DGX Station GB300: quando una workstation AI non basta

La DGX Station GB300 ha due memorie: una veloce da 252 GB e una capiente da 496 GB. In quali casi cambia davvero il lavoro dell'intelligenza artificiale in azienda, e quando basta una workstation.

Il server di reparto per l'intelligenza artificiale funziona. L'assistente che risponde sui documenti interni piace, e ora lo vogliono anche l'ufficio legale e l'amministrazione: il legale allega contratti di cinquanta pagine, l'amministrazione interi fascicoli. Alle nove del mattino le richieste aperte insieme diventano decine, ognuna con un documento lungo da leggere, e le risposte che prima arrivavano subito si fanno aspettare. Oppure il gruppo di ricerca ha scelto il modello aperto con cui lavorare, e quel modello pesa circa 165 GB, mentre la scheda video più capiente di una workstation ne ha 96. È in situazioni come queste che si comincia a guardare la DGX Station GB300 di NVIDIA.

La DGX Station GB300 è una macchina da scrivania costruita attorno allo stesso tipo di chip che NVIDIA usa nei data center: un processore e una GPU nello stesso modulo, con 748 GB di memoria in tutto. Noi la proponiamo nella versione ASUS, la ExpertCenter Pro ET900N G3. Per alcuni lavori precisi è la strada più diretta, perché mette 252 GB di memoria veloce su una GPU sola; per molti altri basta una workstation. Il modo più utile per parlarne è dire con chiarezza dove sta il confine.

In questo articolo trovi cosa offre davvero, con i numeri dei test indipendenti pubblicati finora; in quali tre casi serve; quando invece basta una workstation o un server di reparto; e cosa sapere prima di sceglierla, dal software alla presa di corrente. Nel video qui sopra trovi la versione in tre minuti.

1. Prima di tutto: quando basta una workstation

Partiamo da quello che una workstation fa già bene, perché è il caso più frequente. Come abbiamo visto in DGX Spark o workstation: la macchina giusta per l'AI, i modelli con cui si lavora davvero nel 2026, da 27-35 miliardi di parametri, pesano 14-20 GB una volta compressi ed entrano in 32 GB: una RTX 5090 li fa girare veloci. Una RTX PRO 6000, con 96 GB, arriva ai modelli da circa 120 miliardi di parametri compressi, come gpt-oss-120b, e con il software adatto risponde a più persone insieme. Un reparto di 20-30 persone che usa un assistente sui documenti è il suo lavoro naturale: è quello che chiamiamo server di reparto.

Se il tuo caso è questo, la DGX Station non ti serve. Lo diciamo subito: una macchina più grande del necessario è un costo che poi va spiegato, e in un ente pubblico va anche rendicontato.

Il quadro cambia in tre situazioni precise.

Le richieste aperte insieme diventano molte decine, con documenti lunghi. Il server di reparto funziona e lo chiedono altri uffici, oppure dei programmi automatici, gli agenti AI, lavorano senza sosta. Con tante richieste ogni passo di lavoro della scheda si allunga, e con i documenti lunghi finisce anche la memoria che ogni conversazione occupa: le richieste in più aspettano il loro turno.

Il modello che serve non entra in 96 GB. E non basta che ci entri a malapena: deve restare spazio per le conversazioni, quindi in pratica il limite di una RTX PRO 6000 è intorno agli 80-90 GB.

Il tuo gruppo sviluppa software che dovrà girare sui sistemi GB300 dei data center, o vuole adattare i modelli ai propri dati su una macchina con la stessa architettura.

Per i primi due casi ci sono due strade, e le vendiamo entrambe: una workstation o un server con più RTX PRO 6000, che cresce una scheda alla volta, oppure la DGX Station GB300, che mette 252 GB di memoria veloce su una GPU sola. Per il terzo serve la stessa architettura dei data center, cioè la GB300. Vediamo cosa offre.

2. Cos'è la DGX Station GB300, in parole semplici

Dentro c'è un modulo che NVIDIA chiama GB300 Grace Blackwell Ultra Desktop Superchip. Unisce un processore Grace con 72 core di tipo Arm, diverso dai processori dei normali PC, e una GPU Blackwell Ultra, della stessa famiglia delle GPU dei data center.

Due memorie, non una

Il numero che si legge ovunque è 748 GB di memoria. È corretto, ma è la somma di due memorie molto diverse:

Fonti: schede tecniche NVIDIA della DGX Station e della RTX PRO 6000, consultate a ottobre 2026.

Rispetto a una RTX PRO 6000, la memoria veloce della GB300 è oltre due volte e mezzo più grande e circa quattro volte più veloce. La memoria del processore è un serbatoio in più, che la GPU raggiunge molto più lentamente.

