Blackwell Ultra im Achterpack
8× NVIDIA Blackwell Ultra SXM auf einer HGX-Baseboard – die größte Speicher-Variante der Blackwell-Generation für speicherlimitierte Trainings- und Inferenz-Workloads.
Die Plattform für das Reasoning-Zeitalter: acht NVIDIA Blackwell Ultra SXM-GPUs, 2,1 TB HBM3e und 14,4 TB/s NVLink in einem einzigen Server – für Training und Inferenz frontier-großer KI-Modelle.
Acht Blackwell-Ultra-GPUs arbeiten über NVLink 5 als ein einziger, kohärenter Beschleuniger – ohne den Flaschenhals klassischer Multi-GPU-Knoten.
8× NVIDIA Blackwell Ultra SXM auf einer HGX-Baseboard – die größte Speicher-Variante der Blackwell-Generation für speicherlimitierte Trainings- und Inferenz-Workloads.
14,4 TB/s aggregierte NVLink-Bandbreite und 1,8 TB/s pro GPU halten Parameter, Aktivierungen und KV-Cache in einem kohärenten Speicherraum – weniger Synchronisations-Overhead, stabilere Step-Zeiten.
8× NVIDIA ConnectX-8 SuperNICs liefern bis zu 800 Gb/s pro GPU mit RDMA/RoCE und GPUDirect, ergänzt durch 2× BlueField-3 DPU für verteiltes Training über Knotengrenzen hinweg.
Die zweite Generation der Transformer Engine bringt NVFP4-Präzision: bis zu 144 PFLOPS (Sparse) für Inferenz und 2× Attention-Performance gegenüber Blackwell – ideal für Reasoning-Modelle mit langen Kontexten und großen KV-Caches.
Beispielhafte Ausstattung in der Leistungsklasse einer NVIDIA DGX B300. CPU, Speicher, Storage und Netzwerk sind frei konfigurierbar – der Endpreis richtet sich nach Ihrer Zielkonfiguration.
| GPU | NVIDIA HGX™ B300 mit 8× Blackwell Ultra SXM |
|---|---|
| GPU-Speicher | 2,1 TB HBM3e gesamt (288 GB pro GPU) |
| FP4 Inference | 144 PFLOPS (Sparse) / 108 PFLOPS (Dense) |
| FP8 Training | 72 PFLOPS |
| NVLink | NVLink 5 / 2× NVLink Switch · 1,8 TB/s GPU-zu-GPU · 14,4 TB/s aggregiert |
| CPU | 2× Intel® Xeon® 6776P (64 Cores, 2,3 GHz, 336 MB Cache, 350 W TDP) |
| Arbeitsspeicher | 2 TB DDR5 RDIMM 6400 MHz, erweiterbar auf 4 TB |
| Storage – OS | 2× 1,9 TB PCIe Gen5 NVMe M.2 (Boot) |
| Storage – Daten | 8× 3,84 TB PCIe Gen5 NVMe |
| Cluster-Networking | 8× OSFP-Ports für 8× NVIDIA ConnectX-8 · bis 800 Gb/s InfiniBand XDR / Ethernet pro Port · PCIe Gen6 |
| DPU | 2× NVIDIA BlueField-3 Dual-Port QSFP112 · bis 400 Gb/s InfiniBand / Ethernet · Crypto Enabled |
| Management-Netzwerk | Onboard-LAN (RJ45) + dediziertes BMC / IPMI |
| Leistungsaufnahme | ca. 14 kW (Volllast) · redundante Netzteile |
| Montage & Test | Slide-Rail-Kit · Assembly & Burn-in-Test inklusive |
| Garantie | 3 Jahre Standard (Return-to-Base), Erweiterung optional |
| Management-Software | Server-Management-Suite inklusive |
GPU-Leistungs- und NVLink-Werte nach NVIDIA-Spezifikation (HGX/DGX B300, Stand Juni 2026). Vorläufige Angaben, Änderungen vorbehalten. Dargestellte Ausstattung ist beispielhaft und an einer NVIDIA DGX B300 orientiert; die finale Konfiguration und der Preis werden individuell abgestimmt.
Wir konfigurieren, integrieren und betreiben HGX-B300-Systeme für Ihren Anwendungsfall – inklusive Beratung zu Kühlung, Stromversorgung und Cluster-Design.
