ประเภทหน่วยความจำ	ความจุ	Memory Bandwidth
CPU Memory (LPDDR5X)	496GB	396GB/s
GPU Memory (HBM3e)	252GB	7.1TB/s
Coherent Memory รวม	748GB

หน่วยความจำแบบ Coherent Memory ช่วยให้ CPU และ GPU ทำงานร่วมกันผ่านพื้นที่หน่วยความจำที่มีความสอดคล้องกัน ลดความซับซ้อนในการจัดการและเคลื่อนย้ายข้อมูลระหว่างหน่วยประมวลผล
 

อย่างไรก็ตาม หน่วยความจำรวม 748GB ไม่ได้หมายความว่าระบบมี GPU VRAM ขนาด 748GB โดยตรง เนื่องจากยังมีความแตกต่างระหว่าง CPU Memory และ GPU Memory ทั้งในด้าน Bandwidth และรูปแบบการเข้าถึงข้อมูล สถาปัตยกรรมดังกล่าวเหมาะสำหรับการพัฒนาและใช้งาน Large Language Models รวมถึง AI Workloads ที่ต้องจัดการกับข้อมูลและโมเดลขนาดใหญ่ โดยขนาดโมเดลที่สามารถใช้งานได้จริงยังขึ้นอยู่กับความละเอียดของข้อมูล (Precision), Quantization, Context Length และทรัพยากรที่กระบวนการประมวลผลต้องใช้
 

ASUS ExpertCenter Pro ET900N G3: Deskside AI Supercomputer สำหรับองค์กร

ASUS ExpertCenter Pro ET900N G3 เป็น AI Workstation ในตระกูล ExpertCenter Pro ที่พัฒนาบนสถาปัตยกรรม NVIDIA DGX Station สำหรับงาน AI Development และการประมวลผลโมเดลขนาดใหญ่ภายในองค์กร ตัวเครื่องมาในรูปแบบ Tower พร้อมระบบประมวลผล NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip รองรับงานที่ต้องการทั้งพลังประมวลผลและหน่วยความจำสูง เช่น Generative AI, LLM Fine-Tuning, Deep Learning และ Scientific Computing


 

คุณสมบัติสำคัญของ ASUS ExpertCenter Pro ET900N G3

1. NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

ผสาน NVIDIA Grace CPU จำนวน 72 คอร์เข้ากับ NVIDIA Blackwell Ultra GPU พร้อม Coherent Memory ขนาด 748GB รองรับกระบวนการพัฒนาและประมวลผล AI ภายในเครื่อง
 

2. ระบบจัดเก็บข้อมูล NVMe SSD ความเร็วสูง

รองรับ M.2 NVMe SSD จำนวน 4 สล็อต ประกอบด้วย PCIe 5.0 x4 จำนวน 2 สล็อตสำหรับระบบปฏิบัติการ และ PCIe 6.0 x4 จำนวน 2 สล็อตสำหรับขยายพื้นที่จัดเก็บข้อมูลที่เกี่ยวข้องกับงาน AI ระบบมาพร้อม SSD ขนาด 2TB จำนวน 2 ตัว สำหรับระบบปฏิบัติการในรูปแบบ RAID 1
 

3. ระบบเครือข่ายสำหรับ AI Infrastructure

รองรับ NVIDIA ConnectX-8 SuperNIC พร้อมพอร์ต QSFP112 จำนวน 2 พอร์ต ซึ่งรองรับความเร็วสูงสุด 400GbE ต่อพอร์ต นอกจากนี้ยังมี 10GbE สำหรับเครือข่ายทั่วไป และพอร์ต Management LAN สำหรับบริหารจัดการระบบ
 

4. รองรับ NVIDIA RTX PRO GPU เพิ่มเติม

สามารถติดตั้ง NVIDIA RTX PRO GPU ที่รองรับเพิ่มเติมได้สูงสุด 1 การ์ด เพื่อรองรับงาน Visualization, 3D Simulation และเวิร์กโฟลว์ที่ต้องใช้ความสามารถด้านกราฟิกควบคู่กับ AI Computing โดยต้องตรวจสอบรุ่นการ์ดและเงื่อนไขการติดตั้งก่อนใช้งาน
 