Oltre al modello, la GPU tiene in memoria ogni conversazione aperta, e più il documento è lungo più spazio occupa. Vale quindi la stessa regola dell'articolo sul DGX Spark citato sopra: la capacità decide se un modello entra, la banda decide quanto corre. Il modello è veloce quando sta tutto nei 252 GB veloci e lascia ancora spazio alle conversazioni. Se deve appoggiarsi alla memoria del processore, entra lo stesso ma rallenta. Un esempio dai test: un modello da circa 233 GB sta, sulla carta, sotto i 252 GB; per lasciare spazio alle conversazioni, però, una parte è finita comunque nella memoria lenta (test indipendenti, agosto 2026).

La versione ASUS

La piattaforma è la stessa per tutti i produttori: NVIDIA fornisce la scheda di base, ogni produttore costruisce attorno telaio, raffreddamento e alimentazione. Nella ExpertCenter Pro ET900N G3 ASUS raffredda a liquido il chip, le memorie e la scheda di rete; l'alimentatore da 1.600 W è certificato 80 PLUS Titanium. In laboratorio ha dato risultati quasi identici a quelli di un'altra DGX Station: su 28 confronti, 24 stanno entro il 2% (test indipendenti, settembre 2026). Le prestazioni dipendono dalla piattaforma, che è la stessa; cambiano la costruzione e l'assistenza. ASUS aggiunge anche Zenni AI Hub, un software che secondo il produttore serve a installare i modelli, indirizzare le richieste al modello più adatto e cercare nei documenti aziendali.

3. Tante richieste insieme: cosa cambia nei numeri

Quando più persone fanno domande allo stesso modello, la macchina non le serve una dopo l'altra: il programma che gestisce le richieste le lavora insieme. Finché le richieste sono poche, ognuna va quasi alla velocità di una richiesta sola. Quando aumentano, ogni passo di lavoro si allunga, perché ci sono più conversazioni da tenere in memoria e più calcoli da fare, e ognuna riceve meno parole al secondo. Con i documenti lunghi si aggiunge un secondo limite: quando la memoria per le conversazioni finisce, le richieste in più aspettano.

Un laboratorio indipendente ha misurato la macchina ASUS e una RTX PRO 6000 sullo stesso modello, gpt-oss-120b, con un numero crescente di richieste aperte insieme, fino a 128. Due tipi di lavoro: domande brevi, e domande con un documento lungo, una decina di pagine da leggere prima di rispondere. Un token è un pezzo di parola: in italiano una parola vale circa un token e mezzo.

Fonte: test indipendenti, settembre 2026; totali massimi, raggiunti con 128 richieste aperte insieme. La media per richiesta è un nostro calcolo: totale generato diviso 128. *Per la RTX PRO 6000 con domande brevi la prova indica il totale massimo ma non con quante richieste è stato raggiunto: con 128 richieste il totale non può essere più alto, quindi circa 24 per richiesta è un tetto.

Come leggere questi numeri

La media per richiesta serve a capire, non è una promessa: viene da un test di laboratorio con lunghezze fisse. E 128 richieste aperte nello stesso istante non sono 128 persone: chi usa un assistente legge, pensa, scrive la domanda successiva, quindi dietro 128 richieste ci sono molti più utenti.

Detto questo, il confronto è chiaro: a pieno carico la GB300 produce circa 3 volte la RTX PRO 6000 con le domande brevi e oltre 4 volte con i documenti lunghi. Con le domande brevi la RTX PRO 6000 dà al massimo circa 24 token al secondo per richiesta, non lontano dalla soglia dei 10-20 sopra la quale si lavora bene. Con i documenti lunghi scende intorno a 9, sotto quella soglia, mentre la GB300 resta intorno a 39. In più gpt-oss ragiona prima di rispondere, e una parte di questi token non si legge: si aspetta. Con 9 token al secondo, prima che compaia la risposta possono passare decine di secondi, abbastanza perché in ufficio qualcuno pensi che l'assistente si sia bloccato e venga a dirlo a te.

E con una persona sola? La GB300 è più veloce anche lì, 536 token al secondo contro 241 con un modello più piccolo, gpt-oss-20b (test indipendenti, settembre 2026). Ma sono entrambi ritmi più veloci di quanto si legga: la differenza si sente nell'attesa prima della risposta e, soprattutto, quando le richieste diventano tante.

