이것은 무엇인가

ASUS Ascent GX10은 NVIDIA의 GB10 Grace Blackwell 슈퍼칩을 중심으로 구축된 개인용 AI 슈퍼컴퓨터로 — NVIDIA의 레퍼런스 DGX Spark을 구동하는 바로 그 실리콘입니다. 20코어 Arm v9.2 Grace CPU와 Blackwell GPU를 단일 패키지에 짝짓고 NVLink-C2C로 연결하며, 양쪽 모두를 공유된 128 GB LPDDR5x 통합 메모리 풀로 공급합니다. 양장본 책 크기의 섀시(150 × 150 × 51 mm)에 ASUS는 약 1 PetaFLOP의 FP4 연산과 2,000억 파라미터 모델을 로컬에서 로드하기에 충분한 메모리를 담았습니다.

이것은 범용 미니 PC가 아니며, 그렇게 쇼핑해서도 안 됩니다. Windows가 아니라 NVIDIA DGX OS — Ubuntu Linux의 Arm 빌드 — 를 실행합니다. 존재 이유는 로컬 AI입니다: 그렇지 않으면 클라우드 GPU 인스턴스가 필요할 모델의 파인튜닝, 추론, 프로토타이핑. GX10을 더 자세히 볼 가치가 있게 만드는 것은 가격입니다. 1 TB 구성에 $2,999로, 지금까지 GB10 등급으로 가는 가장 공격적인 가격의 진입점입니다 — 레퍼런스 DGX Spark을 가격에서 앞지르면서 금속 섀시와 더 나은 냉각을 더했습니다.

무엇에 적합한가: 로컬 AI 및 LLM 개발

GX10의 핵심 기술은 큰 모델을 단일 코히어런트 메모리 공간에 담는 것입니다. 128 GB 통합 LPDDR5x로 CPU와 GPU가 하나의 풀을 공유하므로, 소비자용 GPU의 VRAM에는 결코 들어가지 않을 모델을 로드할 수 있습니다:

  • 로컬 LLM 추론 — 클라우드를 건드리지 않고 최대 약 200B 파라미터의 양자화 모델을 실행. StorageReview의 vLLM 테스트에서 GPT-OSS-120B는 워크로드 형태에 따라 대략 45~680 토큰/초로 서빙되었고, Llama 3.1 8B FP4는 prefill 위주 실행에서 최대 약 2,750 토큰/초에 도달했습니다.
  • 파인튜닝 및 LoRA 작업 — 128 GB 풀은 24 GB나 심지어 32 GB 외장 카드에 들어가지 않는 중간 크기 모델을 파인튜닝할 여유를 줍니다.
  • AI 개발 환경 — DGX OS는 CUDA, PyTorch, TensorFlow, Jupyter, TensorRT, NVIDIA NIM 마이크로서비스, Ollama가 사전 로드되어 출하됩니다. 클라우드 청구서가 아니라 책상 아래 사는 CUDA 박스를 원하는 개발자에게, 그 개봉 직후 스택이 진짜 판매 포인트입니다.
  • 2노드 클러스터링 — 온보드 ConnectX-7 NIC로 두 대의 GX10 유닛을 단일 200 Gbps QSFP 링크로 케이블 연결하고, 그 쌍에 걸쳐 최대 405B 파라미터 모델(Llama 3.1 405B)을 실행할 수 있습니다.

관심사가 일반 크리에이터 작업이나 사무 업무라면, GX10이 할 수는 있지만 — Arm Linux 데스크톱을 돌리는 데 슈퍼컴퓨터 값을 치르게 됩니다. 그런 사용자에게는 Framework Desktop 같은 x86 박스나 70B 모델을 돌리는 Strix Halo 머신이 훨씬 합리적입니다.

