⚙️ 13.2 万美元的「桌下数据中心」：HP 把 GB300 塞进工作站，748GB 内存本地跑万亿参数

一台机器 748GB 内存、能本地跑一万亿参数的模型，价格 13.2 万美元起——HP 把原本只活在数据中心机柜里的 NVIDIA GB300 超级芯片，装进了一台可以塞在办公桌下、也能上 5U 机架的塔式工作站。9 月它展出时 HP 不肯说价格，11 月 10 日美国官网和 B&H 同时上架，价格终于摆出来了。

3分钟看懂：这次到底公布了什么

先把结论说清楚：这不是一颗新芯片，是一台新机器第一次有了价格和购买入口。

HP 的 ZGX Fury G1n AI Station 最早在 2026 年 9 月初展出，当时只有规格、没有价格；StorageReview 在 9 月 9 日就写过「已可下单」，但同样没拿到报价。这次的变化是：HP 美国官网商店和 B&H Photo Video 都上了商品页，基础配置 $132,000 起，而且这个基础配置里没有独立显卡。

三档价格对应三种配置：

• 无独显：$132,000
• 加 RTX Pro 2000（16GB GDDR7）：$133,000
• 加 RTX Pro 4000（24GB GDDR7）：$136,000，此时 GPU 侧显存合计 276GB

需要说明的是，价格与上架信息基于多家媒体转述整理（Notebookcheck 依据 HP 官网与 B&H 商品页报道，HotHardware、VideoCardz、LetsDataScience 独立复述同一价格区间），规格与电气要求来自 HP 官方产品页。HP 官方新闻稿没有公布售价。

748GB 是怎么算出来的

这个数字不是「内存 748GB」这么简单，它是两个物理上分开的内存池相加：

• 496GB LPDDR5X-6400：挂在 Grace CPU 侧，4 条 128GB SOCAMM，带宽 396GB/s
• 252GB HBM3e：Blackwell Ultra GPU 自己的显存，带宽 7.1TB/s

两者通过 NVLink-C2C 连成一个一致寻址空间，所以 GPU 可以直接访问 CPU 内存，模型放不进 HBM 时会溢出到系统内存，而不是直接跑不起来。HP 把这个总和叫「748GB 统一内存」。

这也解释了它为什么敢说自己能跑大模型：不是靠单池容量，而是靠「显存 + 系统内存」拼出来的容量上限。

贵在哪：一颗数据中心芯片被搬到了桌下

贵的第一原因很直接：GB300 Grace Blackwell Ultra 超级芯片。这是 NVIDIA 数据中心产品线里的部件，一颗封装里同时有 72 核 Arm Neoverse V2 的 Grace CPU 和 Blackwell Ultra GPU。

围绕这颗芯片，其余配置基本是「机房标准件」：

• 液冷 + 1600W 钛金认证电源——桌面形态塞进数据中心功耗，风冷兜不住
• 双 400Gbps QSFP112 口（NVIDIA ConnectX-8 SuperNIC），两台可以直连组小集群
• 3 个 PCIe Gen5 插槽，双 2TB NVMe（自加密），另有 2 个 M.2 位，最高可到 32TB
• 塔式机身但带 5U 上架导轨，可以按机架设备管理

能跑多大的模型

HP 给的口径是两条：

• 微调：100B 参数级别
• 推理：最高 1 万亿参数级别，但必须用 FP4 量化

算力标称最高 20 PFLOPS（FP4）。

这几个数字都要打个括号读：它们是 HP 自己给的理论值，不是第三方实测。尤其是「1T 参数」这条，依赖模型先被量化到 FP4，精度会掉，实际能不能用要看具体模型和任务；HP 官方页面对此也只写了「Model harness quantizes at FP4」这样的脚注。

开箱即用程度

这台机器的定位不是「给你一块裸板自己折腾」，而是尽量接近开箱可跑：

• 预装 Ubuntu 24.04 LTS + NVIDIA AI Developer Tools（驱动、CUDA、容器工具）
• 自带 HP Z Toolkit（VS Code 扩展，负责发现、配对、远程、SSH 管理多台机器）和 HP Z Runtime（负责拉模型、起服务、管推理）
• 通过 Red Hat Enterprise Linux 认证，配 Red Hat AI Enterprise 可做生产推理
• Windows 支持列在「后续提供」

对团队来说，这套软件栈的价值在于：模型从开发到上生产不用换机器，也不用先搭一套 K8s。

一张表：关键规格

适用场景：谁该关心、怎么用

适合的人：

• 数据不能出楼的研究团队：医疗影像、金融风控、政府项目，模型和数据都必须在本地
• 要可预测成本的小团队：把按 token 计费的云账单，换成一次性硬件投入 + 电费
• 多人共享的 AI 开发组：HP 明确把它定位成「共享推理盒」，多人可并行微调，而不是一人一台
• 需要从开发直接进生产的场景：同一台机器上开发、微调、起推理服务

怎么用（给准备落地的人一条具体路径）：

1. 先确认机房/办公室有没有 200–240V 专用回路——这是硬门槛，插不上普通 120V 插座
2. 按团队最大模型估内存：要微调 100B 级模型，直接看 748GB 池；只做 7B–70B 推理，这台的余量非常大
3. 用 Z Toolkit 在 VS Code 里配对机器，再用 Z Runtime 拉模型起服务，先跑通一个内部 demo
4. 需要更大容量时，用两根 400G 线把两台 Fury 直连，而不是先上交换机

不适用场景

• 个人开发者 / 小工作室：13.2 万美元买的是容量和一致性，不是性价比；同样的钱租云 GPU 能跑很久
• 只想跑 7B–30B 模型的团队：一张 RTX Pro 6000 或一台几万块的工作站就够，748GB 是浪费
• 需要训练超大模型的团队：单机 20 PFLOPS FP4 面向的是微调与推理，不是预训练集群
• 没有机房条件的办公室：功耗、散热、专用电路、噪音都要按机房设备对待

避坑与注意事项

• 748GB 不是一块内存：496GB 系统内存带宽只有 396GB/s，和 HBM 的 7.1TB/s 差一个数量级。模型溢出到系统内存后速度会明显下降，容量够不等于跑得快
• 1T 参数靠 FP4：量化会损失精度，官方没给任何 token/s 或延迟数据，采购前一定要拿自己的模型实测
• 20 PFLOPS 是 FP4 口径：换成 FP8/FP16 数字会低不少，别拿它和别的卡的 BF16 数字直接比
• 供电是最容易翻车的一环：HP 官方明确写了不能接标准 120V 家用插座，需要合格电工确认线路
• 9 月就「可下单」了：如果你看到旧文说它已上市，那说的是没有价格的阶段；这次新增的是价格与美国零售渠道
• 没有独立评测：目前所有性能数字都来自 HP，第三方实测尚未出现

成本与时间

• 机器：$132,000（无独显）/ $133,000（+RTX Pro 2000）/ $136,000（+RTX Pro 4000）
• 额外成本：专用电路改造、机房散热、可能的上架与运维；HP 未公布保修外服务价格
• 时间：HP 美国官网与 B&H 已上架，属于可下单状态；官方未给交付周期
• 对比思路：HP 自己的说法是「消除按 token 计费」——把变动成本换成固定成本。这笔账只有在持续高负载、且数据必须本地的情况下才算得过来

行动建议

第一步：先算一件事——你们团队过去三个月的云端推理+微调账单是多少。如果低于这台机器两年的折旧加电费，就不要买；如果远高于，并且数据合规要求不允许出内网，再进入下一步：确认场地电力，然后向 HP 或 B&H 询价并申请 POC。

参考来源