Сервер NVIDIA HGX B300 - вычислительная система на восьми ускорителях Blackwell Ultra с 2,3 ТБ памяти HBM3e и соединением NVLink/NVSwitch. Предназначен для обучения крупных языковых моделей, высоконагруженного инференса и AI-кластеров.
NVIDIA HGX B300 объединяет восемь SXM-ускорителей Blackwell Ultra в единую вычислительную платформу с NVLink пятого поколения и NVSwitch. Каждый GPU оснащён 288 ГБ HBM3e, а обмен между ускорителями достигает 1,8 ТБ/с на GPU. Такая топология предназначена для моделей, которым недостаточно памяти или производительности одного ускорителя.
Платформа: NVIDIA HGX B300
Архитектура GPU: Blackwell Ultra
Количество ускорителей: 8x NVIDIA B300 SXM
Память одного GPU: 288 ГБ HBM3e
Суммарная GPU-память: 2,3 ТБ
Пропускная способность HBM3e: до 8 ТБ/с на GPU
Межсоединение GPU: NVLink 5 + NVSwitch
Скорость NVLink: до 1,8 ТБ/с на GPU
Сетевая подсистема: NVIDIA ConnectX-8, до 800 Гбит/с на адаптер
Процессоры: Intel Xeon или AMD EPYC в зависимости от сервера
Системная память: DDR5 ECC, объём зависит от платформы
Локальное хранение: NVMe SSD, конфигурация зависит от модели
Форм-фактор: 8U или 4U
Охлаждение: воздушное или жидкостное в зависимости от исполнения
LLM Training / Fine-tuning
Large-Scale AI Inference
Generative AI
Multimodal AI
Distributed Deep Learning
AI / HPC Clusters
Основные параметры
Задачи
КАК МЫ ДЕЛАЕМ СВОЮ РАБОТУ В getcore
</02>
РАЗРАБОТКА
Проектируем инфраструктуру для глубокого обучения и ИИ-обработки
Настраиваем и оптимизируем оборудование под задачи клиента
Адаптив
UPGRADE
Послепродажное обслуживание и апгрейд
Готовы к высокой нагрузке 24/7 с поддержкой SLA
Поддержка
ОСТАВЛЯЕТЕ ЗАЯВКУ НА GPU
ПОДБИРАЕМ GPU ПОД ВАШУ МОДЕЛЬ
ТЕСТИРУЕМ И ПРОВЕРЯЕМ ОБОРУДОВАНИЕ
ПОСТАВКА И СОПРОВОЖДЕНИЕ
НУЖНА ПОМОЩЬ В ПОДБОРЕ B300 ?
Оставьте заявку, и мы подготовим коммерческое предложение на NVIDIA H200 141GB NVL.
Серверные GPU NVIDIA — доступные варианты
</03>
AI Workstation для генерации и разработки (RTX 6000 Ada)
Рекомендуется для дата-центров, научных центров, ML-команд и интеграторов.
Конфигурация оборудования Форм-фактор: 4U (стойка, активное охлаждение) CPU: 2× Intel Xeon Scalable 4-го поколения (до 2×350W) Чипсет: Intel C741, поддержка до 8 TB DDR5 ECC R-DIMM ОЗУ: до 2048 GB DDR5 ECC 4800MT/s GPU: до 8× NVIDIA A100/A800/H100 (до 270 мм) Хранение: 4× 2.5" SSD + 12× 3.5" HDD Сеть: 3× GbE LAN, включая IPMI Управление: ASPEED AST2500 (IPMI 2.0), поддержка BMC Охлаждение: 3× 120 мм + 4× 80 мм вентиляторов Питание: 5× CRPS, режим 4+1 (избыточность)
Предустановленное ПО
Ubuntu Server 22.04 или Rocky Linux 9
NVIDIA CUDA Toolkit, драйверы для A800/H100
Поддержка PyTorch, TensorFlow, Apex, Triton Inference Server
Возможность установки Slurm, Kubernetes, ComfyUI/SDXL (по задаче)
Сервис и сопровождение
Предтестирование под нагрузкой и настройка BIOS/энергопрофилей
Подбор компонентов под вашу задачу
Консультации и поддержка по драйверам — 3 мес бесплатно
Стоимость Цена (включая установку ПО, настройку и сопровождение): Варианты с 2, 4, 8 GPU — под заказ Гарантия 3 года и 5 лет (по выбору) Сервисное обслуживание и расширенная поддержка — опционально
Почему именно это решение
Российская платформа с перспективой включения в реестр Минпромторга (осень 2025г.)
