A estação da NVIDIA DGX, uma estação de trabalho poderosa projetada para aprendizado profundo e análise de IA, vem com vários custos ocultos e possíveis despesas inesperadas que os usuários devem estar cientes de:
1. Custos de manutenção e suporte: A estação DGX requer um contrato de manutenção anual significativo. Para modelos mais antigos como a estação DGX com GPUs Tesla V100, a garantia padrão custa cerca de US $ 10.000 por ano, com um compromisso mínimo de um ano [3]. Esse custo não está incluído no preço inicial de compra e pode aumentar com o tempo. Para modelos mais recentes, é provável que custos de suporte semelhantes sejam aplicados.
2. Consumo de energia: A estação DGX possui um alto consumo de energia, com os modelos mais antigos exigindo até 1500W [5]. Isso pode levar ao aumento das contas de eletricidade e pode exigir a atualização da infraestrutura de energia em suas instalações, o que pode ser caro.
3. Manutenção do sistema de resfriamento: A estação DGX usa um sistema de resfriamento de água, que pode ser propenso a problemas como mau funcionamento da bomba, especialmente se não for mantido corretamente [2]. A limpeza e manutenção regulares são cruciais para evitar superaquecimento e falha do sistema. Se o sistema não for mantido corretamente, pode exigir reparos caros ou até substituição.
4. Recuperação de dados e backup: A dependência da estação DGX no hardware proprietário para recuperação de dados pode levar a um tempo de inatividade significativo e custos se o armazenamento falhar. É essencial ter uma estratégia de backup robusta em vigor, como o uso de soluções de armazenamento externas ou serviços em nuvem, para mitigar esses riscos [1].
5. Custos de atualização e substituição: Dado o alto custo dos componentes da estação DGX, como as GPUs, a atualização ou a substituição de peças pode ser cara. Além disso, o design personalizado do sistema pode limitar a compatibilidade com os componentes de terceiros, aumentando ainda mais os custos.
6. Espaço e requisitos ambientais: A estação DGX é pesada e requer um ambiente limpo, livre de poeira e bem ventilado para operar efetivamente [4]. Isso pode exigir investimentos adicionais em infraestrutura para garantir condições ideais.
Em resumo, embora a estação DGX ofereça recursos poderosos para as tarefas de IA e aprendizado profundo, ela vem com custos contínuos significativos e possíveis despesas relacionadas à manutenção, consumo de energia, manutenção do sistema de refrigeração, gerenciamento de dados e requisitos de infraestrutura.
Citações:
[1] https://www.reddit.com/r/machinelearning/comments/lswpni/d_is_a_dgx_a100_worth_it/
[2] https://www.reddit.com/r/watercooling/comments/1it9rzf/nvidia_dgx_station_a100s_overheating/
[3] https://forums.developer.nvidia.com/t/anyone-has-experiences-with-ording-dgx-ngx-station/50528
[4] https://docs.nvidia.com/dgx/pdf/dgx-station-user-guide.pdf
[5] https://www.servethehome.com/nvidia-dgx-station upgraded-tesla-v100/
[6] https://www.reddit.com/r/localllama/comments/1jedolw/nvidia_dgx_station_and_digits_officialmente_branded/
[7] https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-unveils-dgx-station-workstation-pcs-gb300-lackwell-ultra-inside
[8] https://www.transit.dot.gov/sites/fta.dot.gov/files/docs/research-innovation/114661/strategic-transit-automation-research-report-no-0116_0.pdf
[9] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a --new-especializado-desktop-line-for-work