HP ZGX Nano G1n AI Station getestet: Der unscheinbare KI-Supercomputer als Einstieg für Nvidia DGX

Die HP ZGX Nano G1n AI Station beweist ihre Stärken primär dort, wo es um professionelle Spezialanwendungen geht. Ihr größter Trumpf ist zweifellos die Blackwell-Architektur. Mit der Unterstützung für das neue FP4-Datenformat und die von Nvidia optimierten NVFP4- sowie NVFP8-Modelle lassen sich KI-Anwendungen nicht nur schneller ausführen, sie belegen dabei auch deutlich weniger Speicherplatz im VRAM. Das ist ein technologischer Vorteil, den man aktuell nur bei Nvidia findet. Zudem erkauft man sich mit diesem Gerät den direkten Eintritt in das standardisierte DGX-Ökosystem, was die Skalierung von lokalen Experimenten auf riesige Servercluster enorm vereinfacht. Für Entwickler, die tief im Nvidia-Software-Stack verwurzelt sind, ist diese "Brücke zum Rechenzentrum" Gold wert. Beeindruckend, wie viel KI auf kleinem Raum möglich ist. 

Doch der hohe Preis von rund 4.000 Euro weckt Erwartungen, die das Gerät haptisch und ergonomisch nicht ganz erfüllen kann. Das Kunststoffgehäuse wirkt für diese Preisklasse zu einfach und auch der permanent hörbare Lüfter sowie der hohe Stromverbrauch von bis zu 50 Watt im Leerlauf trüben das Bild im Alltagseinsatz. Hier hätten wir uns mehr Feinschliff gewünscht, gerade weil das Gerät oft eben doch direkt auf dem Schreibtisch stehen wird. Schließlich ist das Gerät für all jene gedacht, die mit künstlicher Intelligenz wirklich arbeiten wollen.

Wer hingegen primär auf der Suche nach viel lokalem Speicher für Inferenz von großen KI-Modellen ist und auf die spezifischen Nvidia-Features verzichten kann, findet starke Konkurrenz bei Team Red. Systeme auf Basis der AMD Strix Halo Plattform, wie der Bosgame M5 AI Mini Desktop, der Framework Desktop oder der GMKtec EVO-X2 mit dem Ryzen AI Max+ 395, bieten üppige Speicherausstattung und starke Leistung in vielen KI-Standardanwendungen – zu einem deutlich attraktiveren Preis. Die HP-Station bleibt trotzdem die erste Wahl für Nvidia-Spezialisten.

Die HP ZGX Nano G1n AI Station ist mittlerweile bei mehreren Händlern gelistet. Den günstigsten Einstieg bietet aktuell Cyclotron, wo das Modell mit 1 TB SSD bereits für 3.605 Euro zu haben ist. Notebooksbilliger und Amazon folgen dicht dahinter mit Preisen von 3.700 Euro. Wer mehr Speicher benötigt, muss tief in die Tasche greifen: Für die Variante mit 4 TB SSD ruft Cyclotron beispielsweise 4.445 Euro auf. Interessanterweise verlangt HP im eigenen Online-Shop mit 4.960 Euro deutlich mehr als der freie Handel.

Hinter der etwas sperrigen Bezeichnung HP ZGX Nano G1n AI Station verbirgt sich im Kern Nvidias Referenzplattform DGX Spark. HP ist mit diesem Ansatz nicht allein auf dem Markt, denn auch Konkurrenten wie Asus, Acer, Dell oder Gigabyte bieten ihre eigenen Varianten dieses KI-Entwicklerkits an. Die Unterschiede liegen dabei meist im Detail, etwa bei geringfügigen Anpassungen im Software-Stack oder dem Gehäusedesign. Das Konzept selbst zeigt sich äußerst flexibel: Die kompakte Box lässt sich wahlweise als dedizierter Server "headless" im Netzwerk oder – dank der vorhandenen Anschlüsse – als vollwertige Workstation mit Maus, Tastatur und Monitor direkt auf dem Schreibtisch betreiben. Wir haben hierfür im Test komfortabel das Crowview Note verwendet. Ein besonderes Augenmerk liegt auf der einfachen Inbetriebnahme. Nvidia und HP wollen den Einstieg in die lokale KI-Entwicklung so hürdenlos wie möglich gestalten und liefern hierfür vorgefertigte Projekte, sogenannte Blueprints, gleich mit.

Die HP ZGX Nano G1n AI Station präsentiert sich in einem äußerst kompakten Formfaktor mit Abmessungen von etwa 15 × 15 × 5,5 cm und einem Gewicht von nur 1,25 kg. So lässt es sich leicht auf jedem Schreibtisch unterbringen. Auffällig ist die Frontpartie, die fast vollständig aus einem markanten Gitterdesign besteht, um eine optimale Luftzufuhr für die leistungsstarken internen Komponenten zu gewährleisten. Das HP-Logo und ein dezentes "AI"-Logo sind hier integriert.

