TaknetSystems
NEWต.ค. 2026 · รีวิวต่างประเทศ + DGX Station for Windows

MSI XpertStation WS300 · NVIDIA DGX Station Architecture

AI Supercomputer
บนโต๊ะของคุณ

ศูนย์รวมทุกอย่างสำหรับเจ้าของ MSI WS300 — ตั้งค่าเครื่อง, เริ่มพัฒนา AI และสร้างแอปจริงด้วย 15 Playbooks จาก NVIDIA ที่ปรับให้เหมาะกับเครื่องของคุณ ข้อมูลอยู่ในองค์กร 100%

Coherent Memory
748 GB
Grace CPU
72 cores
ConnectX-8
2×400G
AI Playbooks
15
MSI XpertStation WS300 เวิร์กสเตชัน NVIDIA GB300 Grace Blackwell Ultra

What is WS300

MSI WS300 คืออะไร

MSI XpertStation WS300 คือเวิร์กสเตชัน AI ระดับ Deskside ที่สร้างบนสถาปัตยกรรม NVIDIA DGX Station ใช้ชิป GB300 Grace Blackwell Ultra Desktop Superchip — CPU Grace 72 คอร์และ GPU Blackwell Ultra เชื่อมกันด้วย NVLink-C2C ให้หน่วยความจำแบบ coherent สูงสุด 748 GB (HBM3e 252 GB + LPDDR5X 496 GB) พร้อมเครือข่าย 2× 400 GbE จาก ConnectX-8 และมาพร้อม DGX OS 7 (Ubuntu 24.04) ติดตั้งจากโรงงาน

ผู้ใช้ทำงานจากโน้ตบุ๊กผ่าน SSH หรือ API ไปยัง WS300 ซึ่ง Grace CPU และ Blackwell Ultra GPU แชร์หน่วยความจำผ่าน NVLink-C2C Laptop / ทีม DevSync · Workbench · API SSH / API MSI WS300 · DGX OS 7 Grace CPU72 cores · 496 GB NVLink-C2C Blackwell Ultra252 GB HBM3e AI AppsLLM · RAG · Gen AI

Global Reviews

รีวิวจากต่างประเทศ: ทดสอบจริงแล้วเป็นอย่างไร

สรุปผลทดสอบอิสระจากสื่อไอทีสายองค์กร ตัวเลขทั้งหมดเป็นผลการทดสอบของผู้รีวิว พร้อมลิงก์ต้นฉบับให้ตรวจสอบได้

The most capable workstation we have ever reviewed.
StorageReview · 24 ส.ค. 2026 · ทดสอบ MSI WS300 โดยตรง

StorageReview รัน LLM จริงกว่า 10 โมเดลบน WS300 เมื่อให้บริการ 5 โมเดลพร้อมกันที่ผู้ใช้เต็มที่ ได้ throughput สูงกว่าเวิร์กสเตชัน RTX PRO 6000 ราว 2.3–3 เท่า และสูงกว่า DGX Spark 14–19 เท่า เครื่องทำงานเสถียรตลอดการทดสอบด้วยระบบระบายความร้อนด้วยน้ำ (GPU สูงสุด 71 °C) อ่านรีวิวต้นฉบับ ↗

GPT-OSS-120B · tokens/s สูงสุด (512 in / 512 out)
MSI WS3009,294
RTX PRO 60003,384
DGX Spark500
NVFP4 Matmul · TFLOPS ที่วัดได้จริง
MSI WS3006,134
RTX PRO 60001,449
DGX Spark364

ที่มา: StorageReview, ส.ค. 2026 · ยิ่งยาวยิ่งดี

ผล LLM Inference บน WS300 — โมเดลรุ่นใหม่ปี 2026

โมเดลPrecision / หมายเหตุ1 ผู้ใช้ (tok/s)สูงสุด (tok/s @ ผู้ใช้พร้อมกัน)
MiniMax M2.7NVFP4 · อยู่ใน HBM ทั้งหมด1934,801 @ 128
DeepSeek V4 Flashอยู่ใน HBM ทั้งหมด1491,766 @ 32
MiniMax M3NVFP41971,041 @ 32
Nemotron-3-Ultra 550BNVFP4 · offload 114 GB ไป LPDDR5X43168 @ 32
GLM-5.2NVFP4 · offload 216 GB ไป LPDDR5X36139 @ 32

