MSI XpertStation WS300 ยกพลัง NVIDIA DGX Station มาไว้ข้างโต๊ะ รองรับ AI Model สูงสุดระดับ 1 ล้านล้านพารามิเตอร์

โลกของ AI กำลังขยับจากยุคที่องค์กรต้องส่งทุก Workload ขึ้น Cloud หรือสร้าง GPU Server ขนาดใหญ่ใน Data Center ไปสู่เครื่องประมวลผล AI ประสิทธิภาพสูงที่สามารถติดตั้งใกล้กับนักพัฒนา นักวิจัย และข้อมูลขององค์กรได้มากขึ้น

หนึ่งในผลิตภัณฑ์ที่สะท้อนทิศทางดังกล่าวได้ชัดเจนคือ MSI XpertStation WS300 ซูเปอร์คอมพิวเตอร์ AI แบบ Deskside ที่สร้างขึ้นบน NVIDIA DGX Station Architecture และใช้ขุมพลัง NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip โดย MSI เปิดตัวระบบนี้ครั้งแรกในเดือนมีนาคม 2026 ก่อนประกาศในช่วงปลายเดือนสิงหาคมว่าเริ่มจัดส่งผลิตภัณฑ์แล้วในบางตลาด

สิ่งที่ทำให้ XpertStation WS300 แตกต่างจาก Workstation ทั่วไป ไม่ได้อยู่ที่การนำ GPU ระดับสูงมาใส่ในเครื่อง Tower เพียงอย่างเดียว แต่เป็นการออกแบบ CPU, GPU, Memory, Storage, Networking และ Software Stack ให้ทำงานร่วมกันในลักษณะเดียวกับระบบ AI Infrastructure ระดับ Data Center

หัวใจสำคัญคือ NVIDIA GB300 Grace Blackwell Ultra

ภายใน XpertStation WS300 คือ NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip ซึ่งผสาน NVIDIA Grace CPU เข้ากับ NVIDIA Blackwell Ultra GPU ผ่านการเชื่อมต่อความเร็วสูง NVIDIA NVLink-C2C หรือ Chip-to-Chip ลดข้อจำกัดในการเคลื่อนย้ายข้อมูลระหว่าง CPU และ GPU ที่พบในระบบแบบดั้งเดิม

ฝั่ง CPU ใช้ NVIDIA Grace ที่มี 72 Arm Neoverse V2 Cores ขณะที่งาน AI หลักถูกประมวลผลด้วย Blackwell Ultra GPU และ Tensor Cores เจเนอเรชันใหม่ที่รองรับการคำนวณแบบ NVFP4 สำหรับงาน Generative AI และ Large Language Model โดยเฉพาะ

NVIDIA ระบุว่า DGX Station Platform สามารถให้ AI Compute Performance สูงสุดประมาณ 20 PFLOPS ในงาน FP4 และออกแบบมาสำหรับการพัฒนา Fine-tuning และ Inference โมเดล AI ขนาดใหญ่สูงสุดระดับ 1 Trillion Parameters หรือ 1 ล้านล้านพารามิเตอร์ ทั้งนี้ประสิทธิภาพจริงย่อมขึ้นอยู่กับ Model, Precision, Framework และลักษณะของ Workload ที่ใช้งาน

748GB Coherent Memory จุดเปลี่ยนสำคัญสำหรับ Large AI Model

อีกหนึ่งจุดที่โดดเด่นมากของ XpertStation WS300 คือหน่วยความจำรวมสูงสุด 748GB แบบ Coherent Memory ตัวเลขดังกล่าวประกอบด้วย GPU Memory 252GB HBM3e ที่มี Memory Bandwidth สูงสุดประมาณ 7.1TB/s และ CPU Memory 496GB LPDDR5X ที่มี Bandwidth สูงสุดประมาณ 396GB/s โดย CPU และ GPU เชื่อมต่อกันผ่าน NVLink-C2C

แนวคิดนี้สำคัญกับ AI เพราะโมเดลขนาดใหญ่ต้องใช้ Memory Capacity จำนวนมาก นอกจากความเร็วของ GPU แล้ว ขนาดหน่วยความจำกลายเป็นอีกหนึ่งข้อจำกัดสำคัญในการรัน LLM การมี Memory Pool ขนาดใหญ่จึงช่วยให้ระบบสามารถเก็บ Model และ Dataset ขนาดใหญ่ไว้ใกล้กับ Compute ได้มากขึ้น ลดการย้ายข้อมูลระหว่าง CPU และ GPU และเอื้อต่องานอย่าง Large-model Inference, Fine-tuning, Multimodal AI และ Agentic AI ที่ต้องประมวลผลต่อเนื่องเป็นเวลานาน

Network 800Gb/s เพราะ AI Workstation ยุคนี้ไม่ได้ทำงานลำพังเสมอไป

หากมอง XpertStation WS300 เป็นเพียงเครื่อง AI ประสิทธิภาพสูงเครื่องเดียว อาจยังไม่เห็นภาพทั้งหมดของสถาปัตยกรรมนี้

