L'ASUS ExpertCenter Pro ET900N G3 è la seconda GB300 DGX Station che abbiamo testato e la prima che abbiamo valutato di persona nel nostro laboratorio; il nostro test della MSI XpertStation WS300 è stato condotto da remoto. Utilizza lo stesso silicio NVIDIA visto nella MSI XpertStation WS300: un Grace Blackwell Ultra Desktop Superchip con 72 core Grace, una GPU B300, 252 GB di HBM3e, 496 GB di LPDDR5X e una ConnectX-8 SuperNIC dotata di porte dual 400GbE. ASUS racchiude questa piattaforma a core fisso all'interno di una compatta torre AI da scrivania, aggiungendo funzionalità assenti dalla WS300: due maniglie di trasporto montate in alto, una ventola dedicata che punta alle gabbie ottiche della ConnectX-8 e un alimentatore da 1.600 W 80 PLUS Titanium.

ASUS ha inviato l'ET900N G3 al nostro laboratorio per circa una settimana di benchmarking, imaging e ispezione fisica, preconfigurato con una RTX PRO 2000. I dettagli relativi alla piattaforma di base, B300, Grace, NVLink-C2C, MIG e le basi della DGX Station sono trattati nella nostra precedente recensione della MSI XpertStation WS300. Questa analisi si concentra sull'implementazione di ASUS attorno al Superchip e se le sue prestazioni corrispondono alla prima torre GB300 che abbiamo testato.

Specifiche ASUS ExpertCenter Pro ET900N G3

Design e Costruzione

ASUS posiziona l'ET900N G3 come una workstation aziendale con chassis in argento spazzolato, pannello frontale in rete scura, finiture cromate sui tappi e sui piedi, più un badge ASUS a basso profilo sul davanti. Le sue dimensioni sono dettate dalla piattaforma interna: 584 x 232 x 565 mm, leggermente più alto e marginalmente più stretto della WS300. A 27 kg, non può essere spostato facilmente, il che motiva la scelta di design pratica di ASUS: due maniglie metalliche superiori (anteriore e posteriore) consentono a due persone di sollevare la torre su scrivanie o carrelli senza afferrare i pannelli del telaio. Queste maniglie sembrano fuori posto su una workstation da ufficio finché non si è trasportata una pesante torre GB300 attraverso un laboratorio.

Il pannello frontale ospita il pulsante di accensione, due porte USB Type-A da 10 Gbps, due porte USB Type-C da 10 Gbps, una porta USB 2.0 e jack audio separati disposti verticalmente in alto a destra della rete. Il pannello laterale è una grande piastra ventilata, con una lunga sezione frontale perforata per l'aspirazione del radiatore e una griglia posteriore più piccola allineata alle ventole di sistema. Non ci sono finestre o illuminazione RGB, in linea con le preferenze del buyer target.

Sul retro, il layout separa l'I/O della workstation dall'hardware del server sottostante. Il cluster superiore include quattro porte USB Type-A da 10 Gbps, porte RJ45 da 10 GbE e 1 GbE, tre jack audio, console Micro-USB BMC e Mini DisplayPort BMC per la configurazione. Le due gabbie QSFP112 per la ConnectX-8 si trovano sopra lo scudo I/O accanto a una ventola di scarico; tre coperture per slot di espansione scendono al centro e l'alimentatore con ingresso C19 si trova in basso. Come la WS300, la Mini DisplayPort è solo per il BMC per la configurazione iniziale e la risoluzione dei problemi; l'uscita video desktop richiede la scheda aggiuntiva RTX PRO.

All'interno dell'ET900N G3

Con il pannello laterale rimosso, l'ET900N G3 assomiglia molto alla WS300, come previsto dato che entrambe condividono la stessa scheda madre NVIDIA. Il GB300 Superchip si trova sotto una piastra fredda in rame sul lato sinistro del telaio, i moduli SOCAMM hanno piastre in rame dedicate accanto ad esso, e la ConnectX-8 è raffreddata da una terza piastra fredda vicino all'I/O posteriore. Tubi di refrigerante intrecciati corrono dalle piastre fredde a un collettore trasversale del telaio, poi ai radiatori. Tre slot PCIe a tutta lunghezza si trovano sotto il Superchip, l'alimentatore occupa l'angolo anteriore inferiore e un rivestimento metallico copre il passaggio dei cavi inferiore.

