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

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

Die Lenovo ThinkStation PGX ist eine kompakte KI-Workstation für lokale Inferenz, Machine Learning, generative AI, Prototyping und Fine-Tuning. Der NVIDIA GB10 Grace Blackwell Superchip verbindet eine 20-Core-Arm-CPU mit integrierter NVIDIA-Blackwell-Grafik und 128 GB gemeinsam nutzbarem LPDDR5X-Speicher. Die 4-TB-NVMe-SSD bietet umfangreichen lokalen Speicher für Modelle, Datensätze, Checkpoints und Entwicklungsumgebungen.

Highlights

• NVIDIA GB10 Grace Blackwell Superchip mit 20-Core-Arm-Prozessor
• Bis zu 1 PFLOP KI-Rechenleistung bei FP4-Präzision
• 128 GB LPDDR5X Unified System Memory mit 256-Bit-Anbindung und 273 GB/s Speicherbandbreite
• 4 TB PCIe-5.0-x4-NVMe-M.2-SSD mit Opal-Unterstützung und Selbstverschlüsselung
• 10-Gigabit-Ethernet, Wi-Fi 7 und zwei QSFP-Schnittstellen mit jeweils 200 Gbit/s
• NVIDIA DGX OS mit NVIDIA AI Software Stack für lokale KI-Workflows

Technische Details

Formfaktor

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

Prozessor und KI-Leistung

• Plattform: NVIDIA GB10 Grace Blackwell Superchip
• Prozessorarchitektur: Arm
• Prozessorkerne: 20
• Kernaufteilung: 10 × Cortex-X925 und 10 × Cortex-A725
• KI-Rechenleistung: bis zu 1 PFLOP bei FP4-Präzision mit Sparsity

Arbeitsspeicher

• Kapazität: 128 GB
• Speichertyp: LPDDR5X Unified System Memory
• Speicheranbindung: 256 Bit
• Speicherbandbreite: 273 GB/s

Massenspeicher

• Kapazität: 4 TB
• Bauform: M.2 2242
• Schnittstelle: PCIe 5.0 x4 NVMe
• Datenschutz: Opal-Unterstützung und Selbstverschlüsselung

Grafik und KI-Beschleunigung

• Grafikarchitektur: NVIDIA Blackwell, integriert in den NVIDIA GB10 Grace Blackwell Superchip
• CUDA-Kerne: NVIDIA Blackwell Generation
• Tensor-Kerne: 5. Generation
• RT-Kerne: 4. Generation
• Video-Engine: 1 × NVENC-Encoder und 1 × NVDEC-Decoder

Anschlüsse und Konnektivität

• USB-C: 1 × USB 20 Gbit/s mit USB Power Delivery 3.1 Eingang und DisplayPort 2.1
• Weitere USB-C-Anschlüsse: 3 × USB 20 Gbit/s mit DisplayPort 2.1
• HDMI: 1 Anschluss mit Mehrkanal-Audioausgabe
• Ethernet: 1 × RJ-45 mit 10 Gigabit Ethernet
• Hochgeschwindigkeitsverbindung: 2 × QSFP mit jeweils 200 Gbit/s zur Verbindung von Lenovo ThinkStation PGX Systemen

Netzwerk

• Netzwerkcontroller: NVIDIA ConnectX-7 Smart NIC
• Ethernet: 10 Gigabit Ethernet
• WLAN: Wi-Fi 7 nach IEEE 802.11be
• Bluetooth: Bluetooth 5.3

Stromversorgung

• Netzteil: externer 240-W-Adapter

Betriebssystem

• Betriebssystem: NVIDIA DGX OS
• Softwareplattform: NVIDIA AI Software Stack

Sicherheit

• Datenträger: selbstverschlüsselnde NVMe-SSD
• Systemstart: UEFI Secure Boot

Garantie und Service

• Basisgarantie: 1 Jahr Vor-Ort-Service
• Enthaltener Service: 1 Jahr Lenovo Premier Support

Passendes Zubehör

• 4K-Monitor: Ergänzt die kompakte KI-Workstation um eine hochauflösende Arbeitsfläche für Entwicklungsumgebungen, Modellanalysen, Visualisierungen und Monitoring; die Bildausgabe kann über einen geeigneten vorhandenen Anschluss erfolgen.
• USB-C-Tastatur-Maus-Set: Ergänzt das ohne Tastatur und Maus konfigurierte System um kabelgebundene Eingabegeräte für den lokalen Entwicklungsplatz; im HEINZSOFT-Sortiment sind Linux-geeignete USB-C-Ausführungen vorhanden.

