DGX Station GB300, 1억짜리 스펙이
숨긴 조건 있습니다

NVIDIA가 GTC 2026에서 드디어 DGX Station GB300의 주문을 열었습니다. 발표된 스펙은 748GB 코히어런트 메모리, 20 PFLOPS AI 연산. 그런데 ServeTheHome이 확인한 실제 출하 스펙을 보면 HBM3e가 원래 계획의 288GB가 아니라 252GB로 줄어 있습니다. 가격도 공식 발표 없이 $85K~$125K 사이에서 달라집니다. 화려한 숫자 뒤에 있는 조건들을 직접 짚어봤습니다.

GTC 2026에서 마침내 주문이 열렸습니다

2025년 GTC에서 처음 발표된 지 꼭 1년이 지났습니다. NVIDIA DGX Station GB300은 GTC 2026(2026년 3월 17일) 직전부터 ASUS, Dell, Gigabyte, HP, MSI, Supermicro 등 OEM 6사를 통해 주문을 받기 시작했습니다.

스펙 자체는 인상적입니다. GB300 Grace Blackwell Ultra 슈퍼칩 기반, 총 748GB 코히어런트 메모리(HBM3e + LPDDR5X 통합), 최대 20 PFLOPS(FP4 정밀도) AI 연산 성능. NVIDIA 공식 제품 페이지는 “데스크톱에서 경험하는 놀라운 AI 성능”이라고 표현합니다. (출처: NVIDIA DGX Station 공식 페이지)

GTC 2026 키노트에서 젠슨 황 CEO는 “에이전틱 AI가 항상 켜져 있으려면 전용 로컬 컴퓨팅이 필요하다”고 강조했고, DGX Station은 그 문맥에서 소개됐습니다. 클라우드 의존도를 낮추면서도 서버급 성능을 책상 옆에 두겠다는 발상입니다.

그런데 실제로 주문을 넣으려다 보면 몇 가지가 걸립니다. 가격이 공식 홈페이지에 없고, 스펙 숫자가 발표 때와 다르고, 전력 계산이 생각보다 빡빡합니다.

▲ 목차로 돌아가기

발표 스펙 vs 실제 출하 스펙 — 288GB가 252GB가 된 이유

2025년 GTC 발표 당시 DGX Station의 HBM3e 용량은 288GB, 대역폭 8TB/s였습니다. 그런데 ServeTheHome이 GTC 2026 현장에서 확인한 실제 출하 스펙은 252GB HBM3e, 7.1TB/s입니다. 차이가 나는 이유는 간단합니다. B300 GPU에서 HBM3e 스택이 총 8개인데, 그 중 1개가 비활성화된 채로 출고됩니다. (출처: ServeTheHome, 2026.03.20)

이건 B300을 완전체가 아니라 불량 스택이 있는 칩을 선별해 탑재하는 구조입니다. NVIDIA 자체 서버용 GB300은 288GB 풀스펙으로 나가지만, DGX Station에는 7/8 활성 버전이 들어갑니다. 메모리와 대역폭 모두 약 12% 줄어드는 것입니다.

NVIDIA가 이 변경에 대해 공식 설명을 내놓지 않았습니다. ServeTheHome 분석에 따르면 고품질 B300 칩 수요가 서버용으로 몰리면서, 데스크톱용에는 스택 일부가 비활성화된 칩이 투입된 것으로 보입니다.

실용 관점에서 보면, 252GB HBM3e로도 70B~400B 파라미터 모델 추론은 가능합니다. 그러나 “1조 파라미터(1T) 모델 운용”이라는 마케팅 문구는 748GB 전체 코히어런트 메모리 기준입니다. HBM3e 단독으로 돌리는 작업에서는 풀스펙 서버 대비 12%의 용량과 대역폭 차이가 실제 처리량 차이로 이어질 수 있습니다.

▲ 목차로 돌아가기

가격은 왜 홈페이지에 없을까요

Dell, MSI, Supermicro 모두 자사 사이트에 가격을 올려두지 않고 있습니다. 주문하려면 영업 문의를 넣어야 합니다. 실제로 확인된 가격대는 다음과 같습니다.

