AI-суперкомпьютеры и компьютеры для локального ИИ
Системы для ИИ от настольного DGX Spark и мини-ПК на Ryzen AI Max+ до сервера DGX B300 на 8 GPU, а также одноплатные компьютеры для edge-задач.
98 товаров · цены для юрлиц с НДС и без НДСЦены не являются публичной офертой (ст. 437 ГК РФ) — стоимость оборудования и доставки уточняется по заявке.
Закупаете партию для ИИ-фермы? Подготовим КП с ценой за объём
Пришлите список моделей и количество — ответим коммерческим предложением с НДС и сроками поставки.AI-компьютер HP ZGX Fury G1n GB300 748 ГБ
P/N: E6MY8UT#ABAAI-суперкомпьютер GIGABYTE AI TOP ATOM (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB)
Арт. SB-000054AI-суперкомпьютер HP ZGX Nano G1n (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB)
Арт. SB-000107AI-суперкомпьютер Lenovo ThinkStation PGX (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB)
Арт. SB-000118AI-суперкомпьютер MSI EdgeXpert-11SUS (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB)
Арт. SB-000123AI-суперкомпьютер ASUS Ascent GX10 (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB, SSD 4TB)
Арт. SB-000022AI-суперкомпьютер Acer Veriton GN100 (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB)
Арт. SB-000004AI-суперкомпьютер xFusion FusionXpark GB10 (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB)
Арт. SB-000197Суперкомпьютер Nvidia DGX Spark GB10 940-54242-0006-000
P/N: 940-54242-0006-000AI-суперкомпьютер ASUS Ascent GX10 (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB, SSD 2TB)
Арт. SB-000021AI-суперкомпьютер ASUS Ascent GX10 (GB10 Grace Superchip, ARM v9.2-A (GB10), RAM 128GB, SSD 1TB)
Арт. SB-000020ИИ-станция Dell Pro Max с NVIDIA GB10, 128 ГБ, SSD 2 ТБ
Арт. SB-CNHK-20261118-10AI-компьютер MSI EdgeXpert GB10 64 ГБ
Арт. SB-007565Микрокомпьютер Banana Pi BPI-5202 (4GB)
Арт. SB-001861Микрокомпьютер Banana Pi BPI-F3 (16GB + 128GB eMMC)
Арт. SB-001862Микрокомпьютер Banana Pi BPI-F3 (2GB + 8GB eMMC)
Арт. SB-001863Микрокомпьютер Banana Pi BPI-F3 (4GB + 16GB eMMC)
Арт. SB-001864Как выбрать AI-суперкомпьютер
Выбор начинается с размера модели и числа пользователей. Настольные системы вроде DGX Spark подходят для прототипов, дообучения и локального инференса на одного пользователя: в 128 ГБ общей памяти суперчипа GB10, по данным NVIDIA, помещаются модели до 200B параметров в 4-битных форматах. Для команды и рабочего сервиса выбирайте сервер с несколькими GPU.
Если нужны архитектура x86 и Windows, посмотрите мини-ПК на AMD Ryzen AI Max+ 395 и 495 со 128 или 192 ГБ общей памяти от HP, Acer, MINISFORUM, GMKtec и ACEMAGIC. DGX Spark и его версии от ASUS, Dell, Lenovo, HP, GIGABYTE, Acer и MSI построены на Arm и работают под DGX OS — готовой средой с CUDA.
Для обучения крупных моделей и сервиса на много пользователей нужен DGX B300: восемь GPU B300 с памятью HBM3e, связанных NVLink, и сетевые адаптеры для объединения узлов в кластер. Такой системе нужны стойка, питание и охлаждение уровня ЦОД.
Одноплатные компьютеры Raspberry Pi, Orange Pi, Banana Pi и платы для NVIDIA Jetson закрывают edge-задачи: видеоаналитику, IoT и прототипы устройств.
Опишите модель и нагрузку — инженер подберёт систему и пришлёт коммерческое предложение с НДС и сроком поставки.
DGX Spark или мини-ПК на Ryzen AI Max+?
Оба варианта дают от 128 ГБ общей памяти для локальных LLM. DGX Spark работает на Arm с CUDA и DGX OS, мини-ПК на Ryzen AI Max+ — на x86 с Windows или Linux и ROCm.
Подойдёт ли настольная система для команды?
Для нескольких разработчиков и прототипов — да. Для рабочего сервиса с одновременными запросами многих пользователей нужен GPU-сервер: у него выше пропускная способность памяти и скорость генерации.
Какие модели запустятся на 128 ГБ памяти?
По объёму весов — плотные модели до 70B в FP8 и MoE-модели на 120B в 4-битных форматах: gpt-oss-120b, Qwen3.5-122B-A10B, Nemotron 3 Super, около 60–70 ГБ. По данным NVIDIA, DGX Spark работает с моделями до 200B в 4-битных форматах. Скорость генерации ограничена пропускной способностью памяти, поэтому быстрее работают MoE-модели с небольшим числом активных параметров.
Можно ли развернуть LLM под ключ?
Да: установим драйверы, CUDA или ROCm и сервер инференса и передадим систему готовой к работе.