MSI ติดตั้ง NVIDIA ConnectX-8 SuperNIC พร้อมพอร์ต QSFP112 400GbE จำนวน 2 พอร์ต ทำให้มี Aggregate Network Bandwidth ได้สูงสุดถึง 800Gb/s และยังมี 10GbE RJ45 เพิ่มมาอีกหนึ่งพอร์ต

Network ระดับนี้เปิดทางให้ระบบสามารถแลกเปลี่ยนข้อมูลปริมาณมหาศาลกับ Storage หรือ AI Infrastructure อื่นได้อย่างรวดเร็ว รวมถึงการเชื่อม XpertStation WS300 มากกว่าหนึ่งระบบเพื่อขยายขนาด AI Workload

MSI ระบุว่าสามารถใช้ Dual 400GbE สำหรับการ Cluster ระบบ XpertStation WS300 สองเครื่อง เพื่อ Scale งาน AI ให้สูงขึ้นได้

นี่จึงเป็นเหตุผลว่าทำไมเครื่องที่ตั้งอยู่ข้างโต๊ะทำงานจึงมี Network Bandwidth ระดับที่เหนือกว่า LAN ในสำนักงานทั่วไปหลายสิบเท่า เพราะเป้าหมายไม่ได้มีเพียงการเชื่อม Internet แต่เป็นการเคลื่อน Dataset และ Model ระหว่าง AI Compute Nodes โดยตรง

Storage ใช้ทั้ง PCIe Gen 5 และ PCIe Gen 6 NVMe

AI Workload ไม่ได้ต้องการแค่ Compute และ Memory เท่านั้น Dataset ขนาดใหญ่ยังต้องถูกป้อนเข้าสู่ระบบได้เร็วพอเพื่อไม่ให้ GPU ต้องรอข้อมูล XpertStation WS300 จึงมี M.2 NVMe ทั้งหมด 4 ช่อง โดยสเปกปัจจุบันของ MSI ระบุรายละเอียดหลักไว้ดังนี้
• NVIDIA Grace CPU 72 Arm Neoverse V2 Cores และ NVIDIA Blackwell Ultra GPU
• Coherent Memory รวม 748GB แบ่งเป็น HBM3e 252GB และ LPDDR5X 496GB
• M.2 PCIe 5.0 x4 จำนวน 2 ช่อง พร้อม SSD 2TB จำนวน 2 ตัวจากโรงงาน ตั้งค่า RAID 1 สำหรับระบบปฏิบัติการ
• M.2 PCIe 6.0 x4 อีก 2 ช่องสำหรับการขยาย Storage และ Training Data
• NVIDIA ConnectX-8 พร้อม 400GbE QSFP112 จำนวน 2 พอร์ต และ 10GbE
• RJ45 PCIe 5.0 Expansion Slot จำนวน 3 ช่อง
• ASPEED AST2600 BMC รองรับ IPMI 2.0 และ DMTF Redfish
• TPM 2.0 และ Hardware Root of Trust
• Power Supply 1600W ระดับ 80 PLUS Platinum พร้อม Liquid Cooling สำหรับ CPU และ GPU
• Ubuntu 24.04 LTS พร้อม NVIDIA AI Developer Tools ติดตั้งมาจากโรงงาน
รายละเอียดเหล่านี้ทำให้เห็นว่า WS300 มี DNA ใกล้เคียง Server มากกว่า Desktop PC ทั่วไป โดยเฉพาะการมี Dedicated Management Port, BMC, IPMI และ Redfish ซึ่งช่วยให้ฝ่าย IT สามารถ Monitor และบริหารระบบจากระยะไกลได้

NVIDIA AI Software Stack ทำให้ Hardware ไม่ได้อยู่ลำพัง

การมี GPU ที่เร็วที่สุดไม่ได้หมายความว่าจะสามารถนำ AI ไปใช้งานจริงได้ทันที อีกส่วนหนึ่งที่ NVIDIA ผลักดันอย่างหนักคือ Software Ecosystem

XpertStation WS300 จึงรองรับ NVIDIA AI Software Stack สำหรับ Workflow ตั้งแต่ Data Science, AI Development และ Fine-tuning ไปจนถึง Inference และการ Deploy AI จาก Desktop ไปยัง Data Center หรือ Cloud

ระบบจาก MSI ยังมาพร้อม Ubuntu 24.04 LTS และ NVIDIA AI Developer Tools ที่ติดตั้งไว้แล้ว ช่วยลดขั้นตอนในการจัดเตรียม Environment สำหรับนักพัฒนาเมื่อเทียบกับการประกอบ GPU Workstation แล้วติดตั้ง Software Stack ทั้งหมดขึ้นมาเอง

