La Drako PRO Prime AI Workstation è una workstation full tower di fascia alta progettata per ricercatori, sviluppatori ML, creator e professionisti che necessitano di potenza di calcolo elevata per prototipazione, fine-tuning e inferenza su modelli di intelligenza artificiale, oltre che per rendering e content creation. Al suo cuore batte l'AMD Ryzen 9 9950X3D2 Dual Edition, il primo processore desktop al mondo con doppia 3D V-Cache di seconda generazione su entrambi i CCD, abbinato a 128GB di memoria DDR5 e a una GPU NVIDIA GeForce RTX 5090 con 32GB di VRAM GDDR7 in versione ASUS ROG Astral OC. Una configurazione no-compromise per i carichi di lavoro AI più impegnativi.

Ogni sistema viene configurato, assemblato e validato a mano nei laboratori Drako prima della spedizione, con l'intero software stack AI già installato e operativo — PyTorch, TensorFlow, Docker, CUDA, cuDNN, vLLM, Hugging Face, DeepSpeed e altri framework sono pronti fin dal primo avvio. Questo approccio «ship-ready» consente di iniziare a lavorare dal giorno uno, senza perdere tempo in configurazioni manuali o in conflitti di versione tra driver, CUDA e librerie.

La RTX 5090, con 32GB di GDDR7 e Tensor Core di quinta generazione con supporto nativo FP4, consente di eseguire localmente LLM fino a ~30 miliardi di parametri con piena fluidità e modelli fino a 70B tramite quantizzazione a 4-bit, oltre al fine-tuning con tecniche LoRA e QLoRA. La doppia 3D V-Cache della CPU (208MB di cache totale) elimina l'asimmetria delle generazioni precedenti, offrendo a tutti i 16 core lo stesso accesso alla cache ad alta velocità: un vantaggio concreto nei carichi multi-thread come compilazione, simulazioni e data preprocessing. La Drako PRO Prime AI Workstation è la macchina ideale per chi vuole sviluppare, addestrare e mettere in produzione soluzioni AI on-premises in un form factor da scrivania, mantenendo dati e modelli sotto il proprio controllo.

• Software stack preinstallato: PyTorch, TensorFlow, Docker, CUDA, cuDNN, vLLM, Hugging Face, DeepSpeed, Triton Inference Server, ONNX Runtime, Jupyter, RAPIDS, NGC Containers (ambiente Linux completo via WSL2)
• Casi d'uso principali: Fine-tuning (LoRA, QLoRA)
  Inferenza e model serving on-premises
  RAG e AI assistant deployment
  NLP e LLM locali (fino a ~30B fluidi, fino a 70B con quantizzazione 4-bit)
  Computer Vision (classificazione, object detection, segmentazione)
  Rendering, 3D e content creation
  Ricerca e prototipazione
• Configurazione: Personalizzabile (CPU, memoria, storage, GPU) su richiesta
• Validazione: Sistema assemblato, configurato e testato presso Drako prima della spedizione