Når medier og analytikere taler om, at Nvidia sælger “AI-supercomputere”, er det ofte DGX, de mener. DGX er Nvidias egen familie af færdigbyggede computere, der er skræddersyet til kunstig intelligens – lige fra en lille kasse på skrivebordet til kæmpe systemer, der fylder flere rækker i et datacenter. For et selskab, hvis aktiekurs i høj grad afhænger af salget til datacentre, er DGX både et konkret produkt og et vindue ind i, hvordan Nvidia tjener sine penge. Her får du en letforståelig gennemgang af, hvad DGX er, hvilke modeller der findes, og hvorfor de betyder noget.
Vigtige punkter
- Hvad: DGX er Nvidias serie af færdigbyggede AI-computere, hvor GPU’er, CPU’er, hukommelse, netværk og software er afstemt på forhånd.
- Spændvidde: Fra DGX Spark på skrivebordet til DGX SuperPOD, der fylder et helt AI-datacenter.
- Historie: Startede med DGX-1 i 2016, som Jensen Huang personligt afleverede til OpenAI.
- Teknologi: De nyeste modeller bygger på Blackwell- og Blackwell Ultra-arkitekturen og leveres med Nvidias CUDA-software.
- Betydning: DGX er en central del af Nvidias datacenter-forretning, som driver en stor del af selskabets omsætning.
Hvad er Nvidia DGX?
DGX er navnet på en serie af samlede computersystemer, som Nvidia selv designer og sælger. I stedet for at en kunde køber løse dele – processorer, grafikkort, hukommelse og netværk – og selv skal sætte det hele sammen, leverer Nvidia en komplet maskine, der er klar til at træne og køre AI-modeller.
Tanken er den samme, uanset om det er den mindste eller den største model: Nvidia har på forhånd afstemt hardware og software, så ydelsen er høj og opsætningen enkel. En DGX kombinerer typisk flere af Nvidias grafikprocessorer (GPU’er), en eller flere almindelige processorer (CPU’er), meget hurtig hukommelse og specielt netværksudstyr, der binder GPU’erne tæt sammen.
Netop derfor kaldes DGX-maskinerne ofte “AI-supercomputere”. En supercomputer er blot en computer, der er mange gange hurtigere end en almindelig pc, og som bruges til tunge beregninger. DGX-systemerne er bygget til én bestemt type tung beregning: at træne og afvikle de store AI-modeller, der ligger bag chatbots, billedgenerering og avanceret dataanalyse.
Fra DGX-1 til i dag: en kort historie
Det første DGX-system, DGX-1, blev præsenteret i 2016. Det indeholdt otte af datidens Tesla P100-grafikprocessorer og blev markedsført som en “supercomputer i en kasse”. Et symbolsk øjeblik indtraf i august 2016, da Nvidias topchef Jensen Huang personligt afleverede den allerførste DGX-1 til AI-laboratoriet OpenAI – en lille begivenhed, der i bakspejlet markerede starten på den AI-bølge, Nvidia i dag tjener stort på.
Siden er systemerne blevet opdateret i takt med hver ny generation af Nvidias chips. DGX-maskinerne har løbet gennem navne som Volta, Ampere og Hopper, og de nyeste bygger på Blackwell-arkitekturen og dens efterfølger Blackwell Ultra. For hvert spring er antallet af beregninger pr. sekund steget markant, mens grundidéen er den samme: en samlet, optimeret maskine til AI.
DGX-familien: fra skrivebord til datacenter
DGX er ikke ét produkt, men en familie, der dækker vidt forskellige behov og priser. Her er de centrale medlemmer, som de ser ud i dag.
DGX Spark – den personlige AI-computer
DGX Spark er den mindste i familien. Det er en lille desktop-maskine på cirka 15 centimeter i firkant og godt et kilo, der blev vist frem som “Project DIGITS” på messen CES i januar 2025 og kom i handlen den 15. oktober 2025.
Den bygger på en såkaldt GB10 Grace Blackwell-superchip, der kombinerer en Arm-processor og en Blackwell-GPU på samme chip. Spark har 128 GB fælles hukommelse og kan ifølge Nvidia yde op til 1 petaflop AI-beregning (ét petaflop svarer til tusind billioner beregninger i sekundet). Det er nok til at køre modeller med op til omkring 200 milliarder parametre lokalt og finjustere mindre modeller – uden at man behøver adgang til et datacenter. Maskinen trækker strøm fra en almindelig stikkontakt og henvender sig til forskere, udviklere og studerende. Vejledende pris ved lanceringen var 3.999 dollar, der i begyndelsen af 2026 blev hævet til 4.699 dollar på grund af stigende hukommelsespriser.
