Introducción a las características del ASUS Ascent GX10
Impulsado por el integrado de sobremesa más poderoso de NVIDIA, ASUS introduce su estación de trabajo de sobremesa para IA más compacta. Aúnan toda su experiencia en la fabricación de algunos de los MiniPCs más completos y elaborados del mercado para ofrecer una experiencia completamente personalizada sobre esta creación de NVIDIA. Hoy dedicamos esta review a una de las piezas de hardware mas interesaantes del año, el NVIDIA DGX Spark, interpretado por ASUS en este fantástico ASUS Ascent GX10.
Aunque sin duda su orientación es clara hacia la experimentación y desarrollo local de IA, donde ofrece prestaciones excelentes, yo me he encontrado con una máquina de ensueño para todo tipo de desarrolladores ya que aúna formato, conectividad, experiencia de uso y un potente procesador acompañado de un entorno de software basado en Ubuntu que NVIDIA ha trabajado de maravilla para todo su ecosistema de IA.
Este dispositivo podemos usarlo tanto como “ordenador de sobremesa” como acelerador de IA local de bajo consumo y capacidad para probar y desarrollar modelos avanzados con soporte para los modelos más complejos gracias a su combinación de potencia de GPU, conectividad sobresaliente y una magnífica capacidad de RAM unificada accesible tanto para la CPU como para la GPU. La verdad es que la única condición desfavorable de este modelo es su precio, 3.800 euros, que solo cierto tipo de profesionales podrán amortizar adecuadamente.
Características técnicas de la ASUS Ascent GX10
- Arquitectura: NVIDIA Grace Blackwell
- GPU: Arquitectura NVIDIA Blackwell
- CPU: 20 núcleos Arm (10× Cortex-X925 + 10× Cortex-A725)
- Núcleos CUDA: Generación NVIDIA Blackwell
- Núcleos Tensor: 5ª generación
- Núcleos RT: 4ª generación
- Rendimiento Tensor: 1 petaFLOP FP4 disperso (sparse)
- Memoria del sistema: 128 GB LPDDR5x (Memoria unificada)
- Interfaz de memoria: 256 bits
- Ancho de banda de memoria: 273 GB/s
- Almacenamiento: 4 TB NVMe M.2 (autocifrado)
- USB: 4× USB 3.2 Tipo-C (20 Gbps)
- Ethernet: 1× RJ-45 (10 GbE)
- NIC: ConnectX-7 Smart NIC
- Wi-Fi: Wi-Fi 7
- Bluetooth: Bluetooth 5.4
- Salida de audio: Salida de audio HDMI multicanal
- Consumo máximo: Toma de corriente estándar, adaptador de 240 W
- Conectores de pantalla: 1× HDMI 2.1a
- NVENC / NVDEC: 1× | 1×
- Sistema operativo: NVIDIA DGX OS
- Dimensiones del sistema: 150 mm (L) × 150 mm (A) × 50.5 mm (H)
- Peso del sistema: 1.2 kg
- Nota: El rendimiento FP4 teórico usa sparsity.
NVIDIA GB10 Grace Blackwell Superchip basado en NVIDIA DGX Spark
El NVIDIA Spark DGX es un sistema compacto con el que NVIDIA espera acercar la experiencia de sus soluciones para datacenter a la mesa del escritorio de cualquier analista o desarrollador. Está basado en NVIDIA Grace Blackwell, que combina una potente CPU convencional basada en ARM con una GPU con arquitectura NVIDIA Blackwell.
La idea es combinar eficiencia energética y conectividad de última generación. En su núcleo integra una Grace CPU Arm de 20 núcleos (diseñada en colaboración con Mediatek), compuesta por 10 Cortex-X925 y 10 Cortex-A725 en una estructura big.LITTLE de altas prestaciones. El X925 es una arquitectura de alto rendimiento, de los diseños más recientes de ARM, optimizado para un proceso de fabricación de 3 nm y está pensado para dar vida a dispositivos móviles y PCs basados en ARM.
