把服务器塞进桌下：MSI XpertStation WS300 实测，一台 GB300 桌面超算
MSI 这台 XpertStation WS300 是 STH 测过的第二台 NVIDIA DGX Station 系统（上一台是技嘉 W775-V10-L01）。这类机器的本质是：第一次把 NVIDIA 服务器级硬件 GB300 装进桌边塔式机箱，让开发者在本地跑 AI 负载。1.6kW 最大功耗、全套闭环液冷，一台塔式机塞进了能塞下的全部服务器硬件。
和前作一样，这次测试也没让单机孤跑：两台 DGX Station 通过 ConnectX-8 SuperNIC 组网，跑通了 800Gbps 聚合的 Blackwell Ultra 对 Blackwell Ultra RDMA。前 AI 时代的工作站把网络当附属品，而在这里，网络和液冷是这台机器的中心设计。
整机规格一览
| 项目 | 规格 |
|---|---|
| CPU | NVIDIA Grace 72 核 Neoverse V2（72C/72T） |
| GPU | NVIDIA Blackwell Ultra（B300 微调版） |
| 内存 | CPU 侧 496GB LPDDR5X（396GB/s）；GPU 侧 252GB HBM3E（7.1TB/s） |
| 存储 | 2× M.2 2280（PCIe Gen6 x4）+ 2× M.2 2280（PCIe Gen5 x4） |
| 网卡 | 2× 400Gbps QSFP112（ConnectX-8）+ 10GbE（RJ45）+ 1GbE BMC |
| 显卡（可选） | NVIDIA RTX PRO Blackwell 2000/4000/6000 |
| 电源 | 1600W 80 PLUS 白金 |
| 机箱 | 塔式工作站，529 × 570 × 246 mm，重近 30kg |
| 系统 | Ubuntu 24.04 LTS + NVIDIA AI 开发工具链 |
外观：为散热和地面而设计
整机黑漆、不张扬，看不出是台 10 万美元级的系统。与技嘉那台前脸全封闭不同，WS300 的前脸是敞开的——三角网格后面就是机器内部，右侧罩着散热器，三把风扇往里抽风。MSI 把整个前面板让给了气流，所以接口全部挪到顶边：2 个 USB-C + 2 个 USB-A，全部 10Gbps，没有 USB4——GB300 平台本身不提供，想更快只能走双 400G QSFP112。
考虑到体积、重量和发热，MSI 明确把它设计成落地机：顶置电源键带绿色 LED，复位键做了深凹防误触。电源是 1600W 白金 Delta，需要 C19 电源线和 20A 独立电路——这台机器实际上要求专线供电。
内部：液冷回路比主板更抢眼
标准 ATX 机箱的好处是好拆：每侧一块侧板、一颗螺丝。左侧看过去，PCIe 插槽、M.2、冷板、液冷管路一目了然。
NVIDIA 强制所有 DGX Station 用液冷：冷板覆盖 Blackwell Ultra GPU、Grace CPU、ConnectX-8 网卡三颗大芯片，连 Grace 的 LPDDR5X SOCAMM 内存条都压在冷板下面——想拆内存基本等于放弃保修。回路是闭环设计，但更像精心组装的开环：前置泵+水箱（CoolIT 出品），两具 360mm 冷排分列右侧和顶部排气。注意：与技嘉不同，这台机器没有漏液检测托盘。
扩展方面：三条物理 x16 插槽（顶槽 Gen5 x16，下两条 x8），全部挂在 Grace 上；顶槽支持官方认证的 RTX PRO Blackwell 显卡（2000/4000/6000，Max-Q 鼓风版也在名单里），机箱里专门做了一根带活动支架的金属承重梁帮显卡分担重量。四个 M.2 2280 里有两个直连 CX8 的 PCIe Gen6 x4——让 GPU 可以绕过 Gen5 直接读固态。管理侧是 OpenBMC，带 HTML5 iKVM 和全套传感器遥测，按服务器方式运维。
拓扑：这台机器真正的信息量所在
GB300 超芯片 = Grace CPU + Blackwell Ultra GPU + ConnectX-8 SuperNIC。Grace 是 72 核 Neoverse V2（300W 功耗墙），512-bit LPDDR5X 总线拆成四条 128-bit SOCAMM；B300 GPU 启用 7 个 HBM3E 栈，算力上限 20 PFLOPS FP4 / 10 PFLOPS FP8。
实测链路带宽揭示了设计意图：
