Lenovo ThinkStation PGX 30KL Personal AI Supercomputer – NVIDIA GB10 Grace Blackwell – 128 GB Unified Memory – 1 TB NVMe

Personal AI Supercomputer für lokale AI- und Machine-Learning-Workloads

Die Lenovo ThinkStation PGX 30KL ist keine klassische Office-Workstation, sondern eine kompakte Entwicklungsplattform für Generative AI, Machine Learning und datenintensive AI-Workflows. Der NVIDIA GB10 Grace Blackwell Superchip kombiniert eine 20-Core-Arm-CPU mit Blackwell-GPU-Technologie und 128 GB Unified Memory. Dadurch können große Modelle und Datensätze lokal verarbeitet werden, ohne sie für jeden Entwicklungsschritt in eine externe Cloud übertragen zu müssen.

NVIDIA spezifiziert die GB10/DGX-Spark-Plattform mit bis zu 1 PFLOP FP4 AI-Rechenleistung, für Inference von Modellen bis 200 Milliarden Parametern und Fine-Tuning bis 70 Milliarden Parametern. Die tatsächlich nutzbare Modellgröße und Geschwindigkeit hängen unter anderem von Modellarchitektur, Präzision, Quantisierung, Kontextlänge, Framework und Workload ab.

Warum diese Plattform für AI und Machine Learning interessant ist

• 128 GB Unified Memory: CPU und GPU greifen auf einen großen gemeinsamen Speicherbereich zu. Das ist besonders wertvoll für LLMs und andere Modelle, deren Speicherbedarf typische Desktop-GPUs übersteigt.
• NVIDIA Blackwell: moderne Tensor-Rechenleistung für AI-Inference, Modelltraining und Fine-Tuning.
• DGX Base OS / NVIDIA AI Software Stack: eine für AI-Entwicklung ausgelegte Softwarebasis statt eines generischen Desktop-Setups.
• Lokale Datenverarbeitung: sensible Unternehmens-, Entwicklungs- oder Forschungsdaten können für viele Workflows auf dem eigenen System verbleiben.
• Schnelle Vernetzung: 10GbE sowie 2 × 200GbE QSFP über Mellanox ConnectX-7 ermöglichen schnellen Datentransfer und bieten eine Grundlage für anspruchsvolle vernetzte AI-Workflows.

Typische AI-/ML-Einsatzbereiche

• Lokale LLM-Inference: private Chatbots, technische Assistenten, Coding-Copilots und interne Sprachmodelle direkt im Unternehmen ausführen.
• RAG und Enterprise Search: Dokumente, technische Handbücher, Wissensdatenbanken oder interne Daten vektorisieren und mit einem lokalen Sprachmodell verbinden.
• Fine-Tuning und LoRA/QLoRA: bestehende Foundation Models an firmenspezifische Sprache, Aufgaben oder Domänen anpassen.
• Agentic AI: AI-Agenten entwickeln und testen, die Modelle mit Datenbanken, APIs, Suchsystemen oder eigenen Werkzeugen kombinieren.
• Computer Vision und multimodale AI: Bild-, Video- und kombinierte Text/Bild-Modelle entwickeln, testen und ausführen.
• Data Science und Deep Learning: PyTorch-basierte Experimente, Datenanalyse, Embeddings, Klassifikation, Regression und neuronale Netze lokal entwickeln.
• Prototyping für Edge und Robotik: AI-Pipelines lokal vorbereiten und anschließend auf Zielhardware oder andere NVIDIA-Plattformen übertragen.