4. Quando il modello non entra in 96 GB

Il secondo caso è più semplice da capire: il modello non entra in una scheda. Molti dei modelli aperti più grandi del 2026 sono costruiti in un modo particolare: hanno centinaia di miliardi di parametri, ma per ogni parola ne usano solo una piccola parte. Servono tanti gigabyte per contenerli, ma con poche richieste corrono come un modello molto più piccolo.

Fino a circa 200 GB: tutto nella memoria veloce

DeepSeek V4 Flash ha 284 miliardi di parametri e ne usa 13 per ogni parola; nel formato in cui DeepSeek lo distribuisce pesa circa 160-170 GB (nostra stima sul formato dichiarato dal produttore). Sulla GB300 sta tutto nella memoria veloce di una GPU sola. Nei test la GB300 ha generato 152 token al secondo con una richiesta, e 1.766 in totale con 32 richieste, circa 55 per richiesta. Con schede da 96 GB ne servono almeno due, con poco spazio per le conversazioni: una macchina con due RTX PRO 6000 è arrivata al massimo a 803 token al secondo in totale (test indipendenti, settembre 2026).

Oltre la memoria veloce: il modello entra, ma corre per pochi

Con i modelli ancora più grandi entra in gioco la memoria del processore. GLM-5.2, compresso, pesa 433 GB: sulla GB300 circa metà sta nella memoria veloce e il resto in quella del processore. Con una richiesta ha generato circa 35 token al secondo; con 32 richieste 139 in totale, cioè circa 4 per richiesta. E sono i numeri migliori possibili: per questi modelli il laboratorio dichiara un'impostazione di test che favorisce la velocità, e nel lavoro reale i valori possono essere più bassi (test indipendenti, agosto e settembre 2026). La GB300 fa entrare i modelli enormi; non li fa correre per tutti.

Alcuni modelli aperti di punta superano perfino i 748 GB complessivi. Quando NVIDIA presenta la DGX Station come una macchina per modelli da mille miliardi di parametri, descrive che cosa ci entra appoggiandosi alla memoria lenta, non quanto veloce risponde.

L'altra strada: più schede nella stessa macchina

C'è un caso, nei test, che racconta bene il confine. Con un modello da circa 233 GB, al limite della memoria veloce della GB300, una macchina con quattro RTX PRO 6000 (384 GB di memoria in tutto) è andata alla pari con 1-2 richieste e ha fatto meglio della GB300 da 4 a 16 richieste. Con 32 richieste è scesa sotto. Anche qui sono valori nel caso migliore: il laboratorio lo dichiara per la GB300, e verosimilmente vale anche per l'altra macchina (test indipendenti, agosto e settembre 2026).

Quando invece il modello non sta nemmeno nelle quattro schede, la GB300 torna avanti: con il modello da 433 GB, quattro RTX PRO 6000 che si appoggiavano alla RAM del computer hanno generato circa 40 token al secondo in totale con 32 richieste, contro i 139 della GB300 (test indipendenti, settembre 2026).

Più schede in una workstation o in un server sono l'alternativa modulare: crescono una scheda alla volta, ed è la strada che abbiamo indicato nell'articolo sul DGX Spark per i modelli da 200-400 miliardi di parametri. La GB300 è la soluzione con una GPU sola e una memoria veloce più grande. Nessuna delle due è sbagliata: dipende da quante richieste, da quale modello e da come pensi di crescere.

5. Sviluppo, ricerca e agenti

Il terzo caso riguarda chi sviluppa. La DGX Station ha la stessa architettura dei sistemi GB300 dei data center e arriva con Ubuntu, una versione di Linux, e gli strumenti NVIDIA per l'intelligenza artificiale già installati: quello che si prepara sulla scrivania si sposta poi nel data center o nel cloud. Il laboratorio che ha provato un'altra DGX Station della stessa piattaforma la indica soprattutto a chi scrive software per queste GPU, ai gruppi di robotica e a chi è stanco di aspettare il proprio turno su una macchina condivisa (test indipendenti, agosto 2026).

Una GPU, fino a sette

La GPU si può dividere fino a sette GPU più piccole e isolate, con la tecnologia NVIDIA MIG: ognuna ha la sua parte di calcolo e di memoria, e le parti più piccole hanno circa un settimo del calcolo e poco più di 30 GB di memoria. È utile, per esempio, quando più dottorandi lavorano ciascuno sul proprio modello piccolo senza disturbarsi. Non è però il modo di servire un modello grande a molte persone: quello si fa con la GPU intera, ed è così che sono stati misurati i numeri della sezione 3.