Los A725 son el contrapunto eficiente, pero a la vez con un importante número de núcleos para una alta capacidad de proceso en paralelo; hace de esta plataforma un sistema tremendamente ágil incluso sin la necesidad de echar mano de sus núcleos de más consumo. Esta combinación proporciona lo mejor de dos mundos en una unidad donde los 240 W de consumo máximo se dedican fundamentalmente a dar vida a una GPU de altas prestaciones, al menos para el formato compacto que nos encontramos en esta unidad.
| Característica | Cortex-X925 (10×) | Cortex-A725 (10×) |
|---|---|---|
| Núcleos (ejemplo) | 10 núcleos X925 (configuración solicitada) | 10 núcleos A725 (configuración solicitada) |
| Nodo de fabricación | Diseñado para aprovechar procesos avanzados (referencias con 3 nm en demos). | Diseñado para procesos avanzados (3 nm en referencias de lanzamiento). |
| Frecuencia típica / pico (observada en demos) | Objetivo ~3.6–3.8 GHz (picos en implementaciones de referencia). | Frecuencias menores que X925, optimizadas para rendimiento sostenido (depende SoC). |
| Cache L1 (por núcleo) | L1 I/D estándar por núcleo (implementación vendor-determinada). | L1 I/D estándar por núcleo (implementación vendor-determinada). |
| Cache L2 (por núcleo) | Ejemplos de referencia: 2 MB por núcleo (Arm indica hasta ~2–3 MB L2 en demos/refs). | Nueva opción típica: 1 MB L2 por núcleo (Arm dobla L2 respecto a A720 en algunas configs). |
| Cache L3 / SLC (compartida) | SoC típicos muestran L3 compartida grande (ej. 16 MB L3 / 32 MB SLC en demos de referencia); configurable por vendor. | Comparte L3 del cluster (mejoras en tráfico L3 anunciadas para A725). |
| PCIe (conectividad) | Los núcleos CPU no integran PCIe — la conectividad PCIe la proporciona el SoC (controladores/CHIPs del integrador), no el core Arm en sí. | Igual que X925: PCIe es función del SoC / interconexión, no del core. |
| Vector / FPU | SVE / SVE2 soportados — buenas capacidades vectoriales para IA ligera en CPU. | SVE / SVE2 soportados; optimizado para eficiencia en cargas vectoriales sostenidas. |
| DSU / límite práctico de núcleos | Arm DSU y topologías públicas suelen documentar límites prácticos (p. ej. referencias comerciales muestran clusters hasta 14 núcleos en ciertas DSU). Una DSU estándar puede no soportar «out-of-the-box» 20 núcleos en un único cluster — depende del integrador del SoC. | Ver columna izquierda — la combinación 10+10 (20 núcleos) es viable a nivel conceptual, pero depende del diseño SoC/DSU del vendor. |
| Consumo / uso práctico | Alto consumo en picos (picos de frecuencia). Ideal para tareas latency-sensitive y single-thread peak. | Diseñado para rendimiento sostenido por vatio; ideal para background y throughput eficiente. |
| Notas prácticas | Datos mostrados son orientativos — caches, frecuencias exactas y presencia de interfaces (PCIe, controladores de memoria, NVMe, etc.) se fijan en el SoC final por el fabricante (Samsung, MediaTek, Qualcomm, etc.). | |
La GPU Blackwell GB10 ofrece 6.144 motores CUDA y RT Cores de cuarta generación y Tensor Cores de quinta generación con 48 y 384 unidades respectivamente. Está lejos, no nos engañemos, de las GPU dedicadas más potentes de la marca; podemos fijarnos en los más de 20.000 motores CUDA, 680 Tensor Cores y 170 RT Cores de la RTX 5090, pero sí es la GPU integrada más potente del mercado, al menos de las claramente orientadas a proceso de IA. Tiene una potencia, sobre el papel, de 1 petaFLOP FP4 con “sparsity”.