Praktische Nutzung – ein typischer Workflow

1. Arbeitsplatz oder AI-Server: Die PGX kann direkt mit Monitor, Tastatur und Maus verwendet werden oder headless im Netzwerk stehen. Entwickler greifen dann per SSH, Jupyter oder Remote-IDE wie VS Code darauf zu.
2. AI-Umgebung vorbereiten: DGX OS aktualisieren und einen geeigneten NVIDIA-/CUDA-Container beziehungsweise eine kompatible AI-Umgebung auswählen.
3. Framework starten: beispielsweise PyTorch, TensorRT-LLM, NVIDIA NIM oder andere für Grace Blackwell und Arm64 geeignete AI-Frameworks verwenden.
4. Modell und Daten bereitstellen: ein Modell aus einem internen Repository oder einer Modellplattform laden, lokale Unternehmensdaten beziehungsweise Trainingsdaten einbinden und bei Bedarf eine Vektordatenbank für RAG vorbereiten.
5. Inference oder Fine-Tuning: das Modell lokal testen, quantisieren, evaluieren oder mit LoRA/QLoRA beziehungsweise einem passenden Fine-Tuning-Verfahren anpassen.
6. Anwendung entwickeln: REST-API, Chat-Oberfläche, Agent, RAG-Service oder andere AI-Anwendung gegen das lokale Modell entwickeln und testen.
7. Weiter skalieren: nach erfolgreichem Prototyping können Modell, Container und Anwendung auf weitere Systeme, ein Rechenzentrum oder eine Cloud-Umgebung übertragen werden.

Wichtiger Kompatibilitätshinweis

Der GB10 verwendet eine Arm64-/Grace-Architektur. Für Drittanbieter-Software, vorkompilierte Bibliotheken und Container sollte deshalb vorab geprüft werden, ob eine Arm64-kompatible Version verfügbar ist. Gängige NVIDIA-AI-Workflows sind für die Plattform vorgesehen, aber nicht jede klassische x86-Desktop-Anwendung ist automatisch kompatibel.

Kernausstattung

• NVIDIA GB10 Grace Blackwell Superchip, 20 Kerne
• 128 GB LPDDR5X Unified Memory
• 1 TB M.2 NVMe SSD, Self-Encrypting Drive
• NVIDIA DGX Base OS
• 10 Gigabit Ethernet, 2 × 200 Gigabit Ethernet (QSFP), Wi-Fi 7, Bluetooth 5.3
• USB4 / DisplayPort 2.1, HDMI
• 240-W-Netzteil
• Kompaktes Gehäuse: 15 × 15 × 5,05 cm; Systemgewicht ca. 1,2 kg
• 1 Jahr Lenovo Premier Support inklusive; 3-Jahres-Premier-Support-Upgrade separat erhältlich

Ideal für: AI-Entwickler, Machine-Learning-Teams, Forschung, Engineering, Start-ups und Unternehmen, die große Modelle lokal entwickeln, testen oder betreiben möchten, ohne für jeden Arbeitsschritt auf externe GPU-Cloud-Ressourcen angewiesen zu sein.

Garantie & Service

• 1 Jahr Lenovo Premier Support inklusive.
• 1 Jahr Vor-Ort-Service (Onsite) laut den TD SYNNEX Produktdaten für die Variante 30KL0002GF.
• Optionales Upgrade auf 3 Jahre Lenovo Premier Support separat erhältlich und nicht im Standardpreis enthalten.

Für gesetzliche Gewährleistungsansprüche ist LIKUA Ihr Vertragspartner. Lenovo-Herstellerservices ergänzen diese Rechte und schränken sie nicht ein.

Hersteller- & Produktsicherheitsinformationen (EU)

• Hersteller: Lenovo PC HK Limited, 23/F Lincoln House, Taikoo Place, 979 King's Road, Quarry Bay, Hong Kong.
• Europäischer Regulierungskontakt: Lenovo (Slovakia), Landererova 12, 811 09 Bratislava, Slovakia.
• Regulatorische E-Mail: compliance@lenovo.com
• Telefon EU-Regulierungskontakt: +421 2 6868 3018

Aktuelle Konformitäts-, Sicherheits- und regulatorische Dokumente stellt Lenovo über Lenovo Compliance bereit. Produktspezifische regulatorische Kennzeichnungen können sich am Gerät, auf der Verpackung oder im elektronischen E-Label befinden.

Funkhinweis: In den Frequenzbereichen 5150–5350 MHz und 5945–6425 MHz ist die Nutzung dieses Geräts auf Innenräume beschränkt.