Il layout del flusso d'aria interno rispecchia la WS300: un radiatore verticale dietro la rete frontale, un secondo radiatore montato lungo la parte superiore, entrambi dotati di array di ventole, più una ventola del telaio posteriore. Le linee del refrigerante sono rivestite e fissate con cinghie in velcro, e il collettore consolida le linee da quattro piastre fredde in modo che solo due tubi alimentino ciascun radiatore.

La ventola ottica

Un componente di raffreddamento unico per l'ET900N G3 è una piccola ventola montata su staffa sopra la piastra fredda della ConnectX-8, puntata direttamente sulle gabbie QSFP112. Il circuito liquido raffredda il silicio SuperNIC stesso, ma i transceiver ottici da 400G generano un calore significativo all'interno delle gabbie metalliche che ricevono solo raffreddamento conduttivo dalla piastra fredda. Il nostro precedente test ha notato che la ConnectX-8 funziona a caldo sotto carico sostenuto e i moduli ottici possono diventare caldi, quindi un flusso d'aria dedicato sopra le gabbie è una preziosa caratteristica di progettazione per gli utenti che eseguono connessioni in fibra continue. Quando si utilizzano cavi DAC, la nostra configurazione per un test di inferenza cluster in corso che collega questa unità a una seconda GB300 Station, questa ventola vede carichi di lavoro più leggeri.

Archiviazione, espansione e alimentazione

ASUS ha fornito l'ET900N G3 con un'unità NVMe da 2 TB per il sistema operativo e il software NVIDIA sulla coppia di slot M.2 2280 PCIe 5.0 x4 collegati tramite Grace. La seconda coppia di slot M.2 si collega allo switch PCIe integrato della ConnectX-8 e viene fornita vuota dalla fabbrica.

La nostra unità di recensione è arrivata con una NVIDIA RTX PRO 2000 Blackwell installata nello slot PCIe 5.0 x16, una delle configurazioni supportate da ASUS. Questa scheda fornisce l'uscita video senza gravare pesantemente sul budget energetico della GB300; ASUS dichiara che il telaio supporta solo una scheda RTX PRO Blackwell. Abbiamo rimosso la RTX PRO 2000 prima del benchmarking per riservare l'intero budget di potenza dell'acceleratore al Superchip, corrispondendo alle nostre condizioni di test della WS300. Non abbiamo testato schede RTX PRO di potenza superiore in questo telaio; il loro impatto sullo spazio di testa energetico condiviso sarà trattato in una futura recensione della GB300 Station.

L'alimentatore ATX da 1.600 W ha la certificazione 80 PLUS Titanium, un aggiornamento rispetto all'unità Platinum della WS300. Titanium richiede il 94% di efficienza al 50% di carico su ingresso 115V rispetto al 92% del Platinum, e impone un rating di efficienza minimo al 10% di carico, quindi l'ET900N G3 spreca meno watt dalla presa sotto carico GB300 completo. L'alimentazione rimane condivisa: Grace, B300, pompe, ventole, archiviazione e qualsiasi scheda RTX PRO attingono dallo stesso pool da 1.600 W. Il servizio vsloshd di NVIDIA sposta dinamicamente lo spazio di testa disponibile tra Superchip e GPU aggiuntiva in base al consumo energetico, senza un limite fisso per nessuno dei componenti. Questo framework di alimentazione è invariato rispetto alla recensione della WS300. Le installazioni nordamericane richiedono un circuito elettrico dedicato da 20A.

Connettività

Le porte dual QSFP112 della ConnectX-8 fungono da collegamento principale della rete fabric dell'ET900N G3 allo storage, a una seconda DGX Station o alla rete del cluster. Nel nostro laboratorio, queste porte si collegano tramite DAC da 400G a un'altra GB300 Station per un'analisi di inferenza cluster separata in arrivo. La porta Marvell 10GbE gestisce il traffico host regolare, mentre la porta Realtek 1GbE è riservata esclusivamente alla gestione del BMC.

