De quoi s’agit-il

L’ASUS Ascent GX10 est un superordinateur IA personnel construit autour de la superpuce GB10 Grace Blackwell de NVIDIA — le même silicium qui équipe le DGX Spark de référence de NVIDIA. Il associe un CPU Grace Arm v9.2 20 cœurs à un GPU Blackwell sur un seul boîtier, reliés par NVLink-C2C, et les alimente tous deux depuis un pool partagé de 128 Go 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 un modèle de 200 milliards de paramètres en local.

Ce n’est pas un mini-PC polyvalent, et il ne faut pas l’acheter comme tel. Il tourne sous NVIDIA DGX OS — une version Arm d’Ubuntu Linux — pas Windows. Sa raison d’être, c’est l’IA locale : fine-tuning, inférence et prototypage de modèles qui nécessiteraient autrement une instance GPU dans le cloud. Ce qui rend le GX10 digne d’un examen plus poussé, c’est le prix. À 2 999 $ pour la configuration 1 To, c’est le point d’entrée le plus agressivement tarifé de la classe GB10 à ce jour — sous-cotant 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 tour de force phare du GX10 est de loger de grands modèles dans un seul espace mémoire cohérent. Avec 128 Go 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 LLM locale — faites tourner des modèles quantifiés jusqu’à ~200 milliards de paramètres sans toucher au cloud. Dans les tests vLLM de StorageReview, GPT-OSS-120B a servi à environ 45–680 tokens/s selon la forme de la charge, et Llama 3.1 8B FP4 a atteint jusqu’à ~2 750 tokens/s sur les exécutions à dominante prefill.
  • Fine-tuning et travail LoRA — le pool de 128 Go vous donne la marge pour affiner des modèles de taille moyenne qui ne tiennent pas sur une carte dédiée de 24 Go, voire 32 Go.
  • Environnement de développement IA — DGX OS est livré avec CUDA, PyTorch, TensorFlow, Jupyter, TensorRT, les microservices NVIDIA NIM et Ollama préchargés. Pour un développeur qui veut une machine CUDA sous le bureau plutôt qu’une facture cloud, cette pile prête à l’emploi est le véritable argument de vente.
  • Clustering à deux nœuds — le NIC ConnectX-7 embarqué permet de câbler ensemble deux unités GX10 sur un seul lien QSFP 200 Gbps et de faire tourner des modèles jusqu’à 405 milliards de paramètres (Llama 3.1 405B) sur la paire.

Si votre intérêt porte sur du travail de création généraliste ou des tâches bureautiques, le GX10 peut le faire — mais vous paieriez le prix d’un superordinateur pour faire tourner un bureau Arm Linux. Pour ce public, une machine x86 comme le Framework Desktop ou une machine Strix Halo faisant tourner des modèles 70B a bien plus de sens.

La superpuce GB10 et la mémoire unifiée

Le GB10 est le cœur de l’histoire. Le CPU Grace 20 cœurs gère l’orchestration et la préparation des données ; le GPU Blackwell, avec ses Tensor Cores de cinquième génération et le FP4 natif, fait 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 pas de goulot d’étranglement PCIe pour transférer les tenseurs entre la mémoire du CPU et celle du GPU. Tout n’est qu’un seul espace d’adressage cohérent.

C’est cette architecture qui permet à une machine aussi petite de prétendre faire tourner des modèles de 200 milliards de paramètres quand une RTX 5090 de bureau, avec ses 32 Go de GDDR7, ne peut tout simplement pas les contenir. Le compromis, c’est la bande passante, sur laquelle nous reviendrons plus bas.

Conception, connectique et clustering

ASUS a clairement étudié le design de référence et l’a amélioré. Le GX10 utilise un châssis aluminium plutôt que le plastique du DGX Spark, ajoute des aérations sur le dessous et l’arrière, et déplace le bouton d’alimentation à l’avant — un détail anodin jusqu’à ce que vous gériez une pile d’unités en cluster. Le refroidissement est assuré par trois ventilateurs et une double chambre à vapeur avec contrôle sur sept niveaux, et l’unité a passé plusieurs tests MIL-STD 810H. Elle a même décroché un Taiwan Excellence Award 2026 pour son design.

La connectique est orientée vers une station de travail IA, pas vers un PC multimédia :

  • NIC NVIDIA ConnectX-7 — double port QSFP 200 Gbps pour le clustering scale-out, plus LAN 10 GbE
  • 4× USB-C (20 Gbps, mode alt DisplayPort 2.1) ; l’un d’eux fait aussi entrée d’alimentation Power Delivery 180W EPR
  • HDMI 2.1b, Wi-Fi 7, Bluetooth 5.4, emplacement antivol Kensington
  • Alimentation USB-C 240W

Bande passante mémoire : le plafond réel

Voici la partie honnête. La bande passante mémoire du GX10 mesure environ 273 Go/s (LPDDR5x à 8533 MT/s). C’est énorme comparé à un CPU, mais c’est une fraction de ce que délivre un GPU dédié — une RTX 5090 dépasse largement les 1,7 To/s. Pour la génération de tokens des LLM, qui est limitée par la bande passante mémoire, ce plafond est le facteur limitant, pas le calcul du GPU Blackwell.

