戴尔 GB10：把桌面超算带到你身边，开启本地 AI 新阶段

近几年，人工智能开发多靠大型云端集群推动前进。但随着中小型语言模型不断增强，开发者开始发问：既然“小模型”也能干大事，为什么研发还要受制于远程且昂贵的基础设施？

本地计算的跟进一直偏慢，即便是高端工作站，加载先进模型时也常被内存卡住。面对 30 亿或 70 亿参数的模型，不少团队不得不选量化/压缩、模型分片，或依赖外部 GPU 服务器。对受监管行业而言，数据处理并不轻松；而初创公司和研究人员使用云实例，成本高、迭代也被拖慢。

为了解决这些痛点，像戴尔这样的硬件厂商在持续加码。戴尔最新推出的 Pro Max 与 GB10 组合，意在把更强的本地 AI 算力带到开发者身边，帮助突破设备限制。戴尔表示，训练超过 70 亿参数的模型，所需资源已超出多数高端工作站的能力范围。

通过把 NVIDIA Grace Blackwell 架构带到桌面形态，戴尔希望让硬件更好贴合这一代“小而算力密集”的 AI 负载。Pro Max 与 GB10 的配置包含 128GB 统一 LPDDR5X 内存，运行 Ubuntu Linux 及 NVIDIA DGX OS，并预装 CUDA、Docker、JupyterLab 与 NVIDIA AI Enterprise 软件栈。

戴尔称该系统可提供最高每秒 1000 万亿次的 FP4 AI 性能，让开发者能够在本地微调与原型迭代最高 200 亿参数的模型。将如此算力装进约 1.2 千克、150mm × 150mm × 50.5mm 的小巧机身，足见其工程实力。

借助统一内存，开发者可以在单一地址空间处理大模型，避免 CPU/GPU 两个内存池之间的数据搬运瓶颈。学术实验室无需依靠共享集群也能运行 Meta 开源的 Llama；初创团队在早期探索阶段可先在本地反复实验，不必一开始就投入云端成本。

戴尔还提到，如果需要更大的算力，两台 GB10 可组合为单一节点，支持最高 400 亿参数的模型。配合预配置的 DGX OS，团队能迅速启动训练任务，并使用附加的 SDK 与编排工具开展工作。

划重点：  

🌟 Pro Max 搭配 GB10，把强劲本地算力带给 AI 开发者，硬件限制不再是瓶颈。  

💻 新设备配备 128GB 统一内存，支持本地微调最高 200 亿参数的模型，贴合当下 AI 需求。  

🚀 两台 GB10 可组成单节点，处理最高 400 亿参数，为团队提供更大算力选择。