| 链路 | 规格 | 实测 |
|---|---|---|
| GPU → CX8 | PCIe Gen6 x16 | 968Gbps |
| CPU → CX8 | PCIe Gen5 x8 | 228.9Gbps |
| GPU 对 GPU RDMA（双 400G） | 双轨聚合 | 784.3Gbps |
| CPU 对 CPU（双 400G） | 受 Gen5 x8 限制 | 229.0Gbps |
GPU 到网卡是全场最快链路，足以喂饱两条 400GbE；CX8 上还挂着两条 Gen6 M.2（GPU 可按 30GB/s 满速读取）。STH 的原话是：在这套拓扑里，Grace 几乎成了”第三配角”，CX8 才是 GPU 最重要的帮手。跑 RDMA 时能看到 392-400Gbps 的单轨流量，CPU 占用只有约 1.4%（还是轮询造成的）。
性能：CPU、GPU 与 C2C
Grace 是单片设计，核间延迟图非常规整；lmbench 内存延迟符合平台惯例。在 AgentSTH V7 上，300W 功耗墙的 Grace 单核跑不过高主频 x86（Threadripper、Xeon 658X 有 SMT 加持），但扩展性反超：在 1-32 核区间稳定压过对手——AI agent 实际常用 2-4 核，Grace 的架构在这个区间效率很高。三台 DGX Station 横评差距在 ±2% 以内。
GPU 侧，STH 用优化后的 Qwen3.8 Flash Next 对比一年前的 GPT-OSS-120B，做了”一年前后”对照——结论是模型更大更快了，值得投入的机器要能陪你用更久。多种工具调用场景在 c=32 并发下吞吐突破 3000 tokens/s 且还在爬升，MTP（多 token 预测）对结果帮助明显。
C2C 实验是实用信息：把模型权重放 LPDDR5X、经 C2C 喂给 GPU，比让 CPU 用自己的本地 LPDDR5X 直接跑更快；反过来，prefill 这种算力型阶段跨 C2C 表现好，但 decode 阶段一定要用 HBM。Grace 单侧内存带宽已超过 GB10、Strix Halo 这类统一内存方案——用 LPDDR5X 扩容量、用 HBM 做解码，是这套架构的正确用法。
功耗与噪音
GPU 功耗墙 1.3kW、CPU 300W，整机上限就是电源的 1.6kW；待机功耗不低于 250W。低负载噪音 37-40 dBA，满载 46-49 dBA——能把 1.6kW 的设备做到”可以放桌边”本身就是工程成果。STH 特别提醒：预算内再加一块 RTX PRO 6000 会让原有部件紧张，除非真要渲染桌面，否则慎加。
收尾判断
STH 三台实测后的结论：WS300 单机、组网都零故障，性能与 DGX Station 平台预期一致；装机、装系统、整套生命周期在 Arm 上已经完全跑顺（他们甚至完整走了一遍串口恢复+重装）。如果非要挑刺，是机箱——散热功劳很大，但”看起来不够贵”。更重要的是观念：这类机器理想状态是 24×7 运行、按服务器管理，公司里买两台以上就该规划 400Gbps 网络——每个工位预布两根 MTP-12 光纤，800Gbps 组网才有意义。
小夏点评
- 这台机器的核心资产不是 GPU，是拓扑——GPU 直连网卡的 Gen6 x16（968Gbps）决定了它能从单机长到集群；单台 252GB HBM 只是入场券，两台组网才是这套设计的完整形态。
- 1.6kW 是硬预算：电源封顶后，加显卡、加盘都在挤 GPU/CPU 的功耗。这类”工作站”本质是服务器，采购时按机房标准（专线电路、噪音、24×7）评估，别按办公桌标准。
- 对中国 IT 运维/开发者的启示：国内团队开始采购 DGX Station 级设备做本地推理和小规模训练，落地时最容易低估的是电力和网络——20A 独立电路、400G 光模块、跨工位光纤布线都要提前预算。多台部署时先布 MTP 光纤再谈性能，否则这台机器最值钱的部分（RDMA 组网）直接归零。
参考链接
- 原文：https://www.servethehome.com/msi-xpertstation-ws300-review-nvidia-dgx-station-gb300/
- 前作（技嘉 DGX Station 首测）：https://www.servethehome.com/gigabyte-w775-v10-l01-hands-on-bringing-nvidia-gb300-deskside/