Adattare i modelli ai tuoi dati

Si può usare anche per adattare un modello ai dati dell'azienda, il lavoro di cui abbiamo parlato in addestrare un modello AI sui tuoi dati. Con le tecniche leggere, che modificano solo una piccola parte del modello, la memoria veloce basta per modelli fino a qualche decina di miliardi di parametri, anche oltre se il modello è compresso. Modificare tutti i parametri di un modello, invece, ci sta solo per i modelli piccoli, intorno ai 10-15 miliardi. È una nostra stima, che verifichiamo caso per caso: nessun test indipendente ha ancora misurato l'adattamento di un modello linguistico su questa macchina.

Agenti sempre accesi

NVIDIA la propone anche per gli agenti AI: programmi che lavorano da soli e senza sosta su documenti e applicazioni, con software NVIDIA che li tiene in un ambiente controllato. Per la macchina un agente è un utente che non si stanca mai: moltiplica le richieste, indipendentemente da quante persone ci sono in ufficio. Più agenti lavorano insieme, più richieste arrivano nello stesso momento: è la situazione della sezione 3.

6. Cosa sapere prima di sceglierla

Il processore è Arm, il sistema è Linux

Il processore Grace non è come quelli dei normali PC. La macchina arriva con Ubuntu e gli strumenti NVIDIA, e il software principale per l'intelligenza artificiale, come CUDA, PyTorch e vLLM, esiste per questo tipo di processore. Programmi e pacchetti di software già pronti pensati solo per i processori dei normali PC, invece, vanno ricompilati o sostituiti: nelle prove indipendenti di agosto 2026 è stato un limite per alcuni strumenti. È la prima cosa che un nostro esperto verifica: che tutto il software del tuo progetto giri su questa architettura, e che sia aggiornato per questa generazione di GPU.

Windows è annunciato, non ancora disponibile

A maggio NVIDIA ha annunciato una versione della DGX Station con Windows, prevista entro la fine del 2026; a metà ottobre non è ancora disponibile, e ASUS indica il supporto a Windows come previsto in futuro. Oggi la macchina lavora con Linux. Se Windows per te è un requisito, ne parliamo con un esperto prima di scegliere.

Corrente, calore, spazio

L'alimentatore è da 1.600 W. Secondo un nostro calcolo, a 230 V la macchina assorbe al massimo intorno agli 8 A: basta una presa da 16 A su un circuito adeguato, senza ciabatte né adattatori. Il circuito da 20 A indicato nella scheda tecnica NVIDIA riguarda le reti a 120 V del Nord America.

Restano tre verifiche da fare con l'elettricista. La prima: che la linea regga anche gli altri carichi. La seconda: che il contratto basti; con un contratto da 3 kW, sotto carico la macchina ne usa da sola circa metà, e con un condizionatore e altri computer accesi si arriva al limite. La terza: che ci sia un gruppo di continuità adeguato. Sotto carico, poi, la macchina produce oltre un kilowatt di calore: in una stanza piccola serve un condizionatore che lo smaltisca.

Pesa 27 kg, è alta circa 58 cm e profonda circa 57: sul tetto ha due maniglie e si sposta in due. Lavora in ambienti tra 10 e 35 °C. ASUS dichiara circa 50 dB a pieno carico in modalità automatica, senza scheda video aggiuntiva, senza indicare la distanza della misura.

Il monitor e la seconda scheda video

La GPU della GB300 non ha uscite video: la piccola presa video sul retro serve solo alla gestione della macchina. Per collegare un monitor serve una scheda RTX PRO aggiuntiva, che ASUS prevede in alcune configurazioni. Molti la useranno da remoto, come un server condiviso. Se la seconda scheda è di fascia alta va scelta con attenzione: preleva dagli stessi 1.600 W, e quando chiede più watt il sistema li toglie per prima cosa alla GB300 (test indipendenti, agosto 2026).

Ore di lavoro senza rallentare

Un laboratorio indipendente ha fatto lavorare al massimo per quasi tre ore una DGX Station della stessa piattaforma: la GPU non ha mai rallentato e le temperature si sono stabilizzate dopo un quarto d'ora. Il test, di settembre 2026, è sponsorizzato dal produttore di quella macchina. Per chi lancia un lavoro la sera e vuole trovarlo finito la mattina, è il dato che conta.

Dopo la consegna: chi chiami

Una macchina così lavora per anni, e prima o poi serve una mano: un aggiornamento che non va come previsto, un modello nuovo da far girare, un componente da controllare. Prima di scegliere conviene sapere chi risponde in quel momento. Con noi la risposta è semplice: chiami noi, prima e dopo la consegna, e ti risponde chi conosce la tua macchina e il tuo progetto.

7. Gli errori più comuni prima di sceglierla

Leggere 748 GB come un blocco solo

Sono due memorie. Il modello lavora veloce solo se sta nei 252 GB della GPU, insieme alla memoria delle conversazioni. Il resto è un serbatoio lento.

