多數開發者不該買 DGX：先問你缺的是容量，還是頻寬

四篇拆完，判斷只剩一句：多數獨立開發者不該買 DGX。

不是 DGX 不夠強。是你的工作流多半沒卡在「模型塞不進自己的機器」。第 1 篇畫過三層主機，第 2 篇拆過 273 GB/s，第 3 篇拆過 748GB，第 4 篇拆過 Windows。這篇把購物清單收起來。

先問缺的是哪一種

容量是模型進不進得去。70B 全精度、200B 量化、兆級權重，會先把 VRAM 或統一記憶體吃滿。頻寬是進去之後每個 token 要等多久。生成階段幾乎是把權重掃過一遍，掃得慢就慢。

NVIDIA 官方把這兩件事寫在同一張規格表，卻讓行銷頁只強調比較大的那個數字。Spark 是 128GB / 273 GB/s，Station 是 748GB 總量 / 252GB HBM。買錯層級的人，通常是把容量數字當成速度承諾。

「先問你缺的是容量，還是頻寬。」

三層各自卡什麼

Spark 適合必須把資料留在本地、又要跑 70B 到 200B、或要養一台永遠開著的本地 agent 電腦的人。官方工作負載是微調 70B、推理 200B；你買的是統一記憶體，不是 GDDR 那種吐 token 速度。軟體棧——DGX OS、CUDA-X、NIM、NemoClaw、OpenShell——才是它跟普通迷你 PC 的差別，這條線在CUDA-X 護城河裡寫過。

Station 適合要在本地跑兆級、或讓小團隊共用一台 1,600W 推理節點、而且 IT 願意把 Windows 合規棧接上去的人。個人開發者先把 Spark 的頻寬想清楚，再決定要不要跳這一級。

GB300 不是購物車選項。要記住的只有：書桌主機存在，是為了讓你寫完能丟進那種機櫃。

多數人的答案停在工作站卡

48GB VRAM 能塞量化 70B，也不用重新學一套 DGX OS。若這條路比較接近你現在的需求，麗臺 RTX PRO 5000 Blackwell 是目前站上對應這個層級的工作站卡。資料可以上雲的人，連這張都不必急著買。

NVIDIA 會繼續把 Spark 講成最小超算、把 Station 講成桌上 GB300。規格表已經把反向證據寫在同一頁。讀規格的人，不該只讀比較大的那個數字。

利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。文中硬體以公開規格與適用情境描述，不是第一人稱實測。

常見問題

一般開發者需要買 DGX 嗎？ 多數人不需要。必須把資料留在本地、又要跑 70B 到 200B，Spark 才開始合理；只是想本地跑量化 70B，一張 48GB 工作站卡通常就夠。

容量跟頻寬要怎麼分？ 模型進不去機器，是容量問題。模型進得去但每個 token 等很久，是頻寬問題。Spark 的 128GB / 273GB/s 賣的是前者。

什麼時候該看 Station？ 要在本地跑兆級、或讓小團隊共用一台永遠開著的推理節點，而且 IT 願意簽 1,600W。個人開發者先把 Spark 的頻寬瓶頸想清楚。

GB300 跟書桌主機是同一系列嗎？ 同一品牌、不同層級。GB300 是 72 GPU 液冷機櫃，給企業 AI factory 用。書桌主機存在的理由，是讓你在桌上寫的東西之後能丟進那種機櫃。

你現在跑不動的那個模型，缺的是容量，還是頻寬？答得出來，購物車自己會變短。