จาก LLM ไปสู่ยุค Agentic AI ที่ทำงานตลอดเวลา

อีกประเด็นที่น่าสนใจคือ NVIDIA และ MSI ไม่ได้วางตำแหน่ง DGX Station เพียงสำหรับการ Train LLM เท่านั้น แต่ยังมองไปถึง AI Agents ที่ต้องสามารถทำงานอย่างต่อเนื่องภายในองค์กร

แทนที่ AI จะทำงานเฉพาะเมื่อผู้ใช้เปิด Chatbot และป้อน Prompt ระบบ Agentic AI ในอนาคตอาจต้องตรวจสอบข้อมูล เชื่อมต่อ Application วิเคราะห์สถานการณ์ และเรียกใช้เครื่องมือต่าง ๆ ตลอดทั้งวัน

MSI ระบุว่า XpertStation WS300 รองรับ NVIDIA OpenShell สำหรับการสร้าง Environment ที่มี Policy และการควบคุมการทำงานของ Autonomous AI Agents โดยสามารถรัน Workload เหล่านี้ใกล้กับข้อมูลขององค์กรโดยไม่จำเป็นต้องส่งข้อมูลทั้งหมดออกไปประมวลผลบน Public Cloud

ทำไมต้องนำ AI Compute มาไว้ภายในองค์กร?

Cloud GPU ยังคงมีข้อได้เปรียบอย่างมากในเรื่องความยืดหยุ่นและการ Scale แต่เมื่อ AI เริ่มกลายเป็น Workload ที่ต้องทำงานทุกวัน ค่าใช้จ่ายจากการใช้ GPU Cloud ต่อเนื่อง รวมถึงประเด็น Data Governance และ Intellectual Property ก็เริ่มมีความสำคัญมากขึ้น

การมี AI Supercomputer ภายในองค์กรจึงเปิดทางให้ทีมพัฒนาทดลอง Fine-tune และทำ Inference กับข้อมูลภายในได้โดยตรง สามารถควบคุม Data Pipeline ได้มากขึ้น และลดการส่งข้อมูลสำคัญออกนอก Environment ขององค์กร

MSI มองว่า XpertStation WS300 สามารถทำหน้าที่ได้ตั้งแต่เครื่องสำหรับ AI Development และ Data Science ไปจนถึง Personal AI Cloud หรือ Central Compute Node ให้ทีมภายในเรียกใช้ร่วมกัน

มันคือ Workstation หรือ Data Center ย่อส่วน?

เมื่อดูจากรูปลักษณ์ XpertStation WS300 ยังเป็นเครื่อง Tower ที่สามารถวางอยู่ข้างโต๊ะได้ แต่ถ้าดูภายในจะพบองค์ประกอบที่เคยพบใน Server และ AI Infrastructure ระดับองค์กรจำนวนมาก ไม่ว่าจะเป็น Grace CPU, Blackwell Ultra GPU, HBM3e, 400GbE Networking, BMC Remote Management, IPMI, Redfish และ Liquid Cooling

ดังนั้นคำว่า Deskside AI Supercomputer อาจอธิบายตำแหน่งของเครื่องนี้ได้ตรงกว่าคำว่า Workstation แบบเดิม

pertStation WS300 ไม่ได้ถูกสร้างมาเพื่อแทน Desktop หรือ Workstation ที่ใช้ GPU RTX ทั่วไป แต่เข้ามาเติมช่องว่างระหว่าง High-end AI Workstation กับ GPU Server หรือ AI Cluster ขนาดใหญ่ โดยนำ Compute, Memory และ Software Environment ที่จำเป็นสำหรับ AI รุ่นใหม่เข้ามาอยู่ใกล้กับนักพัฒนามากขึ้น

EtechZoom มองว่า XpertStation WS300 สะท้อนทิศทางใหม่ของ Enterprise AI

สิ่งที่น่าสนใจที่สุดของ MSI XpertStation WS300 อาจไม่ใช่ตัวเลข 20 PFLOPS หรือ Memory 748GB เพียงอย่างเดียว แต่คือแนวโน้มที่ AI Infrastructure กำลังถูกกระจายออกจาก Data Center

ในอดีตหากองค์กรต้องการประมวลผลโมเดลขนาดใหญ่ ทางเลือกหลักมักเป็น GPU Server, HPC Cluster หรือ Cloud แต่แพลตฟอร์มอย่าง NVIDIA DGX Station กำลังสร้างอีกทางเลือกหนึ่ง คือการนำ AI Compute ระดับสูงมาอยู่ใกล้กับ Developer และข้อมูลมากขึ้น

สำหรับองค์กรที่กำลังพัฒนา Generative AI, LLM, Multimodal AI, Data Science หรือ Autonomous AI Agents และต้องการควบคุมข้อมูลภายใน Environment ของตนเอง เครื่องประเภทนี้จึงมีบทบาทน่าสนใจมากขึ้นเรื่อย ๆ