Высокая плотность GPU и масштабируемость
Надежный BMC, IPMI, продуманная система охлаждения
Гибкость в настройке BIOS, совместимость с вашим ПО
Возможность кастомизации под проект
Условия поставки
Срок поставки: от 4 недель
Транспортировка: промышленная упаковка с защитой
Доступна отгрузка с установкой и вводом в эксплуатацию
Назначение Готовое решение для запуска моделей типа ChatGPT, LLaMA, StableLM, генерации текста, голосовых ассистентов, внутренних ИИ-систем в компании. Идеально подходит для компаний, которым важно:
не зависеть от облаков и внешних API
держать данные внутри организации
получить ИИ-инфраструктуру под ключ с установкой и поддержкой
Назначение Готовое решение для развёртывания нейросетей прямо на объектах:
видеонаблюдение и распознавание лиц/номеров
анализ поведения в магазинах и ТЦ
контроль производственных линий
автосервис, логистика, транспорт
Устанавливается в локальную сеть, не требует подключения к облаку
Конфигурация оборудования Форм-фактор: 2U short-depth или Tower (по выбору) CPU: 1× AMD EPYC ОЗУ: 128 GB ECC Накопители: 2× NVMe 1TB GPU: 1× NVIDIA L4 (low-profile, энергоэффективный) Сеть: 2× 1GbE (Intel I210) Управление: IPMI/BMC для удалённого доступа
Предустановленное ПО
Ubuntu Server или Desktop (по задаче)
NVIDIA TensorRT + ONNX Runtime
OpenCV, FFmpeg (видеообработка)
AI SDK (YOLO, Mobilenet, EfficientNet)
MQTT, Node-RED — интеграция с системами
Сервис и сопровождение
Настройка под конкретную задачу: видеоаналитика, распознавание
Инструкция для локальной интеграции
3 месяца базовой поддержки
Возможна установка в стойку или в промышленный корпус
Стоимость Цена (DDP Москва + ПО): 952 560 ₽ Гарантия 3 года: +47 628 ₽ Гарантия 5 лет: + 95 256 ₽ Настройка и поддержка(SLA на 3 года): 190 512 ₽
Почему именно это решение
Платформа под реальные кейсы бизнеса
Очень низкое энергопотребление
Компактность и тихая работа
Сборка и настройка в РФ
Условия поставки
Срок: от 2 недель с момента оплаты
Транспортировка в защищённой упаковке
Возможна доставка в регионы и монтаж
Вернуться назад
NVIDIA A100 80GB SXM
Максимальная версия A100 для задач глубокого обучения и HPC. Идеальна для крупных кластеров с NVLink.
Форм-фактор: SXM4
Память: 80 ГБ HBM2e
Пропускная способность памяти: до 2.0 ТБ/с
Тензорные ядра: 3-го поколения
NVLink: до 600 ГБ/с межсоединений (4-/8-GPU конфигурации)
Поддержка: CUDA Toolkit, cuDNN, PyTorch, TensorFlow, Triton
Цена: 761 805 р. Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
оставить заявку
оставить заявку
Флагманский GPU для генеративного ИИ, LLM и научных вычислений. Реализует все преимущества архитектуры Hopper.
Форм-фактор: SXM5
Память: 80 ГБ HBM3
Пропускная способность памяти: до 3.35 ТБ/с
Тензорные ядра: 4-го поколения + Transformer Engine
NVLink: до 900 ГБ/с межсоединений (4-/8-GPU конфигурации)
Поддержка: CUDA 12.x, PyTorch, TensorFlow, Triton
Цена: 1 824 444 р. Срок поставки: от 2х недели Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
NVIDIA H100 80GB SXM
NVIDIA H200 141GB NVL
Двухчиповый ускоритель для ИИ-кластеров и LLM-инференса. Обеспечивает максимум памяти и межсоединений для генеративного ИИ.