โมเดลที่ใหญ่เกิน HBM3e 252 GB ยังรันได้ด้วยการ offload ไปที่ LPDDR5X แต่ความเร็วลดลงตามแบนด์วิดท์ Grace↔GPU (~390 GB/s) — Taknet ช่วยเลือกโมเดลและ precision ให้พอดีกับ HBM เพื่อความเร็วสูงสุด

ServeTheHome · 6 ต.ค. 2026

เครือข่าย 800G ใช้ได้จริง

ทดสอบ DGX Station GB300 ของ Gigabyte (แพลตฟอร์มเดียวกับ WS300) วัด RDMA ระหว่าง GPU ได้ 784 Gb/s บน 2 พอร์ต 400G แต่เส้นทางผ่าน Grace CPU ได้ราว 229 Gb/s เพราะใช้ PCIe Gen5 x8 — งานกระจายข้ามเครื่องควรใช้ GPUDirect RDMA

แพลตฟอร์ม DGX Station · ต่างผู้ผลิต ↗
pi3g · 16 ส.ค. 2026

เทียบเซิร์ฟเวอร์ 4× / 8× RTX PRO 6000

สรุปว่าการ serve โมเดลระดับ frontier ให้ทีม DGX Station GB300 เหมาะที่สุด เพราะหน่วยความจำก้อนเดียวไม่ต้อง shard และกินไฟ 1.6 kW เทียบ ~4–7 kW ของเซิร์ฟเวอร์ แต่ถ้าต้องการ x86, FP64 หรือ Ray Tracing ควรเลือก RTX PRO 6000

ผู้เขียนเป็นผู้จำหน่าย · ใช้ประกอบการพิจารณา ↗
Guru3D · TechRadar

ราคาเปิดตัวในไทย 3.89 ล้านบาท

ราคาโปรโมชั่นช่วงเปิดตัวผ่าน Taknet 3.89 ล้านบาท (รวม VAT) ส่วนราคาขายปลีกต่างประเทศที่สื่อรายงานอยู่ราว US$85,000–99,900 (มี.ค.–ส.ค. 2026) สื่อมองว่าคุ้มค่าสำหรับองค์กรที่มีงาน AI ปริมาณสูงและต้องเก็บข้อมูลไว้ในองค์กร มากกว่างานของผู้ใช้คนเดียว

ราคาต่างประเทศ · Guru3D ↗

จุดเด่นที่รีวิวยืนยัน

  • หน่วยความจำ coherent 748 GB เก็บโมเดลขนาดใหญ่ไว้ในเครื่องเดียว
  • แบ่ง GPU ด้วย MIG ได้สูงสุด 7 instance ให้หลายทีมใช้ร่วมกัน
  • ระบายความร้อนด้วยน้ำ ทำงานเต็มโหลดต่อเนื่องได้เสถียร
  • BMC และไดรฟ์บูต RAID 1 บริหารจัดการระยะไกลได้แบบเซิร์ฟเวอร์

ข้อควรรู้ก่อนซื้อ

  • CPU เป็น Arm64 — ควรตรวจสอบซอฟต์แวร์และ toolchain ที่ต้องใช้
  • ต้องเดินวงจรไฟฟ้า 20 A แยก (PSU 1600 W)
  • ไม่มีพอร์ตจอในตัว ต้องเพิ่มการ์ด RTX PRO หากต้องการต่อจอ (BMC แสดงผลได้ 1024×768)
  • การ์ดเสริมใช้งบไฟ 1600 W ร่วมกับ GPU หลัก อาจลดประสิทธิภาพลงเล็กน้อย
Taknet ช่วยปิดทุกข้อก่อนส่งมอบ

สำรวจหน้างานและวงจรไฟ 20 A · ตรวจความเข้ากันได้ของซอฟต์แวร์บน Arm64 · Burn-in test ก่อนส่ง · ติดตั้งพร้อมคู่มือภาษาไทย และบริการหลังการขายในประเทศ

