HP ZGX Nano G1n AI Workstation （4TB M.2 SSD)
以 NVIDIA GB10 Grace Blackwell Superchip 為核心做的 桌上型 AI mini workstation
AI 超級運算進入 Nano 時代
透過 HP ZGX Nano 與 ZGX Toolkit 加速 AI 工作流程，將高效能的本地運算能力與精選的開源軟體堆疊結合，可用於原型開發、微調與推論。內建 IP 自動探索、模型匯出與本地服務（local serving）功能，可大幅降低流程阻力，確保結果可重複、可部署，並能直接投入正式環境。
✅ 產品摘要
1) “AI supercomputing goes Nano”
原本要資料中心/雲端 GPU 才跑得動的 AI 工作，現在縮小到桌上型「掌上小主機」就能做。
2) “HP ZGX Nano + ZGX Toolkit”
ZGX Nano：硬體算力（本地 AI compute）
ZGX Toolkit：軟體整合包（把流程變簡單）
也就是「硬體 + 工具鏈」一套到位，不用自己拼拼湊湊。
3) “curated open-source stack”
HP 幫你挑好、整合好、測過可用的 AI 開源工具組合
讓工程團隊可以更快上手、少踩坑。
4) “Built-in IP discovery”
你的筆電/桌機在同網段時，工具可以自動找到 ZGX Nano 的 IP
不用你自己查 DHCP、設定固定 IP、找服務在哪台。
5) “model export and local serving”
model export：模型可以打包匯出（部署到雲端/資料中心/其他工作站）
local serving：本地直接把模型「架成 API 服務」（例如像 Ollama、vLLM 那種）
6) “repeatable, deployment-ready results”
不是 demo 跑一次就算了，而是流程可重複、可追蹤、可交付上線
比較像「AI 工程化」而不是「研究玩具」。
1) 這台 HP ZGX Nano 是什麼？
它是 HP 以 NVIDIA GB10 Grace Blackwell Superchip 為核心做的 桌上型 AI mini workstation
2) 主要亮點
✅ AI 算力：1000 TOPS (FP4)
1,000 TOPS FP4 這表示在 FP4（4-bit floating point） 精度下推論能力非常高
這類指標非常偏「LLM inference / edge AI」場景的數據
✅ 記憶體：128GB coherent unified memory
這是它的關鍵：CPU/GPU 共用一致性統一記憶體
好處：模型載入更方便，降低 CPU/GPU 互拷 bottleneck
對大型 LLM 很重要（不然 GPU VRAM 不夠就直接卡死)
✅ 目標：本地可跑 200B 參數模型
這個「200B」通常是指「能載入/能推論」，但是否能 高效 fine-tune，還是要看訓練方法（LoRA / QLoRA / full finetune）、batch size、sequence length。
3) 為什麼強調「不用雲端」？
你用筆電/桌機（Windows/Mac/Linux）開發
然後把推論/測試/跑模型的計算透過網路丟給這台 ZGX Nano
達到 不用租雲端 GPU、資料也不用上傳雲端
4) 可擴充：兩台連起來跑 405B
使用 ConnectX Networking：
可以把兩台 ZGX Nano 互連
讓你處理更大模型：up to 405B parameters
這有點像「本地端小型 scale-out」，雖然不是 data center 那種 NVLink 大機器，但對研發團隊很實用。
5) 軟體：DGX OS + ZGX Toolkit
✅ NVIDIA DGX OS + AI software stack
開機就有 NVIDIA 的 AI 堆疊可用（CUDA、TensorRT、等生態）
✅ HP ZGX Toolkit
HP ZGX Toolkit 是一套「加速工作流程」工具包，包含：
open-source frameworks
MLflow tracking
Ollama testing
discovery / sync / export（自動探索設備、同步、匯出部署)
6) 典型用途
以你的使用習慣（常跑 Ollama / 本地推論 / Docker AI stack）來說，它非常適合：
公司內部私有 LLM（RAG / agent / FAQ）
本地端推論服務（取代雲端 GPU）
Edge AI demo / prototype
不想上雲的敏感資料推論（內網文件、郵件、客戶資料）
