产品概览

ASUS Ascent GX10 是一台个人 AI 超级计算机，核心是 NVIDIA 的 GB10 Grace Blackwell 超级芯片，与 NVIDIA 公版 DGX Spark 采用的是同一颗芯片。它在单一封装内集成了 20 核 Arm v9.2 Grace CPU 和 Blackwell GPU，两者通过 NVLink-C2C 连接，并共享一个 128 GB 的 LPDDR5x 统一内存池。在一本精装书大小的机身（150 × 150 × 51 mm）里，ASUS 塞进了约 1 PetaFLOP 的 FP4 算力，以及足以在本地加载 2000 亿参数模型的内存。

这不是一台通用迷你主机，也不应该按通用迷你主机的标准来挑选。它运行的是 NVIDIA DGX OS（Arm 版 Ubuntu Linux），而不是 Windows。它存在的意义就是本地 AI：微调、推理，以及为原本需要云端 GPU 实例的模型做原型开发。GX10 值得细看的原因在于价格。1 TB 版本售价 $2,999，是迄今 GB10 级别产品中定价最激进的入门选择，比公版 DGX Spark 更便宜，同时还加上了金属机身和更好的散热。

适合做什么：本地 AI 与 LLM 开发

GX10 最大的看点，是能把大模型装进一个统一的一致性内存空间。凭借 128 GB 统一 LPDDR5x，CPU 和 GPU 共享同一个内存池，因此你可以加载那些消费级显卡显存根本装不下的模型：

  • 本地 LLM 推理： 无需借助云端，即可运行最高约 200B 参数的量化模型。在 StorageReview 的 vLLM 测试中，GPT-OSS-120B 视负载形态不同，输出速度约为 45–680 tokens/sec；Llama 3.1 8B FP4 在以预填充为主的测试中最高达到约 2,750 tokens/sec。
  • 微调与 LoRA： 128 GB 内存池为微调中等规模模型留出了余量，而这些模型在 24 GB 甚至 32 GB 的独立显卡上都放不下。
  • AI 开发环境： DGX OS 预装了 CUDA、PyTorch、TensorFlow、Jupyter、TensorRT、NVIDIA NIM 微服务和 Ollama。对于想要一台放在桌下、而不是挂在云账单上的 CUDA 主机的开发者来说，这套开箱即用的软件栈才是真正的卖点。
  • 双机集群： 板载的 ConnectX-7 网卡可以通过一条 200 Gbps QSFP 线缆把两台 GX10 连在一起，在两台机器上运行最高 405B 参数的模型（Llama 3.1 405B）。

如果你的需求是一般创作或办公，GX10 也能胜任，但那等于花超算的钱去用一台 Arm Linux 桌面机。对这类用户而言，选择 Framework Desktop 这样的 x86 主机，或者一台能跑 70B 模型的 Strix Halo 机器要合理得多。

GB10 超级芯片与统一内存

GB10 是整个故事的核心。20 核 Grace CPU 负责调度和数据预处理；配备第五代 Tensor Core 并原生支持 FP4 的 Blackwell GPU 承担主要计算，算力最高可达 1,000 TOPS。由于两者通过 NVLink-C2C 连接（NVIDIA 称其带宽约为 PCIe 5.0 的五倍），在 CPU 和 GPU 内存之间搬运张量时不存在 PCIe 瓶颈。一切都在同一个一致性地址空间内完成。

正是这种架构，让这么小的机器敢宣称可以运行 200B 参数的模型，而配备 32 GB GDDR7 的桌面 RTX 5090 根本装不下这些模型。代价则是带宽，下文会详细说明。

做工、接口与集群

ASUS 显然仔细研究过公版设计，并加以改进。GX10 采用铝合金机身，而非 DGX Spark 的塑料外壳，在底部和背部增加了散热开孔，还把电源键移到了正面。这看似是小细节，等你管理一摞集群设备时就知道它的价值了。散热由三风扇和双均热板负责，支持七档调节，整机还通过了多项 MIL-STD 810H 测试，甚至凭借这一设计拿下了 2026 年台湾精品奖（Taiwan Excellence Award）。

接口配置面向的是 AI 工作站，而不是影音主机：

  • NVIDIA ConnectX-7 网卡：双 200 Gbps QSFP 端口用于横向扩展集群，另有 10 GbE 网口
  • 4× USB-C（20 Gbps，支持 DisplayPort 2.1 alt mode）；其中一个兼作 180W EPR 供电输入
  • HDMI 2.1b、Wi-Fi 7、Bluetooth 5.4、Kensington 锁孔
  • 240W USB-C 电源适配器