5. NVIDIA AI Software Stack

มาพร้อม Ubuntu with NVIDIA AI Developer Tools เป็นพื้นฐานสำหรับการพัฒนา AI และรองรับการใช้งานเครื่องมือใน NVIDIA AI Ecosystem รวมถึง CUDA, AI Frameworks และเครื่องมือสำหรับพัฒนาและนำ AI Models ไปใช้งาน
 

นอกจากนี้ยังรองรับระบบบริหารจัดการผ่าน ASPEED AST2600 BMC ซึ่งใช้สำหรับตรวจสอบสถานะและบริหารจัดการฮาร์ดแวร์จากระยะไกลผ่านมาตรฐาน IPMI 2.0 และ Redfish API ด้วยองค์ประกอบเหล่านี้ ASUS ExpertCenter Pro ET900N G3 จึงรองรับการพัฒนา AI ภายในองค์กร ตั้งแต่ขั้นตอนทดลองโมเดลไปจนถึงการเตรียมความพร้อมสำหรับนำไปใช้งานในระบบจริง

MSI XpertStation WS300: AI Workstation บนสถาปัตยกรรม NVIDIA DGX Station

MSI XpertStation WS300 เป็น Deskside AI Supercomputer ที่ MSI พัฒนาขึ้นบนสถาปัตยกรรม NVIDIA DGX Station โดยใช้ NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip เช่นเดียวกัน เพื่อรองรับงาน AI Computing ระดับองค์กร ระบบได้รับการออกแบบให้รองรับ AI Development, Data Science, AI Inference รวมถึง AI Agents และ Physical AI ซึ่งเป็นกลุ่มงานที่ต้องอาศัยการประมวลผลข้อมูลและโมเดล AI อย่างต่อเนื่อง

คุณสมบัติสำคัญของ MSI XpertStation WS300

1. NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip

ขับเคลื่อนด้วย NVIDIA Grace CPU แบบ 72-Core Arm Neoverse V2 และ NVIDIA Blackwell Ultra GPU พร้อมหน่วยความจำ Coherent Memory รวมสูงสุด 748GB ซึ่งประกอบด้วย LPDDR5X จำนวน 496GB และ HBM3e จำนวน 252GB เหมาะสำหรับการประมวลผล Large Language Models, AI Inference และการปรับแต่งโมเดล AI ที่มีความต้องการหน่วยความจำสูง
 

2. รองรับ M.2 NVMe SSD จำนวน 4 สล็อต

โครงสร้างพื้นที่จัดเก็บข้อมูลประกอบด้วย

 • M.2 NVMe PCIe 5.0 จำนวน 2 สล็อต สำหรับ Boot Drive

 • M.2 NVMe PCIe 6.0 x4 จำนวน 2 สล็อต สำหรับขยายพื้นที่จัดเก็บข้อมูล

 • SSD ขนาด 2TB จำนวน 2 ตัว ติดตั้งมาในระบบ RAID 1 สำหรับระบบปฏิบัติการ

การแยกพื้นที่จัดเก็บระบบปฏิบัติการออกจากพื้นที่ข้อมูลสำหรับ Training ช่วยให้สามารถวางแผนจัดการ AI Datasets และ Model Files ได้อย่างเป็นระบบ
 

3. NVIDIA ConnectX-8 SuperNIC สำหรับเครือข่ายความเร็วสูง

MSI XpertStation WS300 รองรับพอร์ต QSFP112 400GbE จำนวน 2 พอร์ต ผ่าน NVIDIA ConnectX-8 SuperNIC พร้อมพอร์ต 10GbE RJ45 และพอร์ต 1GbE สำหรับ Dedicated Management ความสามารถด้านเครือข่ายดังกล่าวช่วยรองรับการรับส่งข้อมูลปริมาณมาก รวมถึงการเชื่อมต่อระบบประมวลผลและ Storage ภายใน AI Infrastructure ขององค์กร
 

