一台机器，干翻整个云计算逻辑
20 petaflops。
2018年，全球第一的超级计算机Summit占地两个篮球场，运算速度是DGX Station的十倍。
2026年，这台机器就摆在你显示器旁边，插在普通的墙插上。
NVIDIA在刚刚结束的GTC 2026大会上扔出一颗炸弹：DGX Station，一台桌面超级计算机，能跑万亿参数模型——也就是GPT-4那个量级——全程离线，不需要碰任何一朵云。
六位数美元起售。
老实讲，我第一反应是：这玩意儿谁会买？
但看完发布会和首批客户名单，我发现事情没那么简单。这不是一台电脑，这是一张通往"AI主权"的门票。
748GB内存背后，一个残酷的算术题
先说硬规格。
DGX Station用的是全新的GB300 Grace Blackwell Ultra Desktop Superchip，一颗72核Grace CPU加一颗Blackwell Ultra GPU，通过NVLink-C2C互联，带宽1.8TB/s——是PCIe Gen 6的七倍。
20 petaflops是什么概念？2018年排全球第一的Summit超级计算机，运算速度大约是它的十倍，但Summit占了两块篮球场的面积。DGX Station塞进了一个比机箱大不了多少的盒子里。
但真正让我起鸡皮疙瘩的数字是748GB。
万亿参数模型有多大？以FP8精度存储，一个参数大约1个字节。万亿参数就是1万亿字节，大约1TB。但这只是一个副本。推理需要加载模型权重，还需要KV缓存、中间计算结果……没有足够的内存，模型根本跑不起来，哪怕你算力再强也是摆设。
748GB统一内存意味着：这台机器真的能跑GPT-4级别的模型，而且是本地运行，数据不出你的办公室。
我觉得这个设计思路很清晰——NVIDIA不只是堆算力，它在解决"能跑"和"跑得动"之间的鸿沟。
云计算有个致命缺点，NVIDIA这次堵上了
为什么这时候推桌面超算？
因为AI行业正在经历一次范式转移。云计算模式下，企业把数据送上云端，用API调用模型，看起来很美好。但有几个问题越来越扎眼：
数据 egress 费用高到吓人，敏感数据外发存在合规风险，延迟影响实时应用，还有——你永远是在租别人的电脑。
DGX Station瞄准的就是这些痛点。它的核心场景不是训练万亿参数模型——那仍然需要数据中心级别的算力。它的核心场景是：微调、推理、代理工作流。
什么意思？你有一个开源的万亿参数模型，想用自己的数据微调一下。传统做法：把数据上传云端，租GPU，调完再下载回来。现在？插上电，本地跑。
更重要的是，NVIDIA这次配套发布了NemoClaw，一个开源堆栈，包含Nemotron模型和OpenShell安全运行时。黄仁勋在台上直接喊话：这是"个人AI的操作系统"，对标当年的Mac和Windows。
我的判断是，NVIDIA在赌一个趋势——AI正在从"云端服务"变成"本地基础设施"。就像当年服务器从机房搬到云上，现在AI正从云端往回走。
四个Spark拼一起，就能造一个"桌面数据中心"
DGX Station不是唯一的新品。
NVIDIA还发布了DGX Spark的集群功能——四台Spark可以连在一起，近线性性能扩展。放在会议桌上就是一个"部门级AI平台"，不需要机架，不需要IT审批。
这套组合拳打得很聪明：小团队用Spark试水，中型团队用集群，Solo开发者或者大企业直接上DGX Station。从几千美元到十几万美元，覆盖不同阶段的开发者。
而且有个关键点：架构连续性。
你在DGX Station上写的代码，不用改一行就能迁移到GB300 NVL72数据中心系统。NVIDIA卖的不只是硬件，是一整条从桌面到机房的 pipeline。
这点我很喜欢。AI开发最大的隐性成本从来不是算力，而是适配不同硬件架构的工程时间。NVIDIA把这块成本砍掉了。
首批买家名单，藏着行业密码
来看看谁在第一批订单里：
Snowflake用它本地测试开源Arctic训练框架。EPRI（电力研究机构）用它做AI天气预报，提升电网可靠性。Medivis把它带进手术室，集成视觉语言模型。Microsoft Research和Cornell拿来做AI培训。
有意思。
不是科技巨头在抢，而是垂直行业在拿它当生产力工具。医疗、电力、企业数据——这些领域对数据主权有强烈执念的行业，正在成为桌面超算的第一批用户。
支持的模型列表也很说明问题：OpenAI的gpt-oss-120b、Google Gemma 3、Qwen3、Mistral Large 3、DeepSeek V3.2，还有NVIDIA自己的Nemotron。NVIDIA特意强调"模型中立"——不管你用什么模型，这台机器都能跑。
某种程度上，这是硬件厂商对软件生态的一次"不站队"表态。
不只是桌面超算，NVIDIA要的是整个AI食物链
把DGX Station放进整个GTC 2026的发布里看，你会发现这只是拼图的一块。
NVIDIA同时发布了Vera Rubin平台——七款新芯片量产，72 GPU的NVL72机架，性能是Blackstone的10倍。还有Vera Rubin Space Module，把AI计算送上太空轨道，25倍于H100的太空推理能力。
合作伙伴横跨Adobe创意AI、BYD和日产的L4自动驾驶、和Mistral AI等八家实验室共建开源前沿模型，还有开源推理OS Dynamo 1.0——AWS、Azure、Google Cloud都在用。
我的观察是：NVIDIA正在建立一种"全方位覆盖"战略。从太空到数据中心，从桌面到云端，每个计算层级都有它的芯片和软件。
DGX Station补齐的是那个"中间层"——介于个人电脑和数据中心之间、企业和个人开发者需要但云计算又不太合适的那个场景。
它不取代云，它填补云留下的缝隙。
云计算不会死，但它的垄断正在松动
说DGX Station会颠覆云计算，那是在开玩笑。NVIDIA的数据中心业务体量远超桌面业务，而且仍在高速增长。
但DGX Station创造了一个此前不存在的选择。
训练基础模型？仍需要数千张GPU在机房里轰鸣。但微调万亿参数模型、内部推理敏感数据、原型验证之后再决定是否上云——一台桌子下面的机器突然变得合理。
这才是真正的战略精明：它不抢云的业务，它开拓新的市场，同时让云业务更有黏性——因为你在DGX Station上开发的东西，可以无缝迁移到NVIDIA的云服务。
不是云vs桌下，是云+桌下，NVIDIA两边都卖。
一台永不休眠的机器，一个永不关机的代理
四十年前，PC革命的口号是"每个桌上放一台电脑"。
NVIDIA这次升级了这个命题：每个桌上放一台超级计算机，上面跑一个永不休眠的AI代理。
DGX Station负责算力，NemoClaw负责代理。24小时运转，写代码、调用工具、完成任务，你睡觉的时候它在工作。
这个未来是让人兴奋还是让人发毛？取决于你问谁。
但有一件事已经没争议了：运行前沿AI所需的基础设施，正在从服务器机房搬到你的桌下。
而那个卖几乎所有AI芯片的公司，刚刚决定把这张桌子也卖了。
【MiniMax-M2.1锐评】：这是一篇典型的"技术新闻故事化"写作，用反直觉的数字对比制造冲击感，用"谁会买"的质疑带动阅读欲望，再逐层拆解产品逻辑和行业布局，最后用一个开放性问题收尾，留足余韵。节奏快、段落短、情绪有起伏，是科技自媒体该有的样子。
参考链接：
https://venturebeat.com/infrastructure/nvidias-dgx-station-is-a-desktop-supercomputer-that-runs-trillion-parameter