DGX Station GB300 ou workstation multi-GPU ?
Un supercalculateur Grace Blackwell sous le bureau, ou plusieurs RTX PRO dans une tour Threadripper : comment choisir sa machine pour l'IA locale en 2026.
- La DGX Station GB300 offre 748 Go de mémoire cohérente et vise les modèles de plusieurs centaines de milliards de paramètres, pour 85 000 à 125 000 $ selon les revendeurs.
- Une workstation à 2 ou 4 RTX PRO 6000 réunit 192 à 384 Go de VRAM, avec la même bande passante par carte qu'une RTX 5090, pour un budget plusieurs fois inférieur.
- Le bon choix dépend de la taille du plus gros modèle que vous devez charger, et de votre système d'exploitation.
Deux philosophies de la machine IA
La DGX Station repose sur une superpuce unique, la GB300 Grace Blackwell Ultra : un processeur Arm et un GPU Blackwell Ultra partagent un vaste espace mémoire, dont 252 Go de HBM3e à 7,1 To/s. Elle fonctionne sous DGX OS, une variante d'Ubuntu pour Arm, et une version Windows a été annoncée au GTC Taipei 2026.
La workstation multi-GPU, elle, assemble des cartes PCIe indépendantes autour d'un processeur x86 (Threadripper PRO ou Xeon W). Chaque RTX PRO 6000 apporte 96 Go de GDDR7 ECC à 1 792 Go/s ; les modèles sont répartis entre les cartes par les logiciels d'inférence (vLLM, llama.cpp, TensorRT-LLM).
Le comparatif
Mémoire totale utilisable par les modèles ; bande passante par GPU. La DGX Station additionne HBM3e et LPDDR5X (cette dernière beaucoup plus lente).
Quand choisir la DGX Station
- Vous devez charger des modèles de plus de 400 milliards de paramètres sans compression, ou des MoE géants avec un très long contexte.
- Vous développez pour l'écosystème NVIDIA des data centers (Grace, NVLink) et voulez le même environnement sur votre bureau.
- Le budget n'est pas la contrainte principale.
Quand préférer une workstation multi-GPU
- Vos modèles font de 30 à 400 milliards de paramètres en 4 ou 8 bits : c'est le cas de l'immense majorité des assistants, RAG d'entreprise et agents.
- Vous voulez Windows et Linux, des logiciels x86 classiques et la possibilité d'ajouter une carte plus tard.
- Plusieurs personnes travaillent en parallèle : chaque GPU peut servir un modèle ou un utilisateur différent.
Pour estimer la mémoire de votre modèle, utilisez nos calculateurs IA, ou comparez toutes les plateformes dans nos actualités hardware IA.