Форм-фактор: NVL (2× GPU в одном модуле)
Память: 2 × 141 ГБ HBM3e (282 ГБ суммарно)
Пропускная способность памяти: до 4.8 ТБ/с на GPU
Тензорные ядра: 4-го поколения
NVLink: встроенное межсоединение между GPU (1.8 ТБ/с)
Поддержка: CUDA 12.x, PyTorch, TensorFlow, Triton
Цена: 2 573 127 р. Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес.бесплатно
оставить заявку
оставить заявку
Следующее поколение Hopper с увеличенной памятью HBM3e. Подходит для LLM-моделей с триллионами параметров.
Форм-фактор: SXM5
Память: 141 ГБ HBM3e
Пропускная способность памяти: до 4.8 ТБ/с
Тензорные ядра: 4-го поколения + Transformer Engine
NVLink: до 900 ГБ/с межсоединений (4-/8-GPU конфигурации)
Поддержка: CUDA 12.x, PyTorch, TensorFlow, Triton
Цена: 2 290 437 р. Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
NVIDIA H200 141GB SXM
NVIDIA A100 40GB PCIe
Универсальный ускоритель для задач машинного обучения, высокопроизводительных вычислений и анализа данных.
Форм-фактор: PCIe 4.0
Память: 40 ГБ HBM2e
Пропускная способность памяти: до 1.6 ТБ/с
Тензорные ядра: 3-го поколения
NVLink: поддержка через NVLink Bridge (до 600 ГБ/с между GPU)
Поддержка: CUDA Toolkit, cuDNN, PyTorch, TensorFlow
Цена: 978 885р. Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
ОСТАВИТЬ ЗАЯВКУ
ОСТАВИТЬ ЗАЯВКУ
Расширенная версия с удвоенным объемом памяти для крупных AI-моделей и вычислительных задач.
Форм-фактор: PCIe 4.0
Память: 80 ГБ HBM2e
Пропускная способность памяти: до 2.0 ТБ/с
Тензорные ядра: 3-го поколения
NVLink: поддержка через NVLink Bridge (до 600 ГБ/с между GPU)
Поддержка: CUDA Toolkit, cuDNN, PyTorch, TensorFlow
Цена: 1 850 688 р, Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
NVIDIA A100 80GB PCIe
ОСТАВИТЬ ЗАЯВКУ
GPU нового поколения Hopper для генеративного ИИ и масштабных LLM. Повышенная производительность FP8/FP16 + Transformer Engine.
Форм-фактор: PCIe 5.0
Память: 80 ГБ HBM3
Пропускная способность памяти: до 2.0 ТБ/с
Тензорные ядра: 4-го поколения
NVLink: поддержка через NVLinkBridge (до 900 ГБ/с)
Поддержка: CUDA 12. x, PyTorch, TensorFlow, Triton Inference Server
Цена: 2 427 975 р. Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
NVIDIA H100 80GB PCIe
NVIDIA A100 40GB SXM
Ускоритель для серверов в форм-факторе SXM, обеспечивающий максимальную производительность и поддержку NVLink.
Форм-фактор: SXM4
Память: 40 ГБ HBM2e
Пропускная способность памяти: до 1.6 ТБ/с
Тензорные ядра: 3-го поколения
NVLink: до 600 ГБ/с межсоединений (4-/8-GPU конфигурации)
Поддержка: CUDA Toolkit, cuDNN, PyTorch, TensorFlow
Цена: 355 104 р. Срок поставки: от 2х недель Гарантия: до 3 лет Поддержка: 3 мес. бесплатно
ОСТАВИТЬ ЗАЯВКУ
СЕРВЕР NVIDIA HGX B300 ДЛЯ КРУПНЫХ AI-МОДЕЛЕЙ
</04>
NVIDIA HGX B300 предназначен для задач, в которых производительность зависит от объёма видеопамяти и скорости обмена между ускорителями. Восемь GPU Blackwell Ultra обеспечивают 2,3 ТБ HBM3e, а NVLink и NVSwitch позволяют распределять крупные модели между ускорителями без ограничений обычного PCIe-соединения. По сравнению с HGX H200 платформа B300 располагает более чем вдвое большим объёмом GPU-памяти. Это особенно важно для инференса крупных LLM, обработки длинного контекста и одновременного выполнения большого числа запросов.