4. ระบบจัดการและตรวจสอบฮาร์ดแวร์

มี ASPEED AST2600 BMC พร้อมเฟิร์มแวร์ AMI MegaRAC รองรับ IPMI 2.0 และ Redfish API ช่วยให้ผู้ดูแลระบบสามารถตรวจสอบสถานะของฮาร์ดแวร์และบริหารจัดการเครื่องผ่านเครือข่าย Management ได้
 

5. ระบบระบายความร้อนและแหล่งจ่ายไฟ

MSI XpertStation WS300 ใช้ระบบ Liquid Cooling สำหรับชุด CPU และ GPU พร้อม Power Supply 1600W มาตรฐาน 80 PLUS Platinum เพื่อรองรับการทำงานของฮาร์ดแวร์ประสิทธิภาพสูง สำหรับการติดตั้งใช้งาน ควรจัดเตรียมระบบไฟฟ้าและพื้นที่ระบายความร้อนตามข้อกำหนดของผู้ผลิต โดยคู่มือ MSI ระบุช่วงอุณหภูมิขณะทำงาน 10–30°C และข้อกำหนดวงจรไฟฟ้าขนาด 20A
 

MSI XpertStation WS300 มีสินค้าพร้อมจำหน่ายผ่าน QuickServ สำหรับองค์กร นักพัฒนา และทีมวิจัยที่กำลังวางแผนจัดหา AI Workstation สามารถติดต่อทีมงานเพื่อสอบถามรายละเอียดสินค้า สเปก และการจัดเตรียมระบบก่อนติดตั้งได้


 

NVIDIA AI Software Stack: พื้นฐานสำคัญของการพัฒนา AI ภายในองค์กร

นอกจากความสามารถด้านฮาร์ดแวร์แล้ว ASUS ExpertCenter Pro ET900N G3 และ MSI XpertStation WS300 ยังได้รับประโยชน์จาก NVIDIA AI Software Ecosystem ซึ่งช่วยรองรับกระบวนการพัฒนา AI ตั้งแต่การทดลองโมเดลจนถึงการนำไปประมวลผลจริง ตัวอย่างเทคโนโลยีและเครื่องมือที่สามารถนำมาใช้บนแพลตฟอร์ม NVIDIA DGX Station ได้แก่

 • NVIDIA CUDA: แพลตฟอร์มสำหรับพัฒนาแอปพลิเคชันที่ใช้ GPU เร่งการประมวลผล

 • NVIDIA cuDNN: ไลบรารีสำหรับเร่งการทำงานของ Deep Neural Networks

 • NVIDIA TensorRT และ TensorRT-LLM: เครื่องมือเพิ่มประสิทธิภาพ AI Inference

 • PyTorch: Framework สำหรับพัฒนาและฝึก Machine Learning Models

 • NVIDIA Container Toolkit: รองรับการใช้งาน GPU ภายใน Container เพื่อจัดการสภาพแวดล้อมของแอปพลิเคชัน

การใช้ซอฟต์แวร์ในระบบนิเวศเดียวกันช่วยให้นักพัฒนาสามารถออกแบบกระบวนการทำงานที่ต่อเนื่องระหว่างเครื่อง AI Workstation กับระบบ AI Infrastructure ขนาดใหญ่ได้ง่ายขึ้น ทั้งนี้ควรตรวจสอบความเข้ากันได้ของเครื่องมือและเวอร์ชันซอฟต์แวร์ก่อนนำไปใช้งานจริง
 

AI Workstation ระดับนี้สามารถนำไปใช้งานอะไรได้บ้าง?

1. Large Language Models และ Generative AI

องค์กรสามารถใช้ AI Workstation ในการทดลองโมเดลภาษา ปรับแต่งโมเดลให้เหมาะกับข้อมูลเฉพาะด้าน หรือให้บริการ AI Inference ภายในระบบที่องค์กรดูแลเอง ตัวอย่างเช่น ระบบผู้ช่วยตอบคำถามภายในองค์กร ระบบวิเคราะห์เอกสาร หรือระบบ Generative AI สำหรับสนับสนุนการทำงานของพนักงาน
 