$85K는 한화로 약 1억 2,000만 원(2026년 3월 환율 기준 약 1,400원/달러 적용 추정)입니다. 이 가격에는 스토리지가 포함되어 있지 않은 경우도 있어서, 실제 도입 비용은 더 올라갈 수 있습니다. NVIDIA 공식 제품 페이지의 스펙 표에도 스토리지가 “Optional”로 표기됩니다.

가격이 공개되지 않는 이유는 단순합니다. GB300 칩 자체가 공급 부족 상태이고, DRAM·NAND 공급도 빡빡합니다. OEM 마다 구성과 계약 조건이 달라서 고정 정가를 붙이기 어려운 구조입니다. ServeTheHome은 “$80K 아래로 내려갈 가능성은 거의 없다”고 현장에서 직접 확인했습니다.

▲ 목차로 돌아가기

1.6kW 전력 제약이 실제로 의미하는 것

DGX Station의 PSU 용량은 1,600W입니다. ServeTheHome의 분석에 따르면 이 수치는 북미 120V 일반 콘센트가 허용하는 물리적 상한에 맞춰 설계된 것입니다. (출처: ServeTheHome, 2026.03.20) 바꿔 말하면, 시스템이 이미 전력 예산의 상당 부분을 B300 GPU와 Grace CPU로 채우고 있다는 뜻입니다.

여기서 중요한 함정이 나옵니다. B300 Blackwell Ultra GPU에는 기본적으로 디스플레이 출력 포트가 없습니다. 모니터를 연결하려면 PCIe 슬롯에 별도의 RTX PRO Blackwell GPU(2000/4000/6000 중 하나)를 꽂아야 합니다. 그런데 ServeTheHome이 전시장 NVIDIA 엔지니어에게 직접 확인한 내용은 이렇습니다. 추가 GPU를 꽂으면 시스템 전체 전력 예산이 고정되어 있기 때문에, 추가 GPU에 할당된 전력만큼 B300 GPU와 Grace CPU가 쓸 수 있는 전력이 줄어듭니다.

즉, RTX PRO 6000 Blackwell(최대 300W급)을 추가로 꽂으면 B300의 실효 연산 성능이 그만큼 낮아집니다. 디스플레이 연결 하나가 메인 AI 처리 성능을 건드리는 구조입니다.

DGX Station을 헤드리스(모니터 없는) 서버 모드로 운용하거나, 별도 워크스테이션에서 원격 접속하는 방식이라면 이 문제는 해당 사항이 없습니다. 실제로 이 제품의 설계 철학이 “개인 사무용 PC”가 아니라 “팀을 위한 개인용 컴퓨팅 노드”에 가깝다는 점을 고려하면, 헤드리스 운용이 기본값에 더 가깝습니다.

▲ 목차로 돌아가기

클라우드 비용과 직접 비교해봤습니다

$85K는 직관적으로 “비싸다”는 느낌이지만, 클라우드 비용과 비교하면 이야기가 달라집니다. 다만 DGX Station GB300(748GB 통합 메모리, 1T 파라미터 모델 추론 가능)을 동등하게 대체하는 클라우드 인스턴스는 존재하지 않습니다. 아래는 H100 클라우드 인스턴스 대비 참고용 비교입니다.

※ 클라우드 단가는 2025~2026년 공개 온디맨드 가격 기준. Lambda H100 단가는 $2.99/GPU/시간(공개 가격표 기준). 위 비교는 워크로드 성격과 GPU 세대가 다르므로 동등 비교가 아닙니다. 참고용으로만 활용하세요.

Lambda Cloud 기준으로 계산하면, 매일 8시간 AI 작업을 하는 팀이라면 약 20개월이면 $85K를 클라우드 비용으로 소진합니다. 그 이후는 전기료만 내면 됩니다. 클라우드 H200 인스턴스 대비는 훨씬 빠르게 비용이 역전됩니다.

그러나 이 계산은 “매일 8시간 지속적으로 돌리는 팀”을 전제로 합니다. 간헐적으로 GPU가 필요한 경우라면 클라우드가 훨씬 유리합니다. 또한 $85K 초기 투자는 스타트업에게 단순한 숫자가 아닙니다.

