De quoi s’agit-il

L’ASUS Ascent GX10 est un supercalculateur IA personnel construit autour de la superpuce NVIDIA GB10 Grace Blackwell, le même silicium que celui du DGX Spark de référence de NVIDIA. Il associe un CPU Grace Arm v9.2 à 20 cœurs et un GPU Blackwell sur un même boîtier, reliés par NVLink-C2C, et alimente les deux à partir d’un pool partagé de 128 GB de mémoire unifiée LPDDR5x. Dans un châssis de la taille d’un livre relié (150 × 150 × 51 mm), ASUS a logé environ 1 PetaFLOP de calcul FP4 et assez de mémoire pour charger en local un modèle de 200 milliards de paramètres.

Ce n’est pas un mini PC généraliste, et il ne faut pas l’acheter comme tel. Il tourne sous NVIDIA DGX OS (une version Arm d’Ubuntu Linux), et non sous Windows. Sa raison d’être est l’IA en local : le fine-tuning, l’inférence et le prototypage de modèles qui nécessiteraient sinon une instance GPU dans le cloud. Ce qui justifie d’examiner le GX10 de plus près, c’est son prix. À $2,999 pour la configuration 1 TB, c’est à ce jour le point d’entrée le plus agressif de la catégorie GB10, moins cher que le DGX Spark de référence tout en ajoutant un châssis métallique et un meilleur refroidissement.

À quoi il sert : IA locale et développement de LLM

Le grand atout du GX10 est de faire tenir de grands modèles dans un espace mémoire cohérent unique. Avec 128 GB de LPDDR5x unifiée, le CPU et le GPU partagent un même pool, ce qui permet de charger des modèles qui ne tiendraient jamais dans la VRAM d’un GPU grand public :

  • Inférence de LLM en local : exécutez des modèles quantifiés jusqu’à ~200B paramètres sans passer par le cloud. Dans les tests vLLM de StorageReview, GPT-OSS-120B a été servi à environ 45–680 tokens/s selon le profil de charge, et Llama 3.1 8B en FP4 a atteint jusqu’à ~2,750 tokens/s sur des exécutions dominées par le prefill.
  • Fine-tuning et LoRA : le pool de 128 GB offre la marge nécessaire pour affiner des modèles de taille moyenne qui ne tiendraient pas sur une carte dédiée de 24 GB, ni même de 32 GB.
  • Environnement de développement IA : DGX OS est livré avec CUDA, PyTorch, TensorFlow, Jupyter, TensorRT, les microservices NVIDIA NIM et Ollama préinstallés. Pour un développeur qui veut une machine CUDA sous son bureau plutôt qu’une facture cloud, cette pile logicielle prête à l’emploi est le véritable argument de vente.
  • Cluster à deux nœuds : la carte réseau ConnectX-7 intégrée permet de relier deux unités GX10 par un seul lien QSFP à 200 Gbps et d’exécuter des modèles jusqu’à 405B paramètres (Llama 3.1 405B) répartis sur la paire.

Si vous visez de la création généraliste ou de la bureautique, le GX10 peut s’en charger, mais vous paieriez le prix d’un supercalculateur pour faire tourner un bureau Linux sur Arm. Pour ce public, une machine x86 comme le Framework Desktop ou une machine Strix Halo capable d’exécuter des modèles 70B est bien plus pertinente.

La superpuce GB10 et la mémoire unifiée

La GB10 est au cœur du sujet. Le CPU Grace à 20 cœurs gère l’orchestration et la préparation des données ; le GPU Blackwell, avec ses Tensor Cores de cinquième génération et le FP4 natif, assure le gros du travail jusqu’à 1,000 TOPS. Comme les deux sont reliés par NVLink-C2C (NVIDIA annonce environ cinq fois la bande passante du PCIe 5.0 entre eux), il n’y a aucun goulet d’étranglement PCIe pour faire transiter les tenseurs entre la mémoire du CPU et celle du GPU. Tout se trouve dans un seul espace d’adressage cohérent.

C’est cette architecture qui permet à une machine aussi petite d’exécuter des modèles de 200B paramètres, là où une RTX 5090 de bureau, avec ses 32 GB de GDDR7, ne peut tout simplement pas les contenir. La contrepartie est la bande passante, sur laquelle nous reviendrons plus bas.

Construction, connectique et cluster

ASUS a manifestement étudié le design de référence et l’a amélioré. Le GX10 utilise un châssis en aluminium plutôt que le plastique du DGX Spark, ajoute des aérations sur le dessous et à l’arrière, et place le bouton d’alimentation en façade, un détail qui prend tout son sens quand on gère une pile d’unités en cluster. Le refroidissement est assuré par trois ventilateurs et une double chambre à vapeur avec un contrôle sur sept niveaux, et l’unité a passé plusieurs tests MIL-STD 810H. Elle a même remporté un Taiwan Excellence Award 2026 pour son design.

La connectique est pensée pour une station de travail IA, pas pour un PC multimédia :

  • Carte réseau NVIDIA ConnectX-7 : double port QSFP 200 Gbps pour le scale-out en cluster, plus un LAN 10 GbE
  • 4× USB-C (20 Gbps, mode alternatif DisplayPort 2.1) ; l’un d’eux sert aussi d’entrée d’alimentation EPR 180W
  • HDMI 2.1b, Wi-Fi 7, Bluetooth 5.4, encoche antivol Kensington
  • Alimentation USB-C 240W

Bande passante mémoire : le vrai plafond

Venons-en à la partie honnête. La bande passante mémoire du GX10 se mesure autour de 273 GB/s (LPDDR5x à 8533 MT/s). C’est énorme comparé à un CPU, mais ce n’est qu’une fraction de ce que délivre un GPU dédié : une RTX 5090 dépasse largement 1.7 TB/s. Pour la génération de tokens des LLM, limitée par la bande passante mémoire, c’est ce plafond qui bride les performances, et non la puissance de calcul du GPU Blackwell.