2. AI Agents และระบบอัตโนมัติอัจฉริยะ

AI Agents เป็นแนวทางพัฒนา AI ให้สามารถทำงานตามเป้าหมายผ่านการวางแผน เรียกใช้เครื่องมือ และประสานงานกับระบบอื่นตามสิทธิ์ที่กำหนด AI Workstation สามารถเป็นสภาพแวดล้อมสำหรับพัฒนาและทดสอบระบบดังกล่าวก่อนนำไปเชื่อมต่อกับแอปพลิเคชันหรือกระบวนการทำงานจริงขององค์กร
 

3. Data Science และ Advanced Analytics

รองรับกระบวนการวิเคราะห์ข้อมูลขนาดใหญ่ การสร้าง Machine Learning Models และการทดลองอัลกอริทึมสำหรับงานวิเคราะห์เชิงคาดการณ์ เหมาะกับหน่วยงานที่มีทีม Data Science หรือกำลังพัฒนาระบบวิเคราะห์ข้อมูลด้วย AI
 

4. Computer Vision และ Physical AI

สามารถนำไปใช้พัฒนาโมเดลด้านการประมวลผลภาพ การตรวจจับวัตถุ ระบบตรวจสอบคุณภาพด้วย AI และงานที่เกี่ยวข้องกับหุ่นยนต์หรือระบบอัตโนมัติ สำหรับงาน Simulation และ Visualization บางประเภท อาจต้องพิจารณาติดตั้ง GPU เพิ่มเติมตามลักษณะซอฟต์แวร์และความต้องการของระบบ
 

5. AI Research และ Model Fine-Tuning

หน่วยงานวิจัยและทีมพัฒนา AI สามารถใช้ระบบในการทดลองโมเดล ปรับแต่งโมเดลที่ผ่านการฝึกมาแล้ว และประเมินผลการทำงานภายใต้สภาพแวดล้อมที่ควบคุมได้ ความสามารถด้านหน่วยความจำและการประมวลผลของ NVIDIA GB300 ช่วยขยายขอบเขตของงานทดลอง AI ที่สามารถดำเนินการภายในระบบ Deskside ได้
 

สิ่งที่องค์กรควรพิจารณาก่อนติดตั้ง AI Workstation

แม้ระบบ AI Workstation จะสามารถนำพลังการประมวลผลระดับสูงมาติดตั้งใกล้กับพื้นที่ทำงานได้ แต่การวางแผนโครงสร้างพื้นฐานยังเป็นสิ่งสำคัญ โดยเฉพาะประเด็นต่อไปนี้
 

รูปแบบ AI Workloads: ควรกำหนดให้ชัดเจนว่าระบบจะใช้สำหรับ Training, Fine-Tuning, Inference หรือรองรับผู้ใช้งาน AI พร้อมกันหลายราย เพราะแต่ละรูปแบบมีความต้องการทรัพยากรแตกต่างกัน

ขนาดโมเดลและหน่วยความจำ: ประเมิน Model Parameters, Precision, Context Length และจำนวนคำขอที่ต้องประมวลผลพร้อมกัน เพื่อวางแผนทรัพยากรได้เหมาะสม

การจัดเก็บข้อมูล: พิจารณาความจุและความเร็วของ Storage สำหรับ Datasets, Model Checkpoints และผลลัพธ์จากการประมวลผล

ระบบเครือข่าย: หากต้องเชื่อมต่อกับ NAS, Storage Server, Data Center หรือระบบ AI อื่น ควรออกแบบความเร็วเครือข่ายและเลือกใช้อุปกรณ์ที่รองรับร่วมกัน

สภาพแวดล้อมและระบบไฟฟ้า: ตรวจสอบกำลังไฟฟ้า การระบายความร้อน และพื้นที่ติดตั้งตามข้อกำหนดของแต่ละผลิตภัณฑ์

ความพร้อมของซอฟต์แวร์: เนื่องจาก NVIDIA Grace ใช้สถาปัตยกรรม Arm จึงควรตรวจสอบความเข้ากันได้ของแอปพลิเคชัน Container Images และ AI Frameworks โดยเฉพาะระบบที่เคยพัฒนาบน x86
 