Misurare la velocità con i petaflop

I 20 petaflop dichiarati da NVIDIA valgono in condizioni particolari, con numeri a 4 bit e modelli preparati in un modo speciale; senza quella preparazione sono 15. Per un modello linguistico la velocità la decidono soprattutto memoria e banda, non il numero della scheda tecnica.

Contare le persone invece delle richieste

Conta quante domande arrivano nello stesso momento e quanto sono lunghi i documenti allegati. Lo stesso numero di persone pesa in modo diverso se fa domande brevi o se allega contratti, e un agente può valere più persone.

8. Le domande giuste che fa un esperto

Prima di parlare di macchine, un nostro esperto ti chiede come userai l'intelligenza artificiale. Sono domande semplici, e decidono la risposta.

Quante richieste arrivano insieme, nel momento di punta, e con quali documenti: domande brevi o contratti di cinquanta pagine.

Quale modello vuoi usare e quanto pesa: è il numero che decide se basta una scheda.

Che software deve girare, e se esiste per questo processore e per Linux.

Se lavoreranno anche degli agenti, che moltiplicano le richieste.

Chi la gestirà: aggiornamenti, accessi, divisione della GPU tra i progetti.

Dove la mettiamo: linea elettrica, contratto, gruppo di continuità, calore.

Con quali fondi e in quali tempi: un progetto finanziato ha scadenze di rendicontazione, e la macchina deve essere scelta bene ed entro quella data.

Da lì scegliamo la strada: una workstation o un server di reparto con RTX PRO 6000, una macchina con più schede, oppure la DGX Station GB300. Abbiamo a catalogo la DGX Station e le altre macchine NVIDIA DGX, e progettiamo workstation e server con una o più schede: non abbiamo una sola risposta da proporti, ma quella giusta per il tuo lavoro.

Domande frequenti

Quanta memoria ha la DGX Station GB300?

748 GB in tutto: 252 GB di memoria HBM3e per la GPU, a 7,1 TB/s, e 496 GB di memoria LPDDR5X per il processore, a 396 GB/s. La GPU può usarle entrambe, ma il modello lavora veloce solo nella prima.

Quante persone può servire?

Dipende dal modello e dalla lunghezza dei documenti. Nei test indipendenti, con 128 richieste aperte insieme su gpt-oss-120b, ognuna ha ricevuto in media circa 72 token al secondo con domande brevi e circa 39 con documenti lunghi. 128 richieste simultanee corrispondono a molte più persone, perché non tutti scrivono nello stesso istante.

Meglio una DGX Station o una workstation con RTX PRO 6000?

Per una persona o per un reparto di 20-30 persone, con modelli che stanno in 96 GB insieme alle conversazioni, la workstation o il server di reparto con RTX PRO 6000. Per molte decine di richieste con documenti lunghi, o per modelli oltre gli 80-90 GB e fino a circa 200 GB su una GPU sola, la GB300. Per modelli più grandi, una macchina con più schede quando il modello sta tutto nelle loro memorie (quattro RTX PRO 6000 arrivano a 384 GB); oltre, la GB300 lo fa entrare appoggiandosi alla memoria lenta, ma per poche persone alla volta.

La DGX Station GB300 funziona con Windows?

Oggi lavora con Ubuntu Linux. NVIDIA ha annunciato una versione con Windows prevista entro la fine del 2026, e ASUS indica il supporto come previsto in futuro.

Che impianto elettrico serve?

L'alimentatore è da 1.600 W: a 230 V assorbe al massimo intorno agli 8 A, secondo un nostro calcolo. Basta una presa da 16 A su un circuito adeguato, senza ciabatte; vanno verificati con l'elettricista la linea, il contratto, il gruppo di continuità e lo smaltimento del calore.

Si può usare per adattare i modelli ai propri dati?

Sì, con tecniche leggere, su modelli fino a qualche decina di miliardi di parametri secondo la nostra stima. Modificare tutti i parametri ci sta solo per i modelli piccoli, e addestrare per intero un modello grande richiede più GPU. Nessun test indipendente ha ancora misurato l'adattamento di un modello linguistico su questa macchina.

Continua a leggere: Basta una RTX 5090 per l'AI in locale?

Le specifiche vengono dalle pagine ufficiali di NVIDIA, ASUS e DeepSeek; le misure da test indipendenti di agosto e settembre 2026, indicati nel testo accanto a ogni numero e consultati a ottobre 2026. Le medie per richiesta, il peso di DeepSeek V4 Flash e il calcolo dell'assorbimento sono nostre stime.