Häufige Fragen zum Lenovo ThinkStation PGX

Für welche Aufgaben ist die Lenovo ThinkStation PGX ausgelegt?

Die KI-Workstation ist für lokale Inferenz, Machine Learning, generative AI, Prototyping und Fine-Tuning konzipiert. Der große Unified Memory unterstützt dabei Workflows mit umfangreichen Modellen und Datensätzen direkt am Entwicklungsplatz.

Welche Modellgrößen kann die Lenovo ThinkStation PGX verarbeiten?

Lenovo gibt für ein einzelnes System KI-Modelle mit bis zu 200 Milliarden Parametern an. Bei der direkten Kopplung von zwei Lenovo ThinkStation PGX Systemen werden Modellgrößen von bis zu 405 Milliarden Parametern genannt; der tatsächliche Ressourcenbedarf hängt vom Modell und der verwendeten Präzision ab.

Kann eine zweite Lenovo ThinkStation PGX direkt angebunden werden?

Ja. Für die direkte Hochgeschwindigkeitsverbindung zweier Systeme stehen zwei QSFP-Schnittstellen mit jeweils 200 Gbit/s zur Verfügung.

Welche Netzwerkverbindungen stehen zur Verfügung?

Für die Netzwerkintegration bietet die KI-Workstation 10-Gigabit-Ethernet über RJ-45, Wi-Fi 7 und Bluetooth 5.3. Die NVIDIA ConnectX-7 Smart NIC stellt zusätzlich die Hochgeschwindigkeitsschnittstellen für gekoppelte Systeme bereit.

Sind Tastatur, Maus und Monitor enthalten?

Nein. Für die konkrete Konfiguration sind weder Monitor noch Tastatur und Maus als enthalten ausgewiesen. Diese Komponenten können passend zum vorgesehenen lokalen Entwicklungsplatz ergänzt werden.

Welches Betriebssystem nutzt die Lenovo ThinkStation PGX?

Die Konfiguration verwendet NVIDIA DGX OS mit dem NVIDIA AI Software Stack und ist damit auf lokale KI-Entwicklungs- und Inferenzworkflows ausgerichtet.

Lokale KI-Entwicklung auf kompakter Fläche

Unified Memory für umfangreiche Modelle

Die gemeinsame Speicherarchitektur mit 128 GB LPDDR5X stellt CPU und integrierter NVIDIA-Blackwell-Grafik einen großen einheitlichen Speicherbereich zur Verfügung. Das ist insbesondere für lokale KI-Workflows relevant, bei denen Modelle und Daten möglichst ohne klassische Trennung zwischen System- und Grafikspeicher verarbeitet werden sollen.

Lokale Datenhaltung für Entwicklungszyklen

Die 4-TB-NVMe-SSD bietet Platz für Modellbibliotheken, Datensätze, Checkpoints und Entwicklungsumgebungen direkt auf dem System. Dadurch lassen sich Experimente, Fine-Tuning und Inferenz in einer lokalen Projektumgebung organisieren.

Skalierung über die einzelne KI-Workstation hinaus

10-Gigabit-Ethernet und die beiden 200-Gbit/s-QSFP-Schnittstellen unterstützen sowohl die Einbindung in schnelle Entwicklungsnetzwerke als auch die direkte Kopplung zweier Lenovo ThinkStation PGX Systeme. Damit lässt sich der kompakte Arbeitsplatz für größere Modell- und Forschungsworkflows gezielt erweitern.