Основные направления применения:
обучение и дообучение больших языковых моделей
инференс LLM с длинным контекстом
мультимодальные модели для текста, изображений и видео
распределённые AI-вычисления
создание высокопроизводительных AI-кластеров
Выбор серверной конфигурации Серверы на NVIDIA HGX B300 отличаются процессорной платформой, объёмом DDR5 и способом охлаждения. Intel Xeon подходит для инфраструктур на Intel, а AMD EPYC позволяет выбрать конфигурацию с большим количеством CPU-ядер для подготовки данных и сопутствующих вычислений.
Для размещения доступны 8U-системы с воздушным охлаждением и более компактные 4U-модели с жидкостным. При подборе учитываются возможности ЦОД по питанию и охлаждению, требования к NVMe-хранилищу и пропускной способности сети.
Главное отличие — объём GPU-памяти и поколение архитектуры. HGX H200 располагает примерно 1,1 ТБ HBM3e, B200 — 1,44 ТБ, а B300 — 2,3 ТБ. B300 использует Blackwell Ultra и рассчитан в том числе на высоконагруженный AI-инференс.
Да, при поддержке распределения модели между GPU. Каждый B300 имеет собственные 288 ГБ памяти, а NVLink/NVSwitch обеспечивает высокоскоростной обмен данными. Единым физическим пулом память при этом не становится.
NVIDIA HGX B300 представляет собой готовую восьмиускорительную платформу. Если требуется меньше GPU, необходимо подобрать другую серверную архитектуру с совместимыми PCIe-ускорителями.
Для распределённого обучения и масштабного инференса используются высокоскоростные InfiniBand или Ethernet-сети с поддержкой RDMA. Платформа предусматривает ConnectX-8 со скоростью до 800 Гбит/с на адаптер. Конфигурация сети зависит от количества вычислительных узлов.
Воздушные серверы 8U подходят для ЦОД с достаточной мощностью кондиционирования. Жидкостные системы 4U обеспечивают более плотное размещение, но требуют совместимого контура охлаждения. Выбор определяется инфраструктурой площадки и планируемым количеством серверов.
Сравнили 3 варианта: облако, аренда и покупка у GetCore. Взяли в лизинг через них — за 7 дней получили настроенный сервер, полностью готовый к продакшну. Экономим около 180 тыс. рублей каждый месяц по сравнению с облаком. Сопровождение — на уровне партнёрства, не просто техподдержка
Алексей, ИТ-директор, финтех-компания, Москва
Андрей, ML-инженер, стартап по компьютерному зрению, Санкт-Петербург
Ребята из GetCore не просто продали „железо“, а погрузились в архитектуру модели, которую мы обучаем. Подобрали точную конфигурацию под PyTorch + CUDA, всё развернули и протестировали. Через 5 дней уже запускали первый эксперимент. Приятно удивлён уровнем техничности
разработчик нейросети
руководителя отдела разработки
С GetCore построили свою первую собственную ИИ-инфраструктуру. Подобрали сервер на базе двух A100, настроили под TensorFlow и помогли оптимизировать пайплайны. За месяц сэкономили больше 500 000 ₽ по сравнению с тем, что тратили на аренду облака. Чёткие сроки, понятные люди, без обещаний "на словах"
Максим, руководитель отдела разработки ИИ-продуктов, Ростов-на-Дону
Илья, архитектор ИТ-инфраструктуры, интегратор, Казань
Нужно было быстро развернуть серверную платформу для запуска LLM в локальном режиме. GetCore подобрали мощный сервер с 4xGPU, провели стресс-тест и обеспечили резервную схему. С таким подходом чувствуешь себя не клиентом, а техдиром внутри сильной команды
архитектор инфраструктуры
Файлы cookies
Мы собираем файлы cookies для улучшения работы сайта и применяем рекомендательные технологии. Продолжая пользоваться сайтом, вы даёте согласие на использование файлов cookies.
Файлы cookies
Подробнее о cookies
Файлы cookie, необходимые для корректной работы сайта, всегда включены. Другие файлы cookie настраиваются