Lenovo ThinkStation PGX 30KL000FES GB10Grace Blackwell 128GB 2TB DGX OS

• Prepara un entorno NVIDIA coherente con DGX OS, CUDA 13, AI Workbench y las herramientas de desarrollo incluidas.
• Conserva el proyecto activo dentro del nodo al combinar memoria unificada y SSD NVMe para modelos, datos y checkpoints.
• Traslada el histórico fuera del equipo mediante una conexión 10GbE hacia un NAS o servidor compatible.
• Separa las vistas del trabajo técnico al distribuir notebooks, métricas, logs y resultados en hasta cuatro pantallas.
• Conecta dos nodos PGX mediante los puertos QSFP cuando el laboratorio necesite un escenario de procesamiento distribuido.

• Laboratorios universitarios donde varias prácticas de IA necesitan un nodo compacto junto a cada puesto técnico.
• Equipos de investigación que preparan modelos localmente antes de trasladar una versión validada a una infraestructura mayor.
• Desarrolladores NVIDIA cuyo flujo diario combina CUDA, PyTorch, Jupyter Notebooks y AI Workbench.
• Despachos técnicos con poco espacio donde el volumen reducido pesa más que la posibilidad de cambiar la GPU o añadir tarjetas PCIe.
• Entornos con NAS o servidor de laboratorio que necesitan una conexión cableada para datasets, checkpoints y resultados.

Un bloque de cómputo pensado para modelos locales

El NVIDIA GB10 Grace Blackwell combina una CPU Arm de 20 núcleos —10 Cortex-X925 y 10 Cortex-A725— con aceleración Blackwell dentro del mismo sistema. Los 128GB LPDDR5x unificados se comparten entre CPU y GPU, de modo que los modelos, los datos y las herramientas de desarrollo utilizan un único bloque de memoria.

Los hasta 1000 TOPS y 1 PFLOP FP4 con sparsity describen una plataforma orientada a cargas de inteligencia artificial que aprovechan el stack NVIDIA. Esas cifras no equivalen al rendimiento general de una CPU, una GPU gaming o una workstation destinada a cualquier aplicación.

La memoria decide el tamaño del trabajo

La memoria unificada permite que CPU y GPU accedan al mismo espacio de 128GB LPDDR5x. El modelo, el dataset y el entorno de desarrollo no tienen que repartirse entre una memoria del sistema y una VRAM independiente.

La capacidad instalada forma parte de la plataforma integrada. El PGX no está planteado para sustituir esos 128GB como una torre modular, por lo que el tamaño de los modelos y datasets debe encajar en la configuración disponible o apoyarse en almacenamiento externo.

El software fija el flujo de trabajo

DGX OS, CUDA 13, AI Workbench y GB10 Dashboard proporcionan el entorno base para preparar y ejecutar modelos. NVIDIA AI Software Stack, PyTorch y Jupyter Notebooks completan un flujo centrado en el desarrollo de inteligencia artificial.

La integración evita construir desde cero la pila de CUDA antes de empezar. También determina la compatibilidad: las aplicaciones que dependen de Windows x86 o de bibliotecas no adaptadas a la plataforma Arm requieren otra workstation.

El SSD separa el trabajo activo del histórico

El SSD NVMe PCIe 4.0 de 2TB ofrece espacio local para modelos, contenedores, notebooks, datasets y checkpoints. Los archivos que se necesitan durante las iteraciones permanecen dentro del nodo de trabajo.

Varias versiones de modelos o datasets grandes pueden consumir rápidamente el espacio interno. Un NAS o un servidor conectado por 10GbE resulta más apropiado para conservar históricos compartidos, mientras el SSD queda destinado al proyecto activo.

La red conecta el PGX con el laboratorio

La ConnectX-7 Smart NIC incorpora Ethernet 10 GbE mediante RJ-45. Esta interfaz ofrece una ruta cableada para mover datasets, checkpoints y resultados entre el PGX, un servidor o un almacenamiento de red compatible.

Los dos puertos QSFP de 200 Gb/s permiten enlazar dos nodos ThinkStation PGX. Según la configuración documentada para la plataforma, esa conexión amplía el escenario de procesamiento hasta modelos de 405.000 millones de parámetros, pero no convierte el equipo en un clúster general con expansión ilimitada.

Más de una vista para el puesto técnico

La salida HDMI 2.1a y los cuatro USB-C con DisplayPort 2.1 permiten repartir el puesto entre notebooks, métricas, logs y resultados. La plataforma admite hasta cuatro pantallas independientes para mantener esas vistas separadas.

Wi-Fi 7 cubre la conexión inalámbrica de red y Bluetooth 5.3 LE la de periféricos compatibles. Para transferencias grandes o trabajos sensibles a la estabilidad del enlace, el RJ-45 de 10GbE ofrece una ruta cableada frente a una red inalámbrica saturada.

Formato compacto, plataforma cerrada

El chasis Small Form Factor ocupa 1,13 litros, mide 150 x 150 x 50,5 mm y pesa desde 1,2 kg. Puede colocarse junto a una pantalla, en un laboratorio docente o en un despacho técnico donde una torre ocuparía más espacio.

El diseño integrado concentra CPU, acelerador y memoria en una unidad que no crece como una torre. No hay ranuras PCIe convencionales para añadir una GPU dedicada ni un diseño orientado a cambiar la memoria instalada; una workstation x86 con Windows resulta más adecuada para CAD, render, juegos o ampliaciones de hardware.

Cómo usarlo

1. Conecta el adaptador USB-C de 240 W y enlaza una pantalla mediante HDMI o USB-C con DisplayPort.
2. Elige la conexión de red: utiliza RJ-45 10GbE cuando los modelos, datasets o resultados estén en un servidor o almacenamiento compatible.
3. Configura DGX OS y sus actualizaciones antes de cargar entornos de desarrollo, modelos o datasets.
4. Prepara el entorno de IA con AI Workbench, CUDA 13, GB10 Dashboard, PyTorch o Jupyter Notebooks según el proyecto.
5. Reserva el SSD interno para el trabajo activo y utiliza los puertos QSFP para enlazar un segundo nodo PGX cuando la arquitectura del laboratorio lo requiera.

Marca: Lenovo

Publicado:

23/09/2026

Última actualización:

23/09/2026

Revisado por:

Héctor Rubio Pita (Experto en tecnología e Inteligencia Artificial)