Which One

WS300 เหมาะกับใคร เทียบกับทางเลือกอื่น

เลือกจากขนาดโมเดล จำนวนผู้ใช้ และสถานที่ติดตั้ง

DGX SparkMSI WS300เวิร์กสเตชัน RTX PRO 6000เซิร์ฟเวอร์ 4× RTX PRO 6000
ชิป / GPUGB10GB300 Blackwell UltraRTX PRO 6000 Blackwell ×1RTX PRO 6000 Blackwell ×4
หน่วยความจำสำหรับโมเดล128 GB unified748 GB coherent
252 GB HBM3e + 496 GB LPDDR5X
96 GB GDDR7384 GB GDDR7 (แบ่ง 4 การ์ด)
เครือข่ายConnectX-7 200 GbEConnectX-8 2× 400 GbEตามการ์ดเสริมตามการ์ดเสริม
ที่ตั้ง / ไฟบนโต๊ะข้างโต๊ะ · 1.6 kW · วงจร 20 Aข้างโต๊ะแร็ก Data Center · ~4 kW
GPT-OSS-120B (tok/s สูงสุด)5009,2943,384—
เหมาะกับนักพัฒนา 1 คน · Prototypeทีม AI · โมเดล 100B–1T · Serve ภายในองค์กรผู้ใช้คนเดียว · กราฟิก / Simulation · x86ผู้ใช้จำนวนมาก · ต้องการ x86 และแร็ก

ผลทดสอบ: StorageReview (ส.ค. 2026) · ข้อมูลเซิร์ฟเวอร์ 4×: pi3g (ส.ค. 2026) · ต้องการ GPU Server แบบแร็ก ดู Supermicro GPU Server

Your Journey

3 ขั้นจากแกะกล่องสู่แอป AI จริง

ทำตามลำดับ หรือข้ามไปขั้นที่ต้องการได้ทันที

01

Setup · 1 ชั่วโมง

ตั้งค่าเครื่องและ BMC

  • Quick Start, I/O Map และข้อควรระวังด้านไฟฟ้า
  • ตั้งค่า BMC ครั้งแรก (บังคับเปลี่ยนรหัสผ่าน)
  • DGX OS 7 และแผนสู่ DGX OS 8
เปิด Web Manual →
02

Learn · 30 นาที

เริ่มพัฒนา AI แบบ GUI

  • ติดตั้ง NVIDIA AI Workbench แบบ Remote
  • ใช้งานเหมือน DGX Spark ผ่าน NVIDIA Sync
  • โปรเจกต์แรก: Hybrid RAG Chatbot
เปิด AI Workbench Guide →
03

Build · ทีละ Playbook

สร้างแอป AI ด้วย 15 Playbooks

  • LLM Serving: vLLM, SGLang, NVFP4
  • AI Agents: Claude Code, NemoClaw, OpenShell
  • Data Science, Robotics และ Generative AI
เปิด AI Playbooks →

Day 1

รัน LLM ขนาด 235B ได้ด้วยไม่กี่คำสั่ง

ตัวอย่างจาก Playbook Serve LLMs with vLLM — ได้ API แบบเดียวกับ OpenAI ที่รันในองค์กรของคุณ แอปเดิมเปลี่ยน endpoint ก็ใช้งานได้ทันที

  • ข้อมูลและ prompt ไม่ออกนอกบริษัท
  • ไม่มีค่าใช้จ่ายต่อ token
  • ใช้กับ Chatbot, RAG, Agent และ Coding Assistant
aiuser@ws300: ~
$ docker run -d --gpus all -p 8000:8000 nvcr.io/nvidia/vllm:26.01-py3 \
    vllm serve nvidia/Qwen3-235B-A22B-NVFP4
Loading weights ... GB300 · NVFP4
INFO  Application startup complete.
$ curl localhost:8000/v1/chat/completions -d @hello.json
{"role":"assistant","content":"สวัสดีครับ ผมรันอยู่บน WS300 ขององค์กรคุณ"}
หน้าจอจำลองเพื่อประกอบคำอธิบาย

Quick Wins

เริ่มจาก Use Case ที่ได้ผลเร็วที่สุด

What's New

ข่าวและอัปเดตล่าสุดของ WS300

ไทม์ไลน์จาก MSI, NVIDIA และสื่อต่างประเทศ · ปรับปรุงล่าสุด 22 ต.ค. 2026

  1. DGX Station for Windows โชว์อีกครั้งในงาน Microsoft

    ฮาร์ดแวร์ GB300 เดียวกัน รันได้ทั้งแอป Windows และเครื่องมือ Linux ผ่าน WSL พร้อม Microsoft Execution Containers สำหรับแยก AI Agent กำหนดวางจำหน่าย Q4 2026

    XenoSpectrum ↗
  2. ServeTheHome ทดสอบเครือข่ายแพลตฟอร์ม DGX Station

    RDMA ระหว่าง GPU ได้ 784 Gb/s บน ConnectX-8 สองพอร์ต ยืนยันว่าการต่อ 2 เครื่องเป็นคลัสเตอร์ใช้แบนด์วิดท์ได้เกือบเต็ม