DGX Station – AI-supercomputeren til skrivebordet
DGX Station er et skridt op: en stor stationær tårncomputer, der er langt kraftigere end Spark, men stadig kan stå ved et skrivebord. Den bruger en GB300 Grace Blackwell Ultra-superchip, altså en Blackwell Ultra-GPU koblet sammen med en Grace-CPU med 72 kerner.
Maskinen har i alt 748 GB sammenhængende hukommelse (252 GB meget hurtig HBM3e-hukommelse til GPU’en plus 496 GB til CPU’en) og en AI-ydelse på op til 20 petaflops. Den er tænkt som en personlig udviklingsmaskine til teams, der vil bygge og teste store modeller lokalt, inden de rulles ud i et datacenter. Prisen afspejler kræfterne: partnerbyggede konfigurationer er set udbudt til omkring 95.000 dollar.
DGX B200 – serveren til datacentret
DGX B200 er den klassiske DGX-server, der skrues ind i et rack i et datacenter. Den indeholder otte Blackwell-GPU’er og to Intel Xeon-processorer og leverer ifølge Nvidia op til 144 petaflops AI-ydelse med 1,4 TB GPU-hukommelse. Det er en luftkølet maskine, der bruges til at træne, finjustere og afvikle AI-modeller i virksomheder og forskningsinstitutioner.
DGX GB200 NVL72 – rack-skala til de største modeller
Her skifter tankegangen. DGX GB200 er ikke én server, men et helt rack, der fungerer som én sammenhængende maskine. Et rack rummer 36 Grace-CPU’er og 72 Blackwell-GPU’er, der er bundet tæt sammen med Nvidias NVLink-teknologi, så de arbejder som én stor enhed. Systemet er væskekølet og yder ifølge Nvidia 1,4 exaflops (et exaflop er tusind petaflops) med 30 TB hurtig hukommelse. Det er designet til at træne og køre de allerstørste generative AI-modeller med billioner af parametre.
DGX SuperPOD – klyngen
DGX SuperPOD er det største niveau: en færdig “opskrift” på et helt AI-datacenter, hvor mange DGX-systemer kobles sammen til én stor klynge. En Blackwell-baseret SuperPOD består af otte eller flere DGX GB200-systemer og kan skaleres op til titusindvis af chips forbundet med Nvidias Quantum InfiniBand-netværk. En basiskonfiguration giver ifølge Nvidia 11,5 exaflops AI-regnekraft og 240 TB hurtig hukommelse – og kan vokse derfra. SuperPOD er den løsning, store virksomheder og cloud-udbydere vælger, når de vil bygge et komplet AI-anlæg.
DGX Cloud – DGX som lejet tjeneste
Ikke alle vil – eller kan – købe hardwaren. DGX Cloud, som Nvidia lancerede i 2023, lader virksomheder leje DGX-kapacitet gennem skyen i stedet for at eje den. Man tilgår regnekraften via en browser og betaler typisk pr. måned, mens Nvidias software følger med. I dag er DGX Cloud udviklet til en bredere platform, der kører hos flere forskellige cloud-udbydere, så kunder kan finde og bruge kapacitet uden at investere i egne maskiner.
DGX-modeller sammenlignet
| Model | Placering | Chip | Hukommelse | AI-ydelse (FP4) | Typisk brug |
|---|---|---|---|---|---|
| DGX Spark | Skrivebord (lille) | GB10 Grace Blackwell | 128 GB fælles | Op til 1 petaflop | Enkeltpersoner, studerende, lokal udvikling |
| DGX Station | Skrivebord (tårn) | GB300 Grace Blackwell Ultra | 748 GB sammenhængende | Op til 20 petaflops | Teams, kraftig lokal udvikling og test |
| DGX B200 | Server i rack | 8× Blackwell + 2× Intel Xeon | 1,4 TB GPU-hukommelse | Op til 144 petaflops | Træning og afvikling i virksomheder |
| DGX GB200 NVL72 | Væskekølet rack | 36× Grace + 72× Blackwell | 30 TB hurtig hukommelse | 1,4 exaflops | De største generative AI-modeller |
| DGX SuperPOD | Klynge (flere racks) | 8+ DGX GB200-systemer | Fra 240 TB hurtig hukommelse | Fra 11,5 exaflops | Komplette AI-datacentre |
Hardware og software hænger sammen
En vigtig pointe ved DGX er, at det ikke kun er hardware. Alle DGX-systemer leveres med Nvidias eget software-lag, herunder styresystemet DGX OS (baseret på Linux) og udviklingsplatformen CUDA, der gør det muligt at udnytte GPU’ernes kraft. Det er netop denne kombination af chips, netværk og software, Nvidia beskriver på sin officielle DGX-platform, og det er en stor del af forklaringen på, hvorfor kunderne bliver hos Nvidia.
