MSI commercialise la XpertStation WS300, une station de travail bâtie sur l’architecture NVIDIA DGX Station et animée par le superchip NVIDIA GB300 Grace Blackwell Ultra. Avec jusqu’à 748 Go de mémoire cohérente, la machine vise à faire tourner localement de grands modèles de langage, du fine-tuning et des agents IA, sans passer systématiquement par une infrastructure GPU dans le cloud.

• Superchip NVIDIA GB300 Grace Blackwell Ultra Desktop, CPU Grace et GPU Blackwell Ultra réunis sur la même interconnexion.
• Jusqu’à 748 Go de mémoire cohérente entre CPU et GPU.
• Deux ports 400 GbE via NVIDIA ConnectX-8, pour relier deux stations entre elles.
• Ciblage clair : inférence, fine-tuning, IA multimodale et agents exécutés en local.

Le produit s’inscrit dans une catégorie encore jeune, celle des machines de bureau héritant directement de la puissance jusqu’ici réservée aux serveurs GPU. NVIDIA annonce que l’architecture DGX Station peut atteindre 20 petaFLOPS en calcul IA FP4 et gérer des modèles allant jusqu’à un billion de paramètres, selon la charge et la configuration retenues. MSI n’a pas conçu sa propre puce pour l’occasion : la WS300 reprend la plateforme de référence NVIDIA, déjà distribuée aux États-Unis sous forme de produit d’entreprise.

Contexte et enjeux

Ce lancement survient alors qu’une partie de l’industrie cherche à rapatrier certaines charges d’IA depuis le cloud vers des infrastructures internes. Le cloud garde un avantage net pour les projets à capacité variable ou à accès ponctuel à un grand volume de GPU : difficile de justifier l’achat d’un serveur dédié pour quelques heures d’usage par jour. Mais cette logique change dès que les charges tournent en continu.

L’inférence permanente, le développement de modèles, des agents opérationnels actifs en permanence ou des traitements récurrents peuvent générer une facture salée si toute la puissance de calcul est payée à l’usage. L’exécution locale offre un second avantage, souvent décisif pour les entreprises : les données restent dans l’infrastructure maison, un point qui compte pour le code source, la documentation interne, les données clients ou les modèles propriétaires. Cela ne règle pas à soi seul les questions de sécurité ou de conformité, mais ça donne la main sur l’endroit où tout est stocké et traité.

C’est exactement ce segment que vise MSI avec la WS300, entre le poste de travail équipé d’une seule carte graphique et le cluster GPU de centre de données. La crise de la mémoire qui touche le PC pour l’IA locale rend d’ailleurs ce type d’architecture à mémoire cohérente encore plus pertinent : la question n’est plus seulement la puissance de calcul brute, mais la capacité à garder un modèle entier en mémoire sans jongler entre plusieurs espaces séparés.

Les faits

Le superchip GB300 Grace Blackwell Ultra Desktop relie une GPU Blackwell Ultra à une CPU Grace 72 cœurs via l’interconnexion NVLink-C2C. L’architecture de référence combine 252 Go de HBM3e pour la GPU et 496 Go de LPDDR5X pour la CPU, soit un total de 748 Go de mémoire cohérente, avec un débit maximal de 900 Go/s entre les deux processeurs. L’objectif : réduire le goulot d’étranglement classique des modèles volumineux, le transfert constant de données entre espaces mémoire séparés.

Les grands modèles de langage doivent stocker poids, contexte et structures intermédiaires pendant leur exécution. Quand le modèle ne tient pas dans la mémoire d’une seule GPU, il faut le répartir sur plusieurs cartes, décharger une partie en mémoire système, ou recourir à d’autres techniques qui pèsent sur la performance. Avec 748 Go disponibles, la WS300 permet de travailler en local avec des modèles nettement plus lourds que ceux qu’accepte une station à GPU unique classique — NVIDIA parle d’un billion de paramètres au maximum, un chiffre qui ne garantit ni la performance ni la précision réelle une fois la quantification, l’architecture du modèle et la charge de travail prises en compte.

Côté réseau, la WS300 embarque un NVIDIA ConnectX-8 SuperNIC avec deux ports QSFP112 à 400 Gb/s chacun, soit jusqu’à 800 Gb/s de connectivité Ethernet totale sur la plateforme de référence. Cette bande passante ne sert pas qu’à accélérer les transferts de fichiers : MSI prévoit la possibilité de connecter deux XpertStation WS300 entre elles pour répartir les charges et augmenter la capacité disponible pour certains modèles, une option que propose aussi NVIDIA sur sa DGX Station via ConnectX-8.