Concrètement : le GX10 excelle à contenir un modèle énorme et à servir des charges dominées par le prefill et le débit, mais la génération interactive de tokens en flux unique sur de grands modèles paraîtra modeste face à un GPU dédié haut de gamme exécutant un modèle assez petit pour tenir dans sa VRAM. Le GX10 l’emporte quand le modèle est trop gros pour tenir ailleurs ; il ne gagne pas une course aux tokens par seconde contre une 5090 sur un modèle qui tient dans 32 GB. StorageReview a constaté que le GX10 se comporte de manière très proche de tous les autres systèmes de classe Spark, puisqu’ils partagent tous un silicium identique ; les différences entre fabricants se jouent sur le châssis, le refroidissement, le SSD et le prix, pas sur la vitesse brute.

ASUS Ascent GX10 vs NVIDIA DGX Spark

Ils utilisent la même superpuce GB10, les mêmes 128 GB de mémoire unifiée et la même bande passante de 273 GB/s : les performances IA sont donc pratiquement identiques. Les arguments du GX10 tiennent à tout ce qui entoure la puce : un châssis métallique, un refroidissement plus élaboré à trois ventilateurs et chambre à vapeur, un bouton d’alimentation en façade et, surtout, un prix d’entrée plus bas. Si vous hésitez entre plusieurs machines de classe Spark, vous choisissez sur la qualité de fabrication, la capacité de stockage et le prix. À lire aussi : nos tests du MSI EdgeXpert MS-C931 et du GIGABYTE AI TOP ATOM.

Prix et où l’acheter

L’Ascent GX10 est proposé en trois versions, qui ne diffèrent que par le stockage :

  • $2,999 : NVMe PCIe Gen4 de 1 TB (le meilleur rapport qualité-prix, ~$333/TB en entrée de gamme)
  • $3,499 : NVMe PCIe Gen4 de 2 TB
  • $3,999 : NVMe PCIe Gen5 de 4 TB

Les trois embarquent la même superpuce GB10 et 128 GB de mémoire ; vous ne payez que la capacité du SSD et, sur la version haut de gamme, un disque Gen5 plus rapide. Pour la plupart des acheteurs, le modèle 1 TB à $2,999 est l’entrée la plus judicieuse : c’est le moyen le moins cher d’accéder à l’écosystème GB10, et les modèles se chargent depuis le stockage assez vite pour que le SSD Gen4 bride rarement l’inférence. La version 4 TB Gen5 ne se justifie que si vous jonglez en local avec de nombreux checkpoints de grands modèles.

Nos réserves

C’est un produit solide dans sa niche, mais il mérite quelques mises en garde honnêtes :

  • C’est un appareil de développement sous Linux, pas un PC de bureau. DGX OS est un Ubuntu pour Arm. Si vous attendez une machine Windows, ce n’est pas la bonne.
  • Les 273 GB/s sont le goulet d’étranglement. La génération de tokens sur les grands modèles est limitée par la bande passante ; n’attendez pas la réactivité d’un GPU dédié. Achetez-le pour la capacité, pas pour la vitesse brute.
  • Le modèle 1 TB est livré avec un SSD Gen4 aux vitesses d’écriture relativement lentes. C’est suffisant pour l’inférence, moins idéal si vous écrivez sans cesse de gros checkpoints.
  • Les températures grimpent par à-coups. StorageReview a relevé un pic à 87.3°C pour le CPU et à 82°C pour le GPU lors de pointes dominées par le prefill, avant une stabilisation en charge prolongée. Le refroidissement à trois ventilateurs encaisse, mais c’est une petite machine qui chauffe sous la contrainte.
  • C’est un investissement à usage unique. À plus de $3,000, il ne se justifie que si l’IA locale est réellement votre charge de travail. Si les LLM en local vous intéressent de façon plus occasionnelle, un mini PC Strix Halo, un Mac mini M4 Pro, ou même les options NPU/iGPU que nous avons étudiées sont des points de départ bien moins chers.

Verdict sur l’ASUS Ascent GX10

L’ASUS Ascent GX10 est actuellement la façon la plus raisonnable d’accéder à la plateforme GB10 Grace Blackwell de NVIDIA. Il utilise le même silicium que le DGX Spark, loge 128 GB de mémoire unifiée et une pile de développement CUDA complète dans un boîtier en aluminium de la taille d’un livre, et se relie à une seconde unité pour travailler sur des modèles de 405B paramètres, le tout à partir de $2,999, le prix d’entrée le plus bas de sa catégorie.

Achetez-le simplement pour la bonne raison. Sa valeur réside dans la capacité à contenir de très grands modèles et à développer avec eux en local, avec une pile logicielle NVIDIA clés en main et le clustering intégré. Ce n’est pas un foudre de guerre en génération interactive (la bande passante mémoire de 273 GB/s y veille), et ce n’est pas un PC généraliste. Mais si vous êtes développeur, chercheur ou créateur en IA et que vous voulez une station de travail Grace Blackwell personnelle sans louer de GPU dans le cloud, le GX10 est la machine GB10 à placer en tête de liste.