Todo esto fundamenta una máquina de gran rendimiento para su formato, pero lo que realmente la habilita a usarse como un dispositivo local muy avanzado para IA es su memoria. Esta unidad, y por tanto todas las basadas en NVIDIA DGX Spark, incorpora 128 GB de LPDDR5X unificada, compartida entre CPU y GPU, junto con una interfaz de memoria de 256 bits que alcanza un ancho de banda de 273 GB/s. Esto nos da acceso a modelos que una RTX 5090 no puede ejecutar ya que está limitada a 32 GB de VRAM.
Una supercomputadora de sobremesa
NVIDIA también ha cuidado el resto de los aspectos: soportan hasta 4 TB NVMe M.2 con autoencriptado. ASUS ofrece 1 TB en la configuración de serie, pero a la vez facilita la instalación de cualquier unidad PCI Express 4.0 de formato M.2 2242. Es lo único que podemos cambiar o mejorar; el resto va integrado.
Junto a la memoria, la conectividad del Spark DGX es el otro elemento que hace de este dispositivo una solución realmente sólida. Ofrece 4 puertos USB 3.2 Type-C a 20 Gbps, con entrada de potencia en uno de ellos, 240 W, y conectividad gráfica DisplayPort 2.1 en todos ellos, con soporte para hasta cuatro pantallas 8K. Adicionalmente encontraremos un puerto HDMI 2.1, también con soporte para pantallas de ultra alta definición.
Ofrece también Ethernet de 10 GbE y un ConnectX-7 Smart NIC (chipset dedicado), lo que nos permite usar enlaces SFP+ de hasta 100 Gbps en dos puertos, para un máximo de 200 Gbps mediante teaming. Por si nos parece poco, también cuenta con conectividad inalámbrica Wi-Fi 7 y Bluetooth 5.4, para una integración completa en cualquier entorno de trabajo, tanto delante del usuario conectado a pantallas de alta definición como en modo servidor remoto.
El sistema utiliza el NVIDIA DGX OS, una plataforma optimizada específicamente para entornos de computación enfocada a IA con todo un ecosistema ya instalado de serie, para poder trabajar con mínimo esfuerzo. El ecosistema es completo, con frameworks, ejemplos de uso, modelos preinstalados, etc.
En cuanto al formato físico, estamos hablando de una máquina que rivaliza en tamaño con los NUC o MiniPCs más compactos del mercado. La solución personalizada de ASUS, que cuenta con un diseño de disipación más completo y masivo que el del modelo de referencia de NVIDIA, mantiene el tamaño de 150 × 150 × 51 mm del modelo de referencia, pero es algo más pesada, pasando de los 1.200 a los 1.500 gramos.
La fuente de potencia es externa, en un diseño GaN de 240 W que no es más grande que otros cargadores de menos potencia y usa un puerto dedicado de potencia de tipo USB-C. Todo entra perfectamente en una mochila por si lo queremos llevar con nosotros; un par de pantallas USB-C y tenemos una estación de trabajo de alta capacidad en IA que podemos transportar con facilidad.
Experiencia como estación de trabajo
NVIDIA ha diseñado este dispositivo dentro de su ecosistema de IA para Linux; su sistema operativo está basado en Ubuntu y nos pone fácil todas las herramientas para echar a andar modelos de IA en pocos minutos y, además, el entorno es habitual para casi cualquier usuario y desarrollador, así que te sientes como en casa desde el primer minuto.
NVIDIA añade una consola de gestión, NVIDIA DGX Dashboard; nos hace fácil la monitorización, el acceso a la documentación y también mantener el entorno actualizado. Esto incluye todo el sistema operativo, drivers, frameworks, etc.
El soporte de Ubuntu es total, así que tenemos la capacidad de personalizar el uso de esta herramienta al nivel que queramos, y es un entorno de desarrollo potente que incluye Docker, QEMU, etc. Todo configurado de fábrica, con las compilaciones de kernel adecuadas y listo para funcionar.