Note di Test

Tutti i risultati utilizzano la configurazione di memoria di serie del campione di laboratorio: 252 GB HBM3e più 496 GB LPDDR5X. I test sono stati eseguiti senza la scheda RTX PRO installata, concedendo al GB300 Superchip l'intero budget di potenza dell'acceleratore e corrispondendo alle condizioni di test della WS300. Lo stack software, la configurazione vLLM, i profili di carico di lavoro e la scansione della concorrenza sono identici, consentendo un confronto diretto torre a torre. Questa recensione si concentra esclusivamente sulle prestazioni di inferenza; non abbiamo misurato il consumo energetico o la telemetria termica su questa unità.

Abbiamo eseguito due profili standard di inferenza live vLLM utilizzati su tutto l'hardware AI locale: un carico di lavoro bilanciato con 512 token di input / 512 token di output e un carico di lavoro con prefill intensivo con 8.192 token di input / 1.024 token di output, con scansione della concorrenza da 1 a 128 stream. Per i modelli di frontiera, confrontiamo con un server GPU con due o quattro schede RTX PRO 6000, l'alternativa single-box più vicina per questi checkpoint di modello. Per i modelli più piccoli, eseguiamo il benchmark su una singola RTX PRO 6000 nello stesso server, una singola H200 NVL in un altro server enterprise e un sistema GB10 DGX Spark identico a quello utilizzato nella recensione della WS300. Le metriche ET900N G3 sono valori log grezzi; le cifre di confronto provengono dai nostri grafici di risultati archiviati.

Prestazioni di Inferenza

Modelli di frontiera sul pool di memoria coerente

Il GB300 è costruito per ospitare modelli che superano il limite di 252 GB HBM3e del B300. Abbiamo testato quattro checkpoint che attraversano questo confine: DeepSeek V4 Flash e MiniMax M2.7 si adattano completamente all'HBM con capacità residua; MiniMax M3 si adatta a malapena e scarica un sottoinsieme di layer esperti nella memoria Grace; GLM-5.2 scarica circa la metà dei suoi pesi. Ogni grafico confronta i risultati con l'alternativa single-box più vicina: schede RTX PRO 6000 all'interno del server enterprise, che scaricano gli esperti nella memoria host quando necessario.

DeepSeek V4 Flash è un test semplice: un checkpoint nativo FP8 di circa 20 GB gestito facilmente dal B300. Il throughput di output del carico di lavoro bilanciato è aumentato da 152 token/sec a 1 stream a 1.766 token/sec a 32 stream, con un throughput totale di token che ha raggiunto 3.532. Per il profilo con prefill intensivo, l'ET900N G3 è scalato da 148 a 954 token di output/sec, con un throughput totale che ha raggiunto 8.587. Una configurazione dual RTX PRO 6000 ha raggiunto un picco vicino a 800 token di output/sec sui carichi di lavoro bilanciati e circa 490 sui prompt lunghi, con prestazioni irregolari a bassa concorrenza.

MiniMax M2.7 in quantizzazione NVFP4 occupa circa 125 GB di HBM e ha fornito la scalabilità più forte dei quattro modelli. L'output del carico di lavoro bilanciato è aumentato da 214 token/sec su uno stream a 4.793 a 128 stream, con un throughput totale di 9.586. I test con prefill intensivo sono scalati a 1.744 token di output/sec e 15.700 token totali/sec a 64 stream. Due schede RTX PRO 6000 hanno seguito la stessa curva generale ma hanno raggiunto meno della metà del throughput, con un picco vicino a 1.930 token di output/sec per i carichi di lavoro bilanciati e circa 510 per i prompt lunghi.