La consommation totale de la plateforme de référence peut grimper jusqu’à 1 600 watts. Ce n’est pas un PC haute performance ordinaire, mais une machine spécialisée pensée pour une installation hors rack traditionnel, dans un format dédié. MSI n’a pour l’instant précisé ni le prix ni la date de disponibilité en France ou en Europe, mais confirme que le système est déjà en vente via des distributeurs comme ASI, D&H et Newegg sur les marchés où il est commercialisé.

Analyse et implications

Une seule DGX Station embarque une GPU Blackwell Ultra et une CPU Grace. À l’autre bout du spectre, l’infrastructure NVIDIA DGX GB300 pour centres de données peut regrouper des dizaines de GPU et plusieurs CPU Grace dans des systèmes complets taillés pour des charges à grande échelle. La proposition de MSI permet de démarrer avec une seule machine puis d’en connecter une seconde selon les besoins, mais reste loin d’une infrastructure de centre de données quand il faut déployer des dizaines, voire des centaines d’accélérateurs.

MSI indique par ailleurs la compatibilité de la WS300 avec NVIDIA NemoClaw et OpenShell, des technologies qui font tourner des agents IA selon des politiques définies dans un environnement d’entreprise. L’idée n’est pas seulement de dialoguer avec un modèle installé localement, mais de faire fonctionner des agents connectés à des applications et processus internes. NVIDIA suit la même logique avec sa DGX Station : développer, ajuster et exécuter modèles et agents en local, avant un éventuel déploiement en centre de données ou dans le cloud.

Ce positionnement rejoint celui de la NVIDIA RTX PRO 6000 Blackwell, qui vise elle aussi à amener l’IA professionnelle au bureau plutôt qu’au seul serveur, mais avec une architecture GPU classique et 96 Go de mémoire, loin des 748 Go de la WS300. La différence tient à l’ambition : là où la RTX PRO 6000 cible la station de travail professionnelle standard, la XpertStation vise clairement les charges qui, ailleurs, exigeraient un vrai cluster GPU.

Perspectives

L’arrivée de machines comme la WS300 ouvre une voie intermédiaire pour les entreprises qui hésitent entre poste de travail classique et cluster GPU en centre de données. Cette approche locale n’exclut pas pour autant les offres cloud souveraines : des acteurs comme Nebul, qui mise sur un cloud souverain d’IA avec une infrastructure GPU en Europe, répondent à un besoin différent : celui d’une capacité GPU à la demande, sans investissement matériel, mais avec les mêmes exigences de maîtrise des données que recherchent les acheteurs de la WS300.

L’enjeu principal ne sera pas d’atteindre des performances maximales dans l’absolu, mais de disposer en continu de plusieurs centaines de gigaoctets de mémoire et d’une GPU Blackwell Ultra pour des charges qui, sinon, tourneraient sur une infrastructure cloud facturée à l’heure. Pour les entreprises qui ont besoin de cette capacité au quotidien, exécuter les modèles à proximité des équipes de développement devient une alternative capable de justifier son coût face aux dépenses récurrentes du cloud.

Questions fréquentes

Quelle CPU embarque la MSI XpertStation WS300 ?

Elle intègre le NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip, qui combine une CPU NVIDIA Grace de 72 cœurs avec une GPU Blackwell Ultra reliées par NVLink-C2C.

Quelle mémoire possède la XpertStation WS300 ?

Jusqu’à 748 Go de mémoire cohérente, dont 252 Go de HBM3e liés à la GPU et 496 Go de LPDDR5X pour le système.

Peut-on connecter plusieurs XpertStation WS300 entre elles ?

Oui. MSI prévoit la connexion de deux systèmes via NVIDIA ConnectX-8, chacun offrant deux ports Ethernet à 400 Gb/s, soit jusqu’à 800 Gb/s de bande passante cumulée.

La WS300 permet-elle de se passer complètement du cloud pour l’IA ?

Pour l’inférence, le fine-tuning et les agents en local, oui dans une large mesure. Mais pour des besoins ponctuels de capacité GPU massive, le cloud reste souvent plus simple à justifier économiquement.

Quand la WS300 sera-t-elle disponible en France ?

MSI n’a pas encore communiqué de prix ni de date pour la France ou l’Europe. Le système est déjà commercialisé aux États-Unis via des distributeurs comme ASI, D&H et Newegg.