TECH ACTUS – Un détaillant a mis en vente un serveur DGX B200 basé sur l’architecture Blackwell, et c’est du matériel d’IA haut de gamme qui va coûter très cher.
Broadberry est celui qui a indiqué combien il faut payer pour le serveur DGX B200, et nous avons écrit l’autre jour qu’il y a tellement de demande pour Blackwell que « les verts » voient un an de stock réservé à l’avance car il y a un tel boom de l’IA que cela laisse présager un avenir très brillant pour Nvidia. Quiconque achète l’un de ces serveurs est susceptible de devenir milliardaire, car la machine peut être achetée pour un demi-million de dollars dans son package de base. En fait, elle coûte 515 410 $, donc un peu plus.
Alors pourquoi coûte-t-elle si cher ? Eh bien, chaque DGX B200 dispose de huit GPU B200, ce qui vous donne jusqu’à 1,4 To de mémoire GPU (1440 Go), et en utilisant HBM3E, la bande passante mémoire est impressionnante de 64 To/s. Il dispose de 72 pétaFLOPS d’entraînement FP8 et de 144 pétaFLOPS d’inférence FP4, d’un accès au réseau Nvidia, des fondations DGX BasePOD et DGX SuperPOD sont incluses, et il comprend également les logiciels Nvidia AI Enterprise et Nvidia Base Command. La machine est équipée de deux processeurs Intel Xeon Platinum 8570, de deux NVMe M2 de 1,92 To et de huit SSD NVMe de 3,84 To, et de 4 To de mémoire DDR5.
Ce n’est donc pas un PC de bureau, car ce n’est pas pour cela que Nvidia l’a conçu. Par rapport à l’architecture précédente, le Hopper, c’est une énorme amélioration, et ce n’est pas une coïncidence si les grandes entreprises technologiques comme Microsoft et Meta s’intéressent au matériel. Et pour eux, 500 000 dollars ne représentent pas un coût si élevé, compte tenu de la croissance soutenue de l’intelligence artificielle, selon un récent analyste de Morgan Stanley.
Nvidia a récemment livré le premier lot de systèmes DGX B200 à OpenAI, car les deux sociétés entretiennent une relation très exclusive. Si une liste est apparue, il est probable que plusieurs entreprises technologiques aient déjà acheté certaines des machines de Nvidia.
Source: WCCFTech, Broadberry