Pero si no queremos usar el ASUS Ascent GX10 como estación de trabajo, también podemos usarlo como servidor de IA. NVIDIA Sync permite que cualquier ordenador, Mac, Windows o Linux, trabaje con la unidad DGX Spark como si estuviera en local, tal cual, lo que facilita mucho montar un entorno de desarrollo o depuración de modelos de IA. Usa tecnología MultiCAST para localizar tus unidades DGX Spark y usarlas como si estuvieran disponibles en tu máquina local.
Con NVIDIA Sync podemos usar NVIDIA AI Workbench, pero también otros IDE muy reconocidos como Visual Studio Code o Cursor, ambos aprovechando toda la capacidad de proceso de IA de la unidad remota. También podremos usar DGX Dashboard para administrar o monitorizar las unidades remotas.
Rendimiento general e IA
Además de pruebas ejecutando modelos LLM en diferentes formatos y número de diferentes tamaños, en miles de millones de parámetros, hemos querido también conocer de forma general el rendimiento de la CPU ARM diseñada en colaboración con MediaTek para esta unidad. Es importante porque es la base de los próximos dispositivos móviles que NVIDIA parece estar preparando con soporte para Windows 11 basado en ARM64.
Donde realmente brilla este ordenador compacto es en su gran capacidad de memoria RAM, 128 GB, que le permite ejecutar modelos muy complejos a la velocidad que lo haría una RTX 5070 de sobremesa, que por otro lado no podría en ningún caso hacerlo porque tiene un máximo de 16 GB de VRAM. Además, su conectividad de red es brillante, realmente avanzada, que es otro de los pilares que lo convierten en un buen aliado para ejecutar IA de forma local.
Geekbench 6 sobre ARM64 en Ubuntu Linux
Rendimiento modelos IA (Tokens/s)
Consumo (w)
Ruido (dBA)
Hemos utilizado tres modelos diferentes, alguno con 120.000 millones de parámetros, que pueden consumir hasta 100 GB de RAM del sistema. Tenemos entregas, dependiendo del modelo, de hasta 50 tokens por segundo; nada que envidiar a modelos ejecutados online, con hasta 20.000 millones de parámetros.
Entre los aspectos de uso general de la unidad, podemos advertir un consumo algo por debajo de los 240 W de su potencia máxima de la fuente de alimentación, y además es un dispositivo muy silencioso, con menos de 42 dBA en carga sostenida. Así que me parece una unidad magnífica para usarla en la mesa como estación de trabajo. Es más, sorprende que NVIDIA se haya sacado de la manga tan magnífico dispositivo con el que trabajar a diario.
Análisis y conclusión
El ASUS Ascent GX10 es hasta un 5% más rápido que el modelo de referencia de NVIDIA gracias a un sistema de refrigeración más elaborado que en el modelo de serie. Eso lo hace una alternativa interesante, teniendo en cuenta que las prestaciones generales son las mismas y el precio también muy similar, incluso algo inferior, y que en Europa será difícil acceder al modelo de referencia.
Dicho esto, a mí esta máquina me parece fantástica y no tiene competencia. Cualquier alternativa como el AMD Strix Halo Max+ 395 con la 8060s en su variante de 128 GB unificadas es hasta 4 veces más lenta en operaciones de IA que el DGX Spark. También es más económico, sin duda, pero no está preparado para un entorno exigente de conectividad de red y esta mini estación de trabajo sí lo está.
Es una máquina sorprendente, con un ecosistema sólido y bien trabajado, accesible para que cualquiera le pueda sacar partido con una curva de aprendizaje ligera, soportada por un buen paquete de software y un sistema operativo reconocible por cualquier investigador o desarrollador.
Su precio lo alejará del usuario común, pero los profesionales encontrarán un aliado interesante que pueden ejecutar para desarrollar y entrenar modelos de forma local, algo que muchas empresas empiezan a demandar a fin de implementar la IA de una forma controlada y segura. No se convertirá en tu próximo Datacenter pero lo acerca a tu mesa de trabajo.
Fin del Artículo. ¡Cuéntanos algo en los Comentarios!
- Producto: ASUS Ascent GX10
- Fecha: 30/11/2025 10:37:23