MiniMax M3 illustra il funzionamento proprio alla soglia di memoria. Il checkpoint NVFP4 è più piccolo di 252 GB, ma lo stato di runtime e la cache KV consumano spazio aggiuntivo, quindi parte dei layer esperti risiede nella memoria Grace; ogni passaggio di decodifica che accede a tali esperti attraversa NVLink-C2C. Con la decodifica speculativa EAGLE3, l'ET900N G3 ha raggiunto 1.041 token di output/sec a 32 stream per i carichi di lavoro bilanciati. Il profilo con prefill intensivo ha raggiunto un picco di 282 token/sec a due stream, ha mantenuto 271 a quattro stream, poi è sceso a 103 a otto stream poiché i prompt lunghi hanno esaurito la cache disponibile. Quattro schede RTX PRO 6000 che utilizzano lo stesso decoder speculativo hanno tenuto il passo fino a otto stream, hanno superato a 16 stream a circa 1.180 token di output/sec, poi sono scese a circa 760 a 32 stream. Sui carichi di lavoro con prefill intensivo, il sistema a quattro GPU ha mantenuto circa 349 token di output/sec a quattro stream rispetto ai 271 per la DGX Station. Questo modello che si trova esattamente alla capacità HBM è l'unico caso in questo set in cui 384 GB di VRAM totale su quattro schede competono con 252 GB HBM più offload Grace.

GLM-5.2 rappresenta un carico di lavoro che solo il pool di memoria coerente abilita. Utilizzando la decodifica speculativa MTP, il checkpoint NVFP4 mantiene circa 215 GB di pesi esperti nella memoria Grace. L'ET900N G3 ha fornito 35 token di output/sec per uno stream e 139 per 32 stream sotto carichi di lavoro bilanciati, con un throughput totale di 277. Per i test con prefill intensivo fino a 32 stream, ha raggiunto 120 token di output/sec e 1.079 token totali/sec. Quattro schede RTX PRO 6000, ognuna delle quali scarica circa 30 GB nella memoria host, hanno gestito circa 40 token di output/sec a 32 stream e si sono appiattite a circa 9-10 token/sec da quattro stream in poi per i prompt lunghi. Nessuno dei due sistemi rende questo modello da 433 GB veloce, ma i 396 GB/s di LPDDR5X del GB300 e il collegamento NVLink-C2C da 900 GB/s agli esperti scaricati mantengono la scalabilità dove la memoria host collegata via PCIe su quattro GPU si blocca.

Rispetto alla MSI WS300, i risultati dei modelli di frontiera dell'ET900N G3 si situano entro circa l'1% in tutti i punti di test corrispondenti: 1.766 token di output/sec per DeepSeek V4 Flash a 32 stream su entrambe le torri; 4.793 contro 4.801 per MiniMax M2.7 a 128 stream; 1.041 per MiniMax M3 a 32 stream su entrambe; e 139 per GLM-5.2 a 32 stream su entrambe.

Modelli condivisi contro RTX PRO 6000, H200 NVL e DGX Spark

Il secondo gruppo di benchmark utilizza modelli più piccoli che tutti i sistemi di test possono caricare completamente in memoria: GPT-OSS-20B e 120B nativi MXFP4; Llama 3.1 8B BF16 e FP8; Mistral Small 24B BF16 e FP8; Qwen3 Coder 30B BF16 e FP8. Nuova rispetto alla recensione della WS300 è una singola H200 NVL, l'acceleratore Hopper da 141 GB di NVIDIA, che aggiunge una GPU di data center di generazione precedente al set di confronto.

GPT-OSS-20B è il carico di lavoro più semplice, comodamente caricato da ogni candidato hardware. Sotto carichi di lavoro bilanciati, l'ET900N G3 è scalato a 22.041 token di output/sec a 128 stream (44.082 totali), rispetto a circa 7.920 per RTX PRO 6000, 6.010 per H200 NVL e 1.420 per DGX Spark. Le prestazioni a stream singolo hanno raggiunto 536 token di output/sec per la Station, rispetto a 354 sulla RTX PRO 6000, 489 sulla H200 NVL e 120 sulla Spark. Le esecuzioni con prefill intensivo hanno ampliato il divario: 9.555 token di output/sec e 85.994 token totali/sec a 128 stream per l'ET900N G3, contro circa 2.480 per RTX PRO 6000, 3.410 per H200 NVL e 445 per Spark.