GB10 슈퍼칩과 통합 메모리

GB10이 이야기의 핵심입니다. 20코어 Grace CPU는 오케스트레이션과 데이터 준비를 처리하고, 5세대 Tensor Core와 네이티브 FP4를 갖춘 Blackwell GPU가 최대 1,000 TOPS로 무거운 작업을 담당합니다. 둘이 NVLink-C2C로 연결되어 있기 때문에 — NVIDIA는 둘 사이에 PCIe 5.0의 약 다섯 배 대역폭을 제시합니다 — CPU와 GPU 메모리 사이에서 텐서를 셔틀하는 PCIe 병목이 없습니다. 모두 하나의 코히어런트 주소 공간입니다.

이 아키텍처가 바로 이렇게 작은 박스가 200B 파라미터 모델을 돌린다고 주장할 수 있는 이유이며, 32 GB GDDR7을 가진 데스크톱 RTX 5090은 그것을 담을 수 없습니다. 절충점은 대역폭인데, 아래에서 다루겠습니다.

빌드, 연결성, 클러스터링

ASUS는 분명 레퍼런스 디자인을 연구하고 개선했습니다. GX10은 DGX Spark의 플라스틱이 아닌 알루미늄 섀시를 사용하고, 하단과 후면에 통풍구를 추가하며, 전원 버튼을 전면으로 옮겼습니다 — 클러스터링된 유닛 스택을 관리하기 전까지는 사소한 것입니다. 냉각은 7단계 제어가 가능한 3개 팬과 듀얼 베이퍼 챔버로 처리되며, 유닛은 여러 MIL-STD 810H 테스트를 통과했습니다. 디자인으로 2026 Taiwan Excellence Award까지 받았습니다.

연결성은 미디어 PC가 아니라 AI 워크스테이션을 향합니다:

  • NVIDIA ConnectX-7 NIC — 스케일아웃 클러스터링용 듀얼 200 Gbps QSFP 포트, 그리고 10 GbE LAN
  • 4× USB-C (20 Gbps, DisplayPort 2.1 alt 모드); 하나는 180W EPR 파워 딜리버리 입력 겸용
  • HDMI 2.1b, Wi-Fi 7, Bluetooth 5.4, Kensington 락 슬롯
  • 240W USB-C 전원 공급 장치

메모리 대역폭: 현실 세계의 한계

여기 솔직한 부분이 있습니다. GX10의 메모리 대역폭은 약 273 GB/s(8533 MT/s의 LPDDR5x)로 측정됩니다. CPU에 비하면 어마어마하지만, 외장 GPU가 제공하는 것의 일부에 불과합니다 — RTX 5090은 1.7 TB/s를 훌쩍 넘깁니다. 메모리 대역폭에 묶이는 LLM 토큰 생성에서는, Blackwell GPU의 연산이 아니라 그 한계가 제한 요소입니다.

실제로 그것이 의미하는 바: GX10은 거대한 모델을 담는 데와 prefill/처리량 위주 서빙에 탁월하지만, 큰 모델에서의 대화형 단일 스트림 토큰 생성은 VRAM에 들어갈 만큼 작은 모델을 돌리는 하이엔드 외장 GPU 옆에서는 평범하게 느껴질 것입니다. GX10은 모델이 다른 어디에도 들어가지 않을 만큼 클 때 이깁니다; 32 GB에 들어가는 모델에서 5090과의 초당 토큰 경주에서는 이기지 못합니다. StorageReview는 GX10이 다른 모든 Spark 급 시스템과 긴밀하게 추적함을 발견했는데, 모두 동일한 코어 실리콘을 공유하기 때문입니다 — 벤더 간 차이는 순수 속도가 아니라 섀시, 냉각, SSD, 가격으로 귀결됩니다.

ASUS Ascent GX10 vs NVIDIA DGX Spark

둘은 같은 GB10 슈퍼칩, 같은 128 GB 통합 메모리, 같은 273 GB/s 대역폭을 돌리므로 AI 성능은 사실상 동일합니다. GX10의 자기 어필은 칩 주변의 모든 것입니다: 금속 섀시, 더 정교한 3팬/베이퍼 챔버 쿨러, 전면 배치 전원, 그리고 — 가장 중요하게 — 더 낮은 진입 가격. Spark 급 박스들 사이에서 고르고 있다면, 빌드 품질, 스토리지 등급, 비용으로 고르는 것입니다.