内存带宽：真实世界的天花板

接下来说说实话。GX10 的内存带宽实测约为 273 GB/s（LPDDR5x，8533 MT/s）。与 CPU 相比这已经很高，但只是独立显卡的零头：RTX 5090 的带宽远超 1.7 TB/s。对于受内存带宽制约的 LLM token 生成来说，限制性能的正是这道天花板，而不是 Blackwell GPU 的算力。

这在实际使用中意味着：GX10 非常擅长装下超大模型，也擅长以预填充和吞吐量为主的推理服务；但在大模型上做交互式单流 token 生成时，与运行着能装进显存的小模型的高端独立显卡相比，它的速度只能算中规中矩。当模型大到在别处都放不下时，GX10 才占上风；在能装进 32 GB 的模型上比拼每秒 token 数，它赢不了 5090。StorageReview 发现，GX10 与其他所有 Spark 级系统的表现非常接近，因为它们的核心芯片完全相同；各厂商之间的差别在于机身、散热、SSD 和价格，而不是原始速度。

ASUS Ascent GX10 对比 NVIDIA DGX Spark

两者采用相同的 GB10 超级芯片、相同的 128 GB 统一内存和相同的 273 GB/s 带宽，因此 AI 性能实际上完全一致。GX10 的优势全在芯片之外：金属机身、更精细的三风扇加均热板散热、前置电源键，以及最重要的，更低的起售价。如果你在几款 Spark 级主机之间做选择，比的就是做工、存储档位和价格。相关阅读：我们对 MSI EdgeXpert MS-C931 和 GIGABYTE AI TOP ATOM 的评测。

价格与购买渠道

Ascent GX10 按存储容量分为三个档位：

  • $2,999：1 TB PCIe Gen4 NVMe（性价比之选，入门款约 $333/TB）
  • $3,499：2 TB PCIe Gen4 NVMe
  • $3,999：4 TB PCIe Gen5 NVMe

三个版本都搭载相同的 GB10 超级芯片和 128 GB 内存；你多付的钱只买到了 SSD 容量，以及顶配版更快的 Gen5 硬盘。对大多数买家来说，$2,999 的 1 TB 版本是明智的入门之选：这是进入 GB10 生态最便宜的方式，而且模型从存储加载的速度足够快，Gen4 硬盘很少会成为推理瓶颈。只有当你需要在本地同时管理大量大型模型检查点时，4 TB Gen5 版本才值得考虑。

需要注意的问题

在它所针对的细分领域里，这是一款很强的产品，但也有几点需要如实说明：

  • 它是 Linux 开发者设备，不是桌面电脑。 DGX OS 是 Arm 版 Ubuntu。如果你期待的是一台 Windows 机器，这台不是。
  • 273 GB/s 就是瓶颈。 大模型的 token 生成受带宽限制，别指望有独立显卡那样的交互体验。买它是为了容量，而不是原始速度。
  • 1 TB 版本配备的是 Gen4 SSD，写入速度相对较慢。用于推理没问题，但如果你需要频繁写入大型检查点，就不太理想了。
  • 突发负载下温度偏高。 StorageReview 观察到，在以预填充为主的峰值负载中，CPU 最高达到 87.3°C，GPU 达到 82°C，不过在持续负载下会趋于稳定。三风扇散热压得住，但高压下这确实是个发热不小的小盒子。
  • 这是一笔单一用途的投资。 售价 $3,000 以上，只有当本地 AI 确实是你的工作负载时才值得购买。如果你只是对本地 LLM 有些好奇，那么一台 Strix Halo 迷你主机、一台 Mac mini M4 Pro，甚至是我们介绍过的 NPU/核显方案，都是便宜得多的起点。

ASUS Ascent GX10 结论

ASUS Ascent GX10 是目前入手 NVIDIA GB10 Grace Blackwell 平台最明智的方式。它与 DGX Spark 采用相同的芯片，在一个书本大小的铝合金机身里装下了 128 GB 统一内存和完整的 CUDA 开发栈，还能与第二台组成集群处理 405B 参数的任务，而起售价仅为 $2,999，是同级别中最低的入门价。

只是要出于正确的理由购买它。它的价值在于能在本地装下超大模型并基于其进行开发，同时内置开箱即用的 NVIDIA 软件栈和集群能力。它不是交互式生成的速度怪兽（273 GB/s 的内存带宽决定了这一点），也不是一台通用电脑。但如果你是 AI 开发者、研究人员或创作者，想要一台无需租用云端 GPU 的个人 Grace Blackwell 工作站，那么 GX10 就是应当排在清单首位的 GB10 主机。