GPT-OSS-120B espone limitazioni di memoria tra hardware concorrenti. L'ET900N G3 ha raggiunto 9.280 token di output/sec sui carichi di lavoro bilanciati a 128 stream, circa tre volte i 3.060 della RTX PRO 6000, 2,8 volte i 3.370 della H200 NVL e oltre 19 volte i 480 della Spark. Per i prompt lunghi, i sistemi più piccoli hanno esaurito la capacità della cache KV precocemente: la RTX PRO 6000 ha raggiunto un picco vicino a 1.170 token di output/sec e la H200 NVL quasi 1.820, mentre la Station ha continuato a salire fino a 128 stream e ha terminato a 5.023 token di output/sec con un throughput totale di 45.205 token/sec.

Llama 3.1 8B FP8 offre il numero di throughput singolo più alto in questa suite di test. L'ET900N G3 ha spinto 25.602 token di output/sec su 128 stream su carichi di lavoro bilanciati (51.205 totali), rispetto a circa 8.060 sulla RTX PRO 6000 e 11.040 sulla H200 NVL. Il passaggio da BF16 a FP8 ha aumentato il throughput della Station di circa il 50% (da 17.074 a 25.602), mentre la RTX PRO 6000 ha guadagnato circa il 70% e la H200 NVL circa il 37%. I risultati con prefill intensivo hanno compresso tutti i punteggi: la Station ha raggiunto 6.164 token di output/sec, la RTX PRO 6000 1.480, la H200 2.040.

Mistral Small 24B FP8 ha prodotto i rapporti di prestazioni più elevati. L'ET900N G3 ha raggiunto un picco di 11.075 token di output/sec sotto carichi di lavoro bilanciati, 3,4 volte i 3.240 della RTX PRO 6000, 2,4 volte i 4.610 della H200 NVL e quasi 20 volte i 559 della Spark. Sui prompt lunghi, la RTX PRO 6000 ha raggiunto un picco a 32 stream intorno a 480 token/sec prima di diminuire; la H200 NVL ha raggiunto un picco vicino a 854 token/sec, mentre la Station ha raggiunto 2.302 token/sec a 128 stream.

Qwen3 Coder 30B, un modello mixture-of-experts con basso numero di parametri attivi, riduce i divari a stream singolo. A uno stream di carico di lavoro bilanciato, la RTX PRO 6000 ha fornito circa 232 token di output/sec rispetto ai 319 della Station e ai 308 della H200 NVL. Il batching ripristina la gerarchia delle prestazioni: a 128 stream FP8, l'ET900N G3 ha raggiunto 12.439 token di output/sec, 3,1 volte i 3.990 della GPU e 1,7 volte i 7.450 della H200 NVL. Le esecuzioni con prefill intensivo hanno raggiunto 3.837 token di output/sec per la Station; la RTX PRO 6000 ha raggiunto un picco vicino a 880 a 64 stream, la H200 NVL vicino a 1.820.

Tra questi modelli condivisi, l'ET900N G3 ha fornito un throughput da 2,8 a 3,4 volte superiore a una singola RTX PRO 6000 e da 1,7 a 3,7 volte superiore a una H200 NVL a piena concorrenza. Il suo vantaggio si espande sui prompt lunghi poiché l'hardware concorrente esaurisce lo spazio di testa della cache KV. Rispetto alla WS300, questi quattro modelli sono di nuovo entro l'1%: 22.041 contro 22.161 per GPT-OSS-20B; 9.280 contro 9.294 per GPT-OSS-120B; 11.075 contro 11.157 per Mistral Small FP8; 12.439 contro 12.425 per Qwen3 Coder FP8. Il confronto completo tra tutti i 14 modelli appare nella sezione successiva.

Due Torri, Una Scheda Madre: ASUS ET900N G3 vs MSI WS300

L'ET900N G3 e la MSI XpertStation WS300 condividono l'identica scheda madre NVIDIA GB300 DGX Station racchiusa in diversi chassis OEM. Entrambe hanno eseguito gli stessi 14 modelli, due profili di carico di lavoro e scansione della concorrenza utilizzando build vLLM corrispondenti. La tabella seguente confronta il throughput di output di picco dell'ET900N G3 rispetto alla WS300 su tutti i modelli.