Concrètement, cela signifie que le GX10 excelle à contenir un énorme modèle et au service à dominante prefill/débit, mais que la génération de tokens interactive en flux unique sur de grands modèles paraîtra modeste à côté d’un GPU dédié haut de gamme faisant tourner 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 face à une 5090 sur un modèle qui tient dans 32 Go. StorageReview a constaté que le GX10 suivait de près tous les autres systèmes de classe Spark, puisqu’ils partagent tous le même silicium de base — les différences entre fabricants tiennent au châssis, au refroidissement, au SSD et au prix, pas à la vitesse brute.

ASUS Ascent GX10 vs NVIDIA DGX Spark

Ils font tourner la même superpuce GB10, les mêmes 128 Go de mémoire unifiée et la même bande passante de 273 Go/s, si bien que les performances IA sont effectivement identiques. L’argument du GX10, c’est tout ce qui entoure la puce : un châssis métallique, un refroidissement plus élaboré à trois ventilateurs/chambre à vapeur, un bouton d’alimentation à l’avant et — surtout — un prix d’entrée plus bas. Si vous choisissez entre des machines de classe Spark, vous choisissez sur la qualité de fabrication, le niveau de stockage et le coût.

Prix et où l’acheter

L’Ascent GX10 se décline en trois niveaux, distingués par le stockage :

  • 2 999 $ — 1 To NVMe PCIe Gen4 (le choix rapport qualité-prix, ~333 $/To à l’entrée)
  • 3 499 $ — 2 To NVMe PCIe Gen4
  • 3 999 $ — 4 To NVMe PCIe Gen5

Les trois embarquent la même superpuce GB10 et les mêmes 128 Go de mémoire ; vous ne payez que pour la capacité SSD et, au niveau supérieur, un disque Gen5 plus rapide. Pour la plupart des acheteurs, le modèle 1 To à 2 999 $ est l’entrée la plus avisée — c’est la façon la moins chère d’accéder à l’écosystème GB10, et les modèles se chargent depuis le stockage assez vite pour que le disque Gen4 goulotte rarement l’inférence. Le niveau 4 To Gen5 n’a de sens que si vous jonglez avec de nombreux gros checkpoints de modèles en local.

Ce que nous signalerions

C’est un produit solide pour sa niche, mais il mérite quelques réserves honnêtes :

  • C’est un appareil de développement Linux, pas un bureau. DGX OS est de l’Ubuntu Arm. Si vous attendez une machine Windows, ce n’est pas ça.
  • Les 273 Go/s sont le goulot d’étranglement. La génération de tokens sur de grands modèles est limitée par la bande passante ; n’attendez pas l’interactivité d’un GPU dédié. Achetez-le pour la capacité, pas pour la vitesse brute.
  • Le modèle 1 To livre un SSD Gen4 aux vitesses d’écriture relativement lentes — correct pour l’inférence, moins idéal si vous écrivez constamment de gros checkpoints.
  • Les températures montent en pics. StorageReview a vu le CPU culminer à 87,3 °C et le GPU à 82 °C lors de pics à dominante prefill, même s’il s’est stabilisé en charge soutenue. Le refroidissement à trois ventilateurs gère, mais c’est une petite machine qui chauffe sous contrainte.
  • C’est un investissement à usage unique. À 3 000 $ et plus, cela n’a de sens que si l’IA locale est réellement votre charge de travail. Si vous êtes plus simplement curieux des LLM locaux, un mini-PC Strix Halo, un Mac mini M4 Pro ou même les options NPU/iGPU que nous avons décrites sont des points de départ bien moins chers.

Verdict

L’ASUS Ascent GX10 est la manière la plus sensée d’accéder à la plateforme GB10 Grace Blackwell de NVIDIA en ce moment. Il fait tourner le même silicium que le DGX Spark, loge 128 Go de mémoire unifiée et une pile de développement CUDA complète dans une boîte en aluminium de la taille d’un livre, et se met en cluster avec une seconde unité pour du travail à 405 milliards de 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, c’est la capacité de contenir et de développer face à de très grands modèles en local, avec une pile logicielle NVIDIA clé en main et le clustering intégré. Ce n’est pas un foudre de guerre pour la génération interactive — les 273 Go/s de bande passante mémoire y veillent — et ce n’est pas un PC polyvalent. Mais si vous êtes développeur IA, chercheur ou créateur qui veut 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.