    ServeTheHome ↗
  3. DGX OS 7.6.0 ออกแล้ว

    Ubuntu 24.04.5, CUDA 13.0 Update 3 และ GPU Driver 580.178 เป็นเวอร์ชันที่เปิดทางอัปเกรดสู่ DGX OS 8 แต่ยังไม่รองรับการอัปเกรดบนแพลตฟอร์ม GB300 — ปรึกษาทีม Taknet ก่อนอัปเดต ดูสถานะ DGX OS 8

    NVIDIA Release Notes ↗
  4. MSI ประกาศวางจำหน่าย WS300

    รองรับ NVIDIA NemoClaw กับ OpenShell สำหรับ AI Agent ที่ควบคุมด้วย policy และต่อ 2 เครื่องเป็นคลัสเตอร์ผ่าน 400 GbE เพื่อขยายงาน AI

    MSI Press Release ↗
  5. StorageReview รีวิว MSI WS300 ฉบับเต็ม

    ทดสอบ LLM, Matmul, หน่วยความจำ และความร้อน สรุปว่าเป็นเวิร์กสเตชันที่ทรงพลังที่สุดที่เคยรีวิว ดูสรุปผล

    StorageReview ↗
  6. รองรับ Nemotron 3.5 Lightning และ NeMo Switchyard

    MSI เพิ่มการรองรับโมเดลน้ำหนักเบารุ่นใหม่ของ NVIDIA และไลบรารี Model Routing ที่เลือกโมเดลให้เหมาะกับงานอัตโนมัติ

    UAnalyze / cnyes ↗
  7. NVIDIA ประกาศ DGX Station for Windows

    เปิดตัวที่ GTC Taipei ร่วมกับ Microsoft โดยมี MSI เป็นหนึ่งใน OEM รองรับ OpenShell บน Windows และจับคู่การ์ด RTX PRO 6000 ได้

    NVIDIA Newsroom ↗
  8. GTC 2026: DGX Station GB300 เริ่มรับคำสั่งซื้อ

    สเปกที่ส่งมอบจริงใช้ HBM3e 252 GB (7.1 TB/s) รวมหน่วยความจำ coherent 748 GB และ PSU 1600 W

    ServeTheHome ↗

FAQ

คำถามที่พบบ่อย

MSI WS300 ต่างจาก NVIDIA DGX Spark อย่างไร?

ทั้งสองใช้สถาปัตยกรรม Grace Blackwell และ DGX OS เหมือนกัน แต่ DGX Spark ใช้ชิป GB10 หน่วยความจำ 128 GB และ ConnectX-7 200 GbE เหมาะกับนักพัฒนารายบุคคล ส่วน WS300 ใช้ GB300 หน่วยความจำ coherent สูงสุด 748 GB, CPU 72 คอร์, ConnectX-8 2× 400 GbE และมี BMC สำหรับบริหารจัดการระยะไกล เหมาะกับทีมและโมเดลขนาดใหญ่ โปรเจกต์จาก DGX Spark ย้ายมารันบน WS300 ได้เพราะเป็น Arm64 และ DGX OS ตระกูลเดียวกัน

รีวิวจากต่างประเทศว่า MSI WS300 เร็วแค่ไหน?

StorageReview (ส.ค. 2026) ทดสอบ WS300 โดยตรงและสรุปว่าเป็นเวิร์กสเตชันที่ทรงพลังที่สุดที่เคยรีวิว ตัวอย่างผล: GPT-OSS-120B ได้สูงสุด 9,294 tokens/s เทียบกับ 3,384 บนเวิร์กสเตชัน RTX PRO 6000 และ 500 บน DGX Spark ส่วนโมเดล 550B อย่าง Nemotron-3-Ultra (NVFP4) ยังรันได้ราว 43 tokens/s ต่อผู้ใช้ แม้ต้อง offload บางส่วนไปที่ LPDDR5X ดูสรุปรีวิว

MSI WS300 ใช้ Windows ได้ไหม?