Di 28 coppie totali modello-carico di lavoro, 24 risultati rientrano nel 2% l'uno dall'altro, la maggior parte mostra un vantaggio percentuale frazionario per la WS300. Quattro si trovano al di fuori di questa fascia, tre su carichi di lavoro bilanciati: Llama 3.1 8B FP8 al 3,5% al di sotto della WS300 (25.602 vs 26.536), Qwen3 Coder 30B BF16 al 4,6% in meno (10.000 vs 10.486), Nemotron 3 Ultra 550B al 5,2% in meno (159 vs 168), più Qwen3 Coder 30B BF16 di nuovo al 2,1% in meno sui prompt lunghi. Tutti i punti dati sono misurazioni a esecuzione singola per ciascuna torre, quindi una variazione del 2-5% su tre modelli su 14 non può essere attribuita al design dello chassis; documentiamo semplicemente la differenza osservata. I modelli dipendenti dal pooling di memoria coerente, MiniMax M3 e GLM-5.2, eguagliano o superano le prestazioni della WS300 su entrambi i carichi di lavoro, confermando che il percorso di offload Grace si comporta in modo identico negli chassis ASUS e MSI.

GPT-OSS-20B, il modello denso con il throughput più elevato, e GLM-5.2, il carico di lavoro incentrato sull'offload, mostrano una sovrapposizione quasi perfetta: le tracce delle prestazioni della WS300 seguono quasi punto per punto quelle dell'ET900N G3.

Continueremo questo framework di benchmark man mano che arriveranno altre torri GB300 nel nostro laboratorio. La ZGX di HP è la prossima in linea, seguita da altre build OEM. Ogni unità esegue questa identica scansione di concorrenza, quindi qualsiasi differenza tra le implementazioni OEM apparirà in questo framework di benchmark, con i grafici dei singoli modelli che mantengono le curve di prestazioni grezze.

Conclusione

L'ASUS ExpertCenter Pro ET900N G3 realizza ciò che dovrebbe fare una seconda implementazione di piattaforma di riferimento: convalida i risultati del benchmark originale. Su 14 modelli e due profili di carico di lavoro, 24 dei 28 confronti di throughput vLLM di picco si situano entro il 2% dei risultati della MSI XpertStation WS300, che vanno da 1.766 token di output/sec per DeepSeek V4 Flash fino a 22.041 per GPT-OSS-20B. Quattro outlier a esecuzione singola sono inferiori del 2-5%, e il sistema esegue con successo GLM-5.2 con layer esperti da 215 GB memorizzati nella memoria Grace a un throughput che quattro schede RTX PRO 6000 non possono eguagliare. Il GB300 Superchip definisce il limite di prestazioni e ASUS offre un'esecuzione solida.

Le aggiunte di valore di ASUS sono miglioramenti ingegneristici pratici: le maniglie consentono a due persone di spostare la torre da 27 kg senza afferrare i pannelli del telaio; la ventola dedicata sopra le gabbie QSFP112 affronta il rischio termico per le esecuzioni ottiche da 400 G di lunga durata; l'alimentatore certificato Titanium riduce il consumo di energia dalla rete. L'host Arm, il circuito da 20 A obbligatorio, l'uscita video solo BMC e il budget energetico condiviso da 1.600 W quando vengono installate grandi GPU aggiuntive sono vincoli intrinseci della piattaforma che si applicano ugualmente a entrambe le torri.

Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Global Strategy Director
WhatsApp / WeChat: +86 13426366826
Email: yangyd@qianxingdata.com
Sito web: www.qianxingdata.com/www.storagesserver.com
Focus Aziendale:
Distribuzione Prodotti ICT/Integrazione di Sistemi e Servizi/Soluzioni Infrastrutturali
Con oltre 20 anni di esperienza nella distribuzione IT, collaboriamo con i principali marchi globali per fornire prodotti affidabili e servizi professionali.
“Usare la Tecnologia per Costruire un Mondo Intelligente” Il Tuo Fornitore di Servizi di Prodotti ICT di Fiducia!