9.99 万美元，桌面形态，能跑 1 万亿参数的开源大模型——这个规格，三年前要靠一整间机房。
据 IT 之家 8 月 28 日报道，微星（MSI）XpertStation WS300 已在海外出货并在新蛋（Newegg）开售，搭载英伟达 GB300 Grace Blackwell Ultra 桌面超级芯片，最高 748GB 一致性内存。它不是原型机，是进了常规销售渠道的现货。
一、这台机器是什么
核心硬信息：
- 发布时间：2026 年 8 月 28 日；定价 99,999 美元（新蛋在售）；
- 主芯片：英伟达 GB300 Grace Blackwell Ultra——英伟达首次把 DGX 系列技术下放至桌面形态；
- 内存：最高 748GB 一致性内存（coherent memory）；
- 网络：双路 ConnectX-8 SuperNIC，每端口 400GbE；
- 扩展：两台串联可构 4 节点小集群；
- 存储：PCIe Gen5 / Gen6 混合架构；
- 模型能力：单机可运行高达 1T（万亿）参数的开源大模型。
二、桌面凭什么能跑万亿参数
原稿只说"统一内存降低拷贝开销"，没讲清最关键的一层。
1. 748GB 是门槛。 万亿参数模型即便量化加载，对内存的占用也以数百 GB 计——748GB 一致性内存，正是桌面端够用的前提。主流消费级工作站内存通常 64–512GB，差的不止一档，而是跨过了一条"能不能装下大模型"的线。
2. 统一内存的本质是消除搬运。 GB300 把 Grace CPU 与 Blackwell GPU 挂在 Cobalt 700 平台的同一片一致性内存上，CPU 和 GPU 共享物理内存空间。传统架构里，模型权重一旦超过显存，就要在"系统内存↔显存"之间反复搬运，或靠量化压缩；统一内存让这件事在桌面形态里消失——不是靠堆显存，是靠共享内存池消除搬运开销。这才是桌面扛大模型的真正机制。
3. 下沉逻辑。 英伟达把 DGX 技术塞进桌面形态，算力从超算中心下沉到单机可部署；两台串联成 4 节点集群，桌边就能拼出小型超算骨架。这指向下一代 AI 开发平台的方向：小而强的单机集群。
三、和谁比
| 项目 | XpertStation WS300 | 传统高性能工作站 | 英伟达 DGX Station A100 |
|---|---|---|---|
| 主芯片 | GB300 Grace Blackwell Ultra | RTX 6000 Ada / 4090 | 8× A100 80GB |
| 最大内存 | 748GB 一致性内存 | 256–512GB | 640GB |
| 网络 | 双 400GbE | 10/25GbE | 4× 100GbE IB |
| 模型支持 | 单机 ≤1T 参数 | ≤10B（消费级）/≤100B（专业卡） | 单机 ≤10B（更大需分布式） |
| 价格 | $99,999 | $10,000–$40,000 | $200,000+ |
最有信息量的反差在最后一行：WS300 以不到 DGX 一半的价格，单机跑更大的模型——靠的不是更贵的卡，而是统一内存架构。
四、谁该入手，谁该再等等
- 现在入手：已规划 Q4 上线万亿级开源模型、且内部缺 GPU 集群的团队；金融医疗等对数据本地化与离线有强要求的合规场景；愿意为统一内存与超高速网络付溢价的研究型机构。
- 再观望：预算低于 50 万元、仅需 <10B 参数常规微调的中小企业（5–10 万元级工作站已够）；对模型版本迭代敏感、依赖成熟工具链的开发者——GB300 系驱动栈仍在早期，部分开源工具链适配待完善；要建 10 节点以上集群的大团队，应等 DGX SuperPod 类后续方案。
五、判断
算力正从超算中心下沉到桌边单机——748GB 统一内存让"桌面跑万亿参数"从噱头变成可行。但驱动栈与工具链的成熟度，决定它现在更接近"研究型机构的超前部署"，而非"中小团队的标配"。下一代 AI 开发平台的方向已经露头：小而强的单机集群。