Lenovo Campus ThinkStation PGX, SFF, NVIDIA GB10 Grace Blackwell, 128GB, 4TB SSD, NVIDIA DGX OS

Lenovo Campus ThinkStation PGX, SFF 1,13L, NVIDIA GB10 Grace Blackwell Superchip, 128GB, 4 TB SSD, NVIDIA Blackwell, NVIDIA DGX OS

Die Lenovo ThinkStation PGX ist eine kompakte KI-Workstation für lokale AI-Entwicklung, Data Science und modellbasierte Forschungs- und Entwicklungsworkflows. Der NVIDIA GB10 Grace Blackwell Superchip kombiniert eine 20-Core-Arm-CPU mit NVIDIA Blackwell Grafik und 128 GB einheitlichem Systemspeicher. NVIDIA DGX OS und der vorinstallierte NVIDIA AI Software Stack schaffen eine spezialisierte Plattform für Prototyping, Fine-Tuning und Inferenz.

Highlights

• NVIDIA GB10 Grace Blackwell Superchip mit 20-Core-Arm-CPU aus 10 Cortex-X925- und 10 Cortex-A725-Kernen
• NVIDIA Blackwell Architektur mit bis zu 1000 TOPS beziehungsweise 1 PFLOP FP4 KI-Leistung
• 128 GB LPDDR5X Unified System Memory mit 256-Bit-Anbindung und 273 GB/s Speicherbandbreite
• 4 TB selbstverschlüsselnde NVMe-M.2-SSD für lokale Datensätze, Modelle und Projektartefakte
• 10-Gigabit-Ethernet, Wi-Fi 7 und Bluetooth 5.3 LE für lokale und vernetzte Entwicklungsumgebungen
• Zwei QSFP-Schnittstellen über NVIDIA ConnectX-7 zur Kopplung von zwei Lenovo ThinkStation PGX Systemen

Technische Details

Prozessor und KI-Leistung

• Plattform: NVIDIA Grace Blackwell
• Prozessor: NVIDIA Grace 20-Core-Arm-CPU im NVIDIA GB10 Grace Blackwell Superchip
• Kernaufteilung: 10 × Cortex-X925 und 10 × Cortex-A725
• KI-Leistung: bis zu 1000 TOPS
• FP4-Leistung: bis zu 1 PFLOP mit Sparsity
• Modellgröße: Unterstützung für KI-Modelle mit bis zu 200 Milliarden Parametern auf einem System

Arbeitsspeicher

• Kapazität: 128 GB
• Technologie: LPDDR5X Unified System Memory
• Speicherbus: 256 Bit
• Speicherbandbreite: 273 GB/s

Massenspeicher

• Kapazität: 4 TB SSD
• Technologie: NVMe M.2
• Datenträgerschutz: selbstverschlüsselnd, TCG-Opal-Verschlüsselung

Grafik

• Grafikarchitektur: NVIDIA Blackwell, integriert in den NVIDIA GB10 Grace Blackwell Superchip
• Tensor Cores: 5. Generation
• RT Cores: 4. Generation
• Videoeinheiten: dedizierter NVENC-Encoder und NVDEC-Decoder

Anschlüsse und Konnektivität

• USB-C Stromversorgung: 1 × USB-C mit Power Delivery 3.1
• USB4: 3 × USB-C mit USB4 20 Gbit/s und DisplayPort 2.1
• HDMI: 1 × HDMI 2.1a mit Mehrkanal-Audio
• Ethernet: 1 × RJ-45 mit 10 Gigabit Ethernet
• Cluster-Verbindung: 2 × QSFP über NVIDIA ConnectX-7

Netzwerk

• LAN: 10 Gigabit Ethernet
• WLAN: Wi-Fi 7
• Bluetooth: Bluetooth 5.3 LE

Betriebssystem und Softwareplattform

• Betriebssystem: NVIDIA DGX OS
• KI-Software: NVIDIA AI Software Stack
• CUDA: CUDA 13
• Entwicklungswerkzeuge: GB10 Dashboard und NVIDIA AI Workbench

Sicherheit

• Massenspeicher: selbstverschlüsselnde NVMe-SSD
• TPM: TPM 2.0
• Plattformsicherheit: NVLink-C2C Enclave und NVIDIA Firmware Recovery
• Systemstart: UEFI Secure Boot

Stromversorgung

• Leistungsaufnahme: 240 W
• Netzteil: 240-W-USB-C-Netzteil im Lieferumfang

Formfaktor und Abmessungen

• Formfaktor: Small Form Factor, 1,13 Liter
• Abmessungen: 150 × 150 × 50,5 mm
• Gewicht: ab 1,2 kg

Passendes Zubehör

• 4K-Monitor: schafft zusätzliche Arbeitsfläche für Entwicklungsumgebungen, Jupyter Notebooks, Modellmetriken und Datenvisualisierung und kann über einen geeigneten digitalen Bildausgang angebunden werden.
• 10-Gigabit-NAS: ergänzt den lokalen 4-TB-Speicher um zentralen Netzwerkspeicher für Datensätze, Checkpoints und Projektartefakte; Netzwerkprotokolle und Infrastruktur sollten projektbezogen abgestimmt werden.

