是专业卡核心价值之一PNY 二、Blackwell 架构带来的关键升级 第五代 Tensor Co...
-
NVIDIA RTX PRO Blackwell 服务器版 GPU 助力内容创作、AI、工程和质量保证的算力基础设施统一集成,在数据中心规模设施中提供工作站级性能。 当今的游戏开发团队正面临日益庞大的游戏世界、复杂多变的工作流以及分散协作的团队结构。许多工作室在关键的制作环节中仍然依赖桌面端 GPU 硬件。 在本周于旧金山举行的游戏开发者大会 (GDC)上,NVIDIA 展示了通过在 NVIDIA RTX PRO 服务器上实现虚拟化游戏开发,将分散的工作流整合在一起的全新方案,由 NVIDIA RTX PRO Blackwell 服务器版 GPU 和 NVIDIA vGPU 软件驱动。 借助 RTX PRO 服务器,游戏研发团队可以将创作、工程开发、AI 研究和质量保证(QA) 等核心工作流集中并实现虚拟化,统一运行在数据中心的共享 GPU 基础设施之上。 借助 RTX PRO 服务器,研发团队既能保持工作站级的响应速度和图像清晰度,又能大幅度提升基础设施利用率、可扩展性、数据安全性以及跨团队和跨地点的整体运营一致性。 简化复杂工作流 随...
-
凭借 NVIDIA 全栈推理掌握 AI Token 经济学 AI 推理 — 通过聊天机器人、copilot 和创意工具体验 AI — 正在以双倍指数级的速度扩展。在智能体工作流、长推理思考以及混合专家模型 (MoE) 的推动下,每次交互生成的 AI token 数量急剧增加,同时,用户采用率也持续攀升。 为了实现如此大规模的推理,NVIDIA 每年都会提供数据中心级架构。我们卓越的硬件和软件协同设计实现了性能数量级的飞跃,并持续降低 token 成本,从而使先进的 AI 体验在规模化应用中具有经济可行性。 NVIDIA Grace Blackwell Ultra 机架级系统架构的高性能计算平台每瓦 token 数是 Hopper™ 的 50 倍,成本降低了 35 倍,从而在相同的功率预算内更大限度地提高收益,提高利润空间。持续软件优化可在芯片、机架和数据中心规模上实现更高性能,随着时间的推移进一步提高投资回报率。 推理性能降低 token 成本 降低 token 成本的因素有哪些? 许多企业在评估人工智能基础设施时,往往只关注分子项:单块显卡每小时的使用成本。如果是云部署...