การวางแผนองค์ประกอบเหล่านี้จะช่วยให้องค์กรสามารถนำ AI Workstation ไปใช้งานได้อย่างสอดคล้องกับความต้องการและโครงสร้างพื้นฐานที่มีอยู่
 

QuickServ พร้อมขับเคลื่อน AI Infrastructure ด้วยโซลูชันจาก ASUS และ MSI

ASUS ExpertCenter Pro ET900N G3 และ MSI XpertStation WS300 สะท้อนทิศทางการพัฒนา AI Infrastructure ที่นำเทคโนโลยีประมวลผล AI ระดับ Data Center มาอยู่ในรูปแบบ Deskside AI Supercomputer ด้วยสถาปัตยกรรม NVIDIA DGX Station และ NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip ทำให้องค์กรมีแนวทางเพิ่มเติมสำหรับพัฒนา ทดสอบ และประมวลผล AI Models ภายในโครงสร้างพื้นฐานของตนเอง


 

สำหรับองค์กรที่ต้องการเริ่มต้นโครงการ AI Infrastructure ในปัจจุบัน MSI XpertStation WS300 มีสินค้าพร้อมจำหน่ายแล้วที่ QuickServ สามารถติดต่อทีมงานเพื่อสอบถามรายละเอียดและขอใบเสนอราคาได้ ส่วน ASUS ExpertCenter Pro ET900N G3 สามารถติดต่อ QuickServ เพื่อสอบถามข้อมูลผลิตภัณฑ์ รูปแบบการจัดหา และรายละเอียดเพิ่มเติมได้ที่

LINE: @quickserv

โทร. 02-496-1234
หรือ แชตบอต “น้องคิว” บนเว็บไซต์

เวลาทำการ
จันทร์-ศุกร์ 08:30–18:00 น.
วันเสาร์ 09:00–16:00 น.
 

คำถามที่พบบ่อย (FAQ)

Q : ASUS ExpertCenter Pro ET900N G3 และ MSI XpertStation WS300 ใช้ชิปประมวลผลอะไร?

A : ทั้งสองผลิตภัณฑ์ใช้ NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip ซึ่งผสาน NVIDIA Grace CPU แบบ 72-Core กับ NVIDIA Blackwell Ultra GPU ผ่าน NVIDIA NVLink-C2C
 

Q : Coherent Memory 748GB คืออะไร?

A : เป็นหน่วยความจำที่ประกอบด้วย CPU Memory ขนาด 496GB LPDDR5X และ GPU Memory ขนาด 252GB HBM3e โดยมีระบบเชื่อมต่อแบบ Coherent Memory ช่วยให้ CPU และ GPU สามารถทำงานกับข้อมูลร่วมกันได้อย่างมีประสิทธิภาพ
 

Q : AI Workstation เหล่านี้จำเป็นต้องเชื่อมต่อ Cloud หรือไม่?

A : ไม่จำเป็นสำหรับทุกกรณี เพราะสามารถพัฒนาและประมวลผล AI Models ภายในเครื่องได้ แต่การดาวน์โหลดโมเดล การอัปเดตซอฟต์แวร์ และการเชื่อมต่อบริการภายนอกอาจยังจำเป็นต้องใช้เครือข่ายตามรูปแบบการใช้งาน
 

Q : สามารถใช้ AI Workstation แทน AI Server ใน Data Center ได้หรือไม่?

A : สามารถรองรับ AI Workloads หลายประเภทในรูปแบบ Local Computing ได้ แต่การใช้งานแทนระบบ AI Server ต้องพิจารณาความต้องการด้านความพร้อมใช้งาน การรองรับผู้ใช้งานจำนวนมาก การขยายระบบ และการบริหารจัดการในระยะยาว
 

Q : สามารถสอบถามและสั่งซื้อ ASUS ExpertCenter Pro ET900N G3 และ MSI XpertStation WS300 ได้ที่ไหน?

A : สามารถติดต่อ QuickServ เพื่อสอบถามข้อมูลสินค้าและขอใบเสนอราคาได้ โดยปัจจุบัน QuickServ มี MSI XpertStation WS300 พร้อมส่ง (ด่วน ก่อนสินค้าหมด)