Empfohlene Services

• Fehleranalyse & Kostenvoranschlag: unterstützt bei der technischen Eingrenzung von Hardware- oder Softwareproblemen und schafft eine Grundlage für weitere Reparaturentscheidungen.
• Datensicherung & Datenrettung: bietet technische Unterstützung für vorhandene Projekt- und Arbeitsdaten bei Sicherungs- oder Wiederherstellungsbedarf.

Häufige Fragen zum Lenovo ThinkStation PGX

Für welche Workloads ist die KI-Workstation vorgesehen?

Die Plattform ist gezielt für AI-Entwicklung ausgelegt. Dazu zählen unter anderem Machine Learning, Computer Vision, generative KI und LLMs, Robotik, agentenbasierte Anwendungen sowie lokales Prototyping, Fine-Tuning und Inferenz.

Welche Modellgrößen können lokal verarbeitet werden?

Ein einzelnes System ist für Modelle mit bis zu 200 Milliarden Parametern ausgelegt. Zwei Lenovo ThinkStation PGX Systeme können über NVIDIA ConnectX-7 gekoppelt werden, wodurch Modelle mit bis zu 405 Milliarden Parametern unterstützt werden.

Warum verwendet das System Unified System Memory?

Die 128 GB LPDDR5X stehen als einheitlicher Systemspeicher mit 256-Bit-Anbindung und 273 GB/s Bandbreite zur Verfügung. Dadurch greifen die Recheneinheiten der Grace-Blackwell-Plattform auf einen gemeinsamen Speicherbereich für datenintensive KI-Workloads zu.

Welche Netzwerkoptionen stehen für große Datensätze bereit?

Für kabelgebundene Datenübertragungen besitzt das System einen 10-Gigabit-Ethernet-Anschluss. Zusätzlich stehen Wi-Fi 7 sowie zwei QSFP-Schnittstellen über NVIDIA ConnectX-7 für die Kopplung von zwei Systemen zur Verfügung.

Welches Betriebssystem ist auf dieser Konfiguration installiert?

Die konkrete Konfiguration wird mit NVIDIA DGX OS bereitgestellt. Dazu gehört die auf NVIDIA AI-Entwicklung ausgerichtete Softwareumgebung mit NVIDIA AI Software Stack und CUDA 13.

Wie viel lokaler Speicher steht für Modelle und Datensätze bereit?

Die Konfiguration besitzt eine 4-TB-NVMe-SSD. Damit steht lokaler Speicher für Entwicklungsumgebungen, Datensätze, Modellgewichte, Checkpoints und weitere Projektdateien zur Verfügung.

Lokale KI-Entwicklung im kompakten Workstation-Format

Eigene Entwicklungsumgebung für AI-Projekte

Die Kombination aus NVIDIA Grace Blackwell, 128 GB Unified Memory und NVIDIA DGX OS richtet den Arbeitsplatz konsequent auf lokale Entwicklungszyklen aus. Prototypen, Modellanpassungen und Inferenzläufe können damit auf einer dedizierten persönlichen KI-Plattform bearbeitet werden.

Speicher und Datenwege für iterative Workflows

Die 4-TB-NVMe-SSD bietet Platz für lokale Entwicklungsstände und Modellartefakte, während 10-Gigabit-Ethernet den Austausch größerer Datenbestände mit vorhandener Netzwerkinfrastruktur unterstützt. Das ist besonders für Data-Science- und Forschungsumgebungen relevant, in denen Daten regelmäßig zwischen zentralem Speicher und lokalem Compute verschoben werden.

Skalierung vom Einzelplatz zum Zwei-System-Aufbau

Der 1,13-Liter-Formfaktor ermöglicht einen spezialisierten KI-Arbeitsplatz mit geringem Platzbedarf. Für größere Modelle lässt sich die Architektur durch die vorgesehene ConnectX-7-Verbindung auf zwei Lenovo ThinkStation PGX Systeme erweitern und damit in wachsende Entwicklungsanforderungen einordnen.