For brugeren betyder det, at maskinen kan sættes i gang hurtigt. For Nvidia betyder det, at software og hardware låser kunderne fast til Nvidias økosystem – en fordel, konkurrenterne har svært ved at kopiere.
Hvorfor DGX betyder noget for Nvidias forretning
DGX er interessant for alle, der følger Nvidias rolle i AI-revolutionen, fordi det ligger i hjertet af selskabets datacenter-forretning. Under AI-bølgen er salget til datacentre vokset til at udgøre størstedelen af Nvidias omsætning, og DGX er både et direkte produkt og en reference-arkitektur, der viser kunderne, hvordan de kan bygge store AI-anlæg med Nvidias komponenter.
Det er dog værd at huske, at DGX-systemerne i sig selv ofte udgør en mindre del af omsætningen end de rene chip- og komponentsalg, hvor Nvidia også sælger grafikprocessorer og netværksudstyr til cloud-giganter, der bygger deres egne systemer. DGX fungerer derfor delvist som udstillingsvindue: det viser, hvad Nvidias teknologi kan, og sætter standarden for resten af markedet. Vil man forstå tallene bag, kan det betale sig at læse Nvidias kvartalsregnskab med datacenter-segmentet for øje.
Hvem er DGX til?
DGX dækker et bredt spænd af brugere, alt efter model:
- Udviklere og studerende — DGX Spark giver en overkommelig måde at arbejde med store modeller lokalt på.
- Dataforskere og mindre teams — DGX Station tilbyder kraftig lokal regnekraft til udvikling og test.
- Virksomheder og forskningsinstitutioner — DGX B200 og GB200 passer til dem, der skal træne og afvikle modeller i stor skala i egne datacentre.
- Cloud-udbydere og meget store organisationer — DGX SuperPOD leverer komplette AI-anlæg, mens DGX Cloud giver adgang uden egen hardware.
For langt de fleste private er DGX ikke relevant som indkøb – det er professionelt udstyr. Men som baggrund for at forstå, hvad Nvidia sælger, og hvorfor efterspørgslen er så høj, er DGX central.
Almindelige misforståelser
Et par ting bliver ofte blandet sammen, når talen falder på DGX:
- DGX er ikke en enkelt grafikkort-model. Det er hele systemer, der indeholder flere GPU’er sammen med processorer, hukommelse og netværk.
- DGX og GeForce er ikke det samme. GeForce er Nvidias gamer-grafikkort til almindelige pc’er, mens DGX er professionelle AI-maskiner til helt andre opgaver og prisklasser.
- DGX bruges både til træning og afvikling. Maskinerne kan både træne modeller og køre dem (inference), selvom de største systemer er bygget med træning af kæmpemodeller for øje.
Kildehenvisninger
Ofte stillede spørgsmål (FAQ)
Hvad er Nvidia DGX?
DGX er Nvidias familie af færdigbyggede AI-computere, hvor hardware og software er afstemt på forhånd. Systemerne spænder fra en lille desktop-maskine til store klynger i datacentre og bruges til at træne og afvikle kunstig intelligens.
Hvad er forskellen på DGX Spark og DGX Station?
DGX Spark er den lille, strømbesparende desktop-maskine med 128 GB hukommelse til enkeltpersoner og studerende. DGX Station er en langt kraftigere tårncomputer med 748 GB hukommelse og op til 20 petaflops ydelse, tænkt som en professionel udviklingsmaskine til teams.
Hvad koster en Nvidia DGX?
Det afhænger fuldstændig af modellen. DGX Spark blev lanceret til 3.999 dollar (senere hævet til 4.699 dollar), mens en DGX Station i partnerkonfiguration er set til omkring 95.000 dollar. De store datacenter-systemer som GB200 og SuperPOD koster mange gange mere og prissættes typisk individuelt.
Kan man købe en DGX som privatperson?
De mindste modeller som DGX Spark kan købes direkte, men de er beregnet til professionelt AI-arbejde og ikke til almindelig hjemmebrug. De store systemer sælges primært til virksomheder, institutioner og cloud-udbydere, ofte gennem Nvidias partnere.
Hvorfor er DGX vigtigt for Nvidia-aktien?
DGX ligger i kernen af Nvidias datacenter-forretning, som under AI-bølgen er vokset til at udgøre størstedelen af omsætningen. Systemerne viser, hvad Nvidias teknologi kan, og er med til at binde kunderne til selskabets økosystem af chips og software.