▲ 목차로 돌아가기

이런 팀에겐 맞고, 이런 팀엔 맞지 않습니다

✅ DGX Station GB300이 맞는 경우

• 의료·금융·법무 데이터를 외부 클라우드로 보낼 수 없는 팀 — 748GB 로컬 메모리로 1T 파라미터급 모델을 온프레미스에서 돌릴 수 있는 사실상 유일한 데스크톱급 옵션
• AI 에이전트를 항상 켜놓고 싶은 팀 — GTC 2026에서 공개된 NemoClaw 스택을 DGX Station에서 구동하면 데이터 외부 전송 없이 상시형 에이전트 운영이 가능
• 클라우드 GPU 비용이 월 $5,000 이상 나오는 팀 — 20개월 이내 ROI 달성이 현실적
• 400B 파라미터 이상 모델을 로컬에서 파인튜닝·추론해야 하는 연구팀

❌ 맞지 않는 경우

• 수조 파라미터 이상 모델을 사전 학습(Pre-training)하는 팀 — DGX Station은 추론·파인튜닝용이지 사전 학습용이 아닙니다. 그 용도엔 멀티 GPU 서버 클러스터가 필요합니다
• Windows 환경이 필수인 팀 — DGX OS는 Ubuntu 24.04 기반이며, Windows 지원은 없습니다
• 월 50시간 미만 GPU를 사용하는 팀 — 초기 $85K 이상 투자 대비 클라우드가 훨씬 경제적
• FP64 연산이 핵심인 HPC 팀 — B300은 FP64 성능이 전작 B200 대비 1/32 수준입니다. 이 용도엔 Supermicro의 GB200 기반 Super HPC Station이 적합합니다
• GPU를 나중에 업그레이드하고 싶은 팀 — GB300 슈퍼칩이 메인보드에 솔더링(납땜) 방식으로 고정되어 있어, 교체 불가입니다

▲ 목차로 돌아가기

Q&A

▲ 목차로 돌아가기

마치며 — 숫자 뒤에 있는 조건들

DGX Station GB300은 인상적인 제품입니다. 748GB 코히어런트 메모리, 20 PFLOPS FP4, 800Gbps ConnectX-8 네트워킹까지. 책상 옆에 두는 장비로서는 현재 존재하는 것들 중 가장 강력합니다.

그런데 실제로 주문을 검토할 때 알아야 할 사실이 있습니다. HBM3e는 발표 스펙 288GB가 아니라 252GB로 출하됩니다. 가격은 $85K에서 시작해 $125K까지 올라갑니다. 디스플레이를 연결하면 메인 AI 연산 성능이 줄어드는 전력 구조입니다. Windows는 없습니다. 업그레이드도 없습니다.

이 조건들이 치명적 단점이냐면, 꼭 그렇지는 않습니다. DGX Station의 설계 철학 자체가 “개인용 AI 슈퍼컴퓨터”가 아니라 “팀의 AI 에이전트 온프레미스 허브”에 가깝습니다. 그 역할로 쓰는 팀에게는 클라우드 비용 대비 수익성이 납니다.

문제는 이 제품의 홍보 문구가 “누구나 살 수 있는 AI 슈퍼컴퓨터”처럼 들린다는 점입니다. $85K는 기업 예산이고, 조건도 구체적입니다. 구매 전에 위에서 확인한 스펙 변경, 전력 제약, 운용 방식을 직접 따져보는 것이 맞습니다.

▲ 목차로 돌아가기

📎 본 포스팅 참고 자료

1. NVIDIA DGX Station 공식 제품 페이지 — nvidia.com/ko-kr/products/workstations/dgx-station/
2. NVIDIA GTC 2026 키노트 공식 블로그 — blogs.nvidia.co.kr/blog/gtc-2026-news-keynote/
3. ServeTheHome — NVIDIA DGX Station Systems Available At Last GB300 & GB200 (2026.03.20) — servethehome.com
4. TechRadar — MSI relaunches $85,000 DGX Station Workstation (2026.03.21) — techradar.com
5. Tom’s Hardware — Nvidia launches DGX Station with GB300 Grace Blackwell (2026.03.17) — tomshardware.com