WS300 ที่จำหน่ายปัจจุบันมาพร้อม DGX OS 7 (Linux) ส่วน NVIDIA ได้ประกาศ DGX Station for Windows เมื่อ 1 มิ.ย. 2026 โดยมี MSI เป็นหนึ่งใน OEM คาดวางจำหน่ายใน Q4 2026 ใช้ฮาร์ดแวร์ GB300 เดียวกันและรันเครื่องมือ Linux ผ่าน WSL ขณะนี้ยังไม่มีประกาศว่าเครื่องรุ่น Linux จะเปลี่ยนเป็นรุ่น Windows ได้หรือไม่ Taknet จะอัปเดตเมื่อ MSI ยืนยัน ดูข่าวล่าสุด

MSI WS300 ราคาเท่าไร?

ราคาโปรโมชั่นช่วงเปิดตัวในประเทศไทยผ่าน Taknet อยู่ที่ 3.89 ล้านบาท (รวม VAT) ส่วนราคาขายปลีกในต่างประเทศที่สื่อรายงานอยู่ราว US$85,000–99,900 (มี.ค.–ส.ค. 2026) ราคาสุดท้ายอาจปรับตามการ์ดเสริม ระยะรับประกัน และบริการติดตั้ง ติดต่อ Taknet เพื่อขอใบเสนอราคา ติดต่อทีมขาย

WS300 ใช้ระบบปฏิบัติการอะไร และอัปเกรดเป็น DGX OS 8 ได้ไหม?

WS300 มาพร้อม DGX OS 7 (Ubuntu 24.04 LTS พร้อม NVIDIA AI Developer Tools) บนไดรฟ์ RAID 1 ส่วน DGX OS 8 (Ubuntu 26.04) ออกเมื่อ 31 ส.ค. 2026 และ DGX OS 7.6.0 (14 ก.ย. 2026) เป็นเวอร์ชันที่เปิดทางอัปเกรดสู่ 8.x แต่ Release Notes ยังระบุว่าการอัปเกรดสู่ 8.x ไม่รองรับบนแพลตฟอร์ม Arm64 ตระกูล GB300 จึงแนะนำให้ใช้ DGX OS 7 ต่อไปจนกว่า NVIDIA จะประกาศรองรับ ดูรายละเอียด

ติดตั้ง NVIDIA AI Workbench บน WS300 ได้ไหม?

ได้ AI Workbench รองรับ Ubuntu 22.04 / 24.04 / 26.04 และใช้งานบน DGX Spark (Arm64) อย่างเป็นทางการ แนะนำให้ติดตั้งแบบ Remote Location คือใช้ Desktop App บนโน้ตบุ๊กแล้วรันงานบน WS300 ผ่าน SSH ดูขั้นตอน

WS300 รันโมเดล AI ขนาดใหญ่ได้แค่ไหน?

Playbook vLLM ของ NVIDIA สำหรับ DGX Station มี recipe ตั้งแต่ Qwen3-235B-A22B (NVFP4) ที่อยู่ในหน่วยความจำ GPU ทั้งหมด ไปจนถึง Kimi-K2.5 ขนาด 1 ล้านล้านพารามิเตอร์ (NVFP4) โดย offload บางส่วนไปที่ LPDDR5X ขนาดที่รันได้จริงขึ้นกับ precision, context length และจำนวนผู้ใช้พร้อมกัน

ตั้งค่า BMC ครั้งแรกต้องทำอย่างไร?

ต่อสาย LAN เข้าพอร์ต 1GbE Dedicated Management ด้านหลัง เปิดสวิตช์ PSU แล้วรอ 5 นาที หา IP ของ BMC จาก DHCP หรือคำสั่ง ipmitool lan print บน OS จากนั้นเปลี่ยนรหัสผ่านเริ่มต้นซึ่งระบบบังคับให้เปลี่ยน แล้วตั้ง Static IP, NTP และบัญชีผู้ใช้ ดูขั้นตอนเต็ม

ต้องใช้ไฟฟ้าและสภาพแวดล้อมแบบไหน?

WS300 ใช้ PSU 1600 W 80 PLUS Platinum และต้องต่อกับวงจรไฟฟ้า 20 A อุณหภูมิห้องขณะทำงาน 10–30 °C ความชื้น 10–80% และควรยกด้วย 2 คนเพราะเครื่องมีน้ำหนักมาก

Taknet Professional Services

ต้องการทีมช่วยวางระบบ AI สำหรับ Production?

Taknet และพาร์ตเนอร์ด้าน NVIDIA AI ช่วยตั้งแต่เลือกโมเดล ออกแบบ RAG/Agent เชื่อมระบบเดิม ไปจนถึงดูแลหลังการขาย