HP legt bei diesem Modell Wert auf Nachhaltigkeit. Die AI Station enthält bis zu 40 % recycelten Kunststoff, bis zu 75 % recyceltes Aluminium und mindestens 20 % recycelten Stahl. Zudem besteht die Außenverpackung zu 100 % aus nachhaltigen und recycelbaren Materialien. Das komplette Äußere der AI Station besteht aus schwarzem Kunststoff.

Die Anschlussvielfalt ist auf professionelle Anforderungen ausgerichtet. Auf der Rückseite befinden sich ein schneller 10-Gbit-Ethernet-Port sowie zwei QSFP-Ports für Nvidias High-Speed-Interconnect, was eine Skalierung durch das Zusammenschalten mehrerer Einheiten ermöglicht. Für Peripheriegeräte stehen drei USB-C-Ports zur Verfügung. Ein HDMI-2.1-Ausgang erlaubt den Anschluss eines Monitors für die Konsole, auch wenn das Gerät oft im "headless"-Betrieb genutzt werden dürfte. Drahtlos kommuniziert das System über Wi-Fi 7 und Bluetooth 5.4.

Das Herzstück der ZGX Nano G1n bildet der Nvidia GB10 Chip, dessen Leistungsprofil sich grob an einer Nvidia GeForce RTX 5070 orientiert, allerdings mit einer deutlich anderen Schwerpunktsetzung. Nvidia hat hier die Architektur konsequent auf KI-Workloads optimiert, was sich in einer veränderten Verteilung von TMUs und Tensor-Kernen zulasten der klassischen ROPs bemerkbar macht. In der Praxis wird dieser leistungsfähige Chip jedoch durch die Speicherspezifikationen ausgebremst. Während eine RTX 5070 auf 12 GB Arbeitsspeicher mit einer Speicherbandbreite von 672,0 GB/s zurückgreifen kann, muss sich der GB10 mit 273,2 GB/s begnügen.

Der verbaute 128 GB LPDDR5X-Speicher ist somit hinsichtlich der Kapazität zwar extrem großzügig bemessen und ermöglicht das Laden und Bearbeiten massiver LLMs und KI-Modelle, die auf herkömmlichen Consumer-Karten keinen Platz fänden, erweist sich aber als vergleichsweise langsam. Je nach Größe des geladenen Modells oder der Komplexität des Kontextes wird die KI-Leistung durch diesen Flaschenhals spürbar eingeschränkt. Gleiches macht sich bemerkbar bei Text2Image-Modellen wie SDXL. Wir kommen hier in verschiedenen Tests mit ComfyUI oder JupyterLab auf etwa drei Iterationen pro Sekunde (it/s) bei der Bilderstellung. Gut ausgerüstete PCs mit einer RTX 5070 kommen nach unseren Erfahrungen auf 4,5 it/s. 

Die ARM-Kerne des Grace-Moduls liefern im Verbund eine hervorragende Leistung ab, die für parallelisierte Aufgaben bestens geeignet ist. Bei Anwendungen, die stark von der Single-Core-Performance abhängen, macht sich jedoch die im Vergleich zu aktuellen x86-High-End-CPUs geringere Rohleistung der einzelnen Kerne bemerkbar.

HP legt der AI Station ein leistungsstarkes 240-Watt-USB-C-Netzteil bei, das angesichts des Energiehungers auch notwendig erscheint. Unter voller Auslastung der GPU klettert die Leistungsaufnahme in unseren Messungen auf bis zu 206 Watt. Bei typischen, länger andauernden Aufgaben wie der LLM-Inferenz pendelt sich der Verbrauch bei etwa 160 Watt ein. Kritikwürdig finden wir jedoch den Energiebedarf im Leerlauf. Es ist schon erstaunlich, wie das System ohne Rechenaufgaben konstant zwischen 30 und 50 Watt aus der Steckdose saugt – eine Leistungsaufnahme, die selbst viele High-End Gaming-Laptops im Leerlauf nicht erreichen.

Akustisch ist das Gerät zwar präsent, bleibt aber im Rahmen. Der Lüfter unseres Testgeräts lief dauerhaft und erzeugte eine Geräuschkulisse zwischen 30 dB(A) im Leerlauf und bis zu 40 dB(A) unter Volllast im Stresstest. Thermisch hat HP die Abwärme im Griff, auch wenn das kleine Gehäuse spürbar warm wird. Wir haben Oberflächentemperaturen von etwa 50 °C gemessen. Hier erweist sich die Materialwahl als Vorteil, denn das Kunststoffgehäuse lässt sich selbst bei diesen Temperaturen noch problemlos anfassen, ohne dass es unangenehm heiß wirkt.