英伟达DGX Station GB300，第一批已经到手。
搭载英伟达GB300超级芯片的DGX Station首批系统，已经开始陆续交付给AI领域的一线开发者。
第一台的收件人是Andrej Karpathy。Karpathy是OpenAI创始成员之一，2015年至2017年间在那里担任研究科学家，早期深度学习研究的重要奠基人，尤其在计算机视觉、生成模型和强化学习方向。
第二批接下来陆续抵达，其中包括YouTuber、开发者Matt Berman——他有个习惯，把AI论文直接落地成可运行的系统，从想法到实验的路径极短。
这台机器的规格放在桌面设备里相当罕见：748GB统一内存，FP4精度下最高20 petaflops算力，支持最高万亿参数的AI模型。用的是和数据中心同款的GB300超级芯片架构——在本地DGX Station上开发完，可以直接扩展到云端或数据中心，架构完全一致。
为什么要把数据中心级别的算力搬回桌面？
背后是一个新的需求正在成形：长时运行的自主智能体开发，需要本地算力。这类系统能够推理、规划、持续执行任务，并访问本地工具和数据。
让这件事有了具象的形态是龙虾，也就是是Peter Steinberger创建的开源自主智能体框架OpenClaw。它展示了：一个能访问本地文件和应用、能编写代码、能生成子智能体、能保持状态并执行复杂工作流的智能体，可以独立推进工作。项目上线首周GitHub星标突破10万，吸引了超过200万访客，现在已经超越Linux成为github星标第一项目。
在硬件之外，英伟达也在软件层面跟进。英伟达为OpenClaw贡献了NemoClaw——一个开源软件栈，能用一条命令更安全地运行始终在线的OpenClaw助手。作为NVIDIA Agent Toolkit的一部分，它安装了NVIDIA OpenShell运行时，为自主智能体和开源模型（如NVIDIA Nemotron）提供安全运行环境。
NemoClaw加DGX Station，英伟达将其定位为：本地构建和运行更安全、长时运行自主智能体的终极开发平台。
这批早期交付，指向一个更大的转折点：智能体AI正在从实验性提示词，演变为持续运行的系统，而其中相当一部分工作，正在把高性能算力重新拉回桌面。
–end–