가격과 구매처

Ascent GX10은 스토리지로 구분되는 세 등급으로 판매됩니다:

  • $2,999 — 1 TB PCIe Gen4 NVMe (가성비 선택, 진입 기준 약 $333/TB)
  • $3,499 — 2 TB PCIe Gen4 NVMe
  • $3,999 — 4 TB PCIe Gen5 NVMe

셋 모두 동일한 GB10 슈퍼칩과 128 GB 메모리를 탑재합니다; 당신은 SSD 용량과, 최상위 등급에서는 더 빠른 Gen5 드라이브에만 값을 치르는 것입니다. 대부분의 구매자에게 $2,999의 1 TB 모델이 똑똑한 진입점입니다 — GB10 생태계로 들어가는 가장 저렴한 방법이고, 모델이 스토리지에서 충분히 빠르게 스트리밍되어 Gen4 드라이브가 추론에서 병목이 되는 일은 드뭅니다. 4 TB Gen5 등급은 여러 대형 모델 체크포인트를 로컬에서 저글링하는 경우에만 합리적입니다.

우리가 짚을 점

이것은 자기 틈새에서 강력한 제품이지만, 몇 가지 솔직한 유의점을 받습니다:

  • 데스크톱이 아니라 Linux 개발자 가전입니다. DGX OS는 Arm Ubuntu입니다. Windows 머신을 기대한다면, 이것이 아닙니다.
  • 273 GB/s가 병목입니다. 큰 모델에서의 토큰 생성은 대역폭에 제한됩니다; 외장 GPU의 대화형 반응성을 기대하지 마세요. 순수 속도가 아니라 용량을 위해 구매하세요.
  • 1 TB 모델은 상대적으로 느린 쓰기 속도의 Gen4 SSD를 출하합니다 — 추론에는 괜찮지만, 큰 체크포인트를 끊임없이 쓴다면 덜 이상적입니다.
  • 버스트 시 발열이 따뜻하게 오릅니다. StorageReview는 prefill 위주 스파이크 동안 CPU가 87.3°C, GPU가 82°C로 정점을 찍는 것을 봤지만, 지속 부하에서는 안정화되었습니다. 3팬 쿨러가 이를 처리하지만, 스트레스를 받으면 뜨거운 작은 박스입니다.
  • 단일 목적 투자입니다. $3,000+에, 이것은 로컬 AI가 진정으로 당신의 워크로드일 때만 합리적입니다. 로컬 LLM에 좀 더 가볍게 호기심이 있다면, Strix Halo 미니 PC, Mac mini M4 Pro, 또는 심지어 우리가 프로파일한 NPU/iGPU 옵션이 훨씬 저렴한 출발점입니다.

평결

ASUS Ascent GX10은 지금 NVIDIA의 GB10 Grace Blackwell 플랫폼으로 진입하는 가장 합리적인 방법입니다. DGX Spark과 동일한 실리콘을 돌리고, 128 GB 통합 메모리와 완전한 CUDA 개발자 스택을 책 크기의 알루미늄 박스에 담으며, 405B 파라미터 작업을 위해 두 번째 유닛으로 클러스터링됩니다 — 이 모든 것이 $2,999부터, 동급 최저 진입 가격으로 시작합니다.

다만 올바른 이유로 구매하세요. 그 가치는 턴키 NVIDIA 소프트웨어 스택과 클러스터링이 내장된 채로, 매우 큰 모델을 로컬에서 담고 개발할 수 있는 능력입니다. 대화형 생성을 위한 속도광은 아니며 — 273 GB/s 메모리 대역폭이 그렇게 만듭니다 — 범용 PC도 아닙니다. 하지만 클라우드 GPU를 빌리지 않고 개인용 Grace Blackwell 워크스테이션을 원하는 AI 개발자, 연구자, 크리에이터라면, GX10이 목록 맨 위에 올려야 할 GB10 박스입니다.