Die Plattform für das Reasoning-Zeitalter: acht NVIDIA Blackwell Ultra SXM-GPUs, 2,1 TB HBM3e und 14,4 TB/s NVLink in einem einzigen Server – für Training und Inferenz frontier-großer KI-Modelle.
Acht Blackwell-Ultra-GPUs arbeiten über NVLink 5 als ein einziger, kohärenter Beschleuniger – ohne den Flaschenhals klassischer Multi-GPU-Knoten.
8× NVIDIA Blackwell Ultra SXM auf einer HGX-Baseboard – die größte Speicher-Variante der Blackwell-Generation für speicherlimitierte Trainings- und Inferenz-Workloads.
14,4 TB/s aggregierte NVLink-Bandbreite und 1,8 TB/s pro GPU halten Parameter, Aktivierungen und KV-Cache in einem kohärenten Speicherraum – weniger Synchronisations-Overhead, stabilere Step-Zeiten.
8× NVIDIA ConnectX-8 SuperNICs liefern bis zu 800 Gb/s pro GPU mit RDMA/RoCE und GPUDirect, ergänzt durch 2× BlueField-3 DPU für verteiltes Training über Knotengrenzen hinweg.
Die zweite Generation der Transformer Engine bringt NVFP4-Präzision: bis zu 144 PFLOPS (Sparse) für Inferenz und 2× Attention-Performance gegenüber Blackwell – ideal für Reasoning-Modelle mit langen Kontexten und großen KV-Caches.
Beispielhafte Ausstattung in der Leistungsklasse einer NVIDIA DGX B300. CPU, Speicher, Storage und Netzwerk sind frei konfigurierbar – der Endpreis richtet sich nach Ihrer Zielkonfiguration.
| GPU | NVIDIA HGX™ B300 mit 8× Blackwell Ultra SXM |
|---|---|
| GPU-Speicher | 2,1 TB HBM3e gesamt (288 GB pro GPU) |
| FP4 Inference | 144 PFLOPS (Sparse) / 108 PFLOPS (Dense) |
| FP8 Training | 72 PFLOPS |
| NVLink | NVLink 5 / 2× NVLink Switch · 1,8 TB/s GPU-zu-GPU · 14,4 TB/s aggregiert |
| CPU | 2× Intel® Xeon® 6776P (64 Cores, 2,3 GHz, 336 MB Cache, 350 W TDP) |
| Arbeitsspeicher | 2 TB DDR5 RDIMM 6400 MHz, erweiterbar auf 4 TB |
| Storage – OS | 2× 1,9 TB PCIe Gen5 NVMe M.2 (Boot) |
| Storage – Daten | 8× 3,84 TB PCIe Gen5 NVMe |
| Cluster-Networking | 8× OSFP-Ports für 8× NVIDIA ConnectX-8 · bis 800 Gb/s InfiniBand XDR / Ethernet pro Port · PCIe Gen6 |
| DPU | 2× NVIDIA BlueField-3 Dual-Port QSFP112 · bis 400 Gb/s InfiniBand / Ethernet · Crypto Enabled |
| Management-Netzwerk | Onboard-LAN (RJ45) + dediziertes BMC / IPMI |
| Leistungsaufnahme | ca. 14 kW (Volllast) · redundante Netzteile |
| Montage & Test | Slide-Rail-Kit · Assembly & Burn-in-Test inklusive |
| Garantie | 3 Jahre Standard (Return-to-Base), Erweiterung optional |
| Management-Software | Server-Management-Suite inklusive |
GPU-Leistungs- und NVLink-Werte nach NVIDIA-Spezifikation (HGX/DGX B300, Stand Juni 2026). Vorläufige Angaben, Änderungen vorbehalten. Dargestellte Ausstattung ist beispielhaft und an einer NVIDIA DGX B300 orientiert; die finale Konfiguration und der Preis werden individuell abgestimmt.
Wir konfigurieren, integrieren und betreiben HGX-B300-Systeme für Ihren Anwendungsfall – inklusive Beratung zu Kühlung, Stromversorgung und Cluster-Design.
Die Verwendung von Cookies von dieser Website in diesem Browser zulassen?
Wir verwenden Cookies, um Ihr Erlebnis auf dieser Website zu verbessern. Mehr über unsere Cookies und wie wir sie verwenden, erfahren Sie in unserer Cookie-Richtlinien.