它是什么

ASUS Ascent GX10 是一台围绕 NVIDIA GB10 Grace Blackwell 超级芯片打造的个人 AI 超级计算机——也就是为 NVIDIA 参考设计 DGX Spark 提供动力的同款芯片。它将一颗 20 核 Arm v9.2 Grace CPU 与一颗 Blackwell GPU 集成在单个封装上，通过 NVLink-C2C 连接，并由共享的 128 GB LPDDR5x 统一内存池为两者供给数据。在一个精装书大小的机箱（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 2,000 亿参数模型的内存。

这不是一台通用型迷你 PC，也不应像通用迷你 PC 那样去选购。它运行 NVIDIA DGX OS——一个 Arm 版本的 Ubuntu Linux——而非 Windows。它存在的理由是本地 AI：微调、推理，以及原型开发那些否则需要云端 GPU 实例的模型。让 GX10 值得细看的是价格。1 TB 配置 2,999 美元，是迄今进入 GB10 级最激进的入门价位——比参考设计 DGX Spark 更低，还加上了金属机箱和更好的散热。

它擅长什么：本地 AI 与 LLM 开发

GX10 的核心绝技是把大模型装进单一的一致性内存空间。有了 128 GB 的统一 LPDDR5x，CPU 和 GPU 共享一个池，因此你能加载那些永远装不进消费级 GPU 显存的模型：

  • 本地 LLM 推理——无需触及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 根据工作负载形态以约 45–680 tokens/秒提供服务，而 Llama 3.1 8B FP4 在 prefill 密集的运行中最高达到约 2,750 tokens/秒。
  • 微调与 LoRA 工作——128 GB 的内存池为微调那些 24 GB 甚至 32 GB 独立显卡装不下的中型模型提供了余量。
  • AI 开发环境——DGX OS 预装了 CUDA、PyTorch、TensorFlow、Jupyter、TensorRT、NVIDIA NIM 微服务和 Ollama。对于想要一台摆在桌下而非记在云账单上的 CUDA 机器的开发者，这套开箱即用的软件栈才是真正的卖点。
  • 双节点集群——板载的 ConnectX-7 网卡让你用单条 200 Gbps QSFP 链路把两台 GX10 连起来，在这对机器上运行最高 405B 参数的模型（Llama 3.1 405B）。

如果你的兴趣是通用创作工作或办公任务，GX10可以胜任——但你将花超级计算机的钱去运行一台 Arm Linux 桌面。对于这类用户，一台像 Framework Desktop 这样的 x86 主机，或一台运行 70B 模型的 Strix Halo 机器更合理得多。

GB10 超级芯片与统一内存

GB10 是整个故事的核心。20 核 Grace CPU 负责编排和数据准备；带第 5 代 Tensor Cores 和原生 FP4 的 Blackwell GPU 以最高 1,000 TOPS 承担繁重计算。由于两者通过 NVLink-C2C 连接——NVIDIA 标称两者之间的带宽约为 PCIe 5.0 的五倍——在 CPU 和 GPU 内存之间搬运张量时没有 PCIe 瓶颈。这是一整个一致性地址空间。

正是这种架构，让一台如此小巧的机器能够宣称运行 200B 参数模型，而一块桌面 RTX 5090 凭其 32 GB GDDR7 根本装不下它们。代价是带宽，我们将在下文谈到。

做工、连接性与集群

ASUS 显然研究了参考设计并加以改进。GX10 采用铝合金机箱而非 DGX Spark 的塑料外壳，在底部和后部增加了通风口，并把电源按钮移到前面——这看似小事，直到你要管理一摞集群机器时才知其重要。散热由三风扇和双均热板搭配七级调控来处理，该机还通过了多项 MIL-STD 810H 测试，甚至凭设计拿下了 2026 年台湾精品奖。

连接性是为 AI 工作站而非媒体 PC 而设的：

  • NVIDIA ConnectX-7 网卡——双 200 Gbps QSFP 端口用于横向扩展集群，外加 10 GbE LAN
  • 4× USB-C（20 Gbps，DisplayPort 2.1 alt 模式）；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

内存带宽：现实世界的天花板

这是诚实的部分。GX10 的内存带宽测得约为 273 GB/s（LPDDR5x 8533 MT/s）。相对 CPU 这极为巨大，但只是独立 GPU 所提供带宽的一小部分——一块 RTX 5090 可达 1.7 TB/s 以上。对于受内存带宽制约的 LLM token 生成，这个天花板才是限制因素，而非 Blackwell GPU 的算力。

这在实践中意味着：GX10 在装下一个巨大模型以及在 prefill/吞吐量密集的服务上表现卓越，但在大模型上的交互式单流 token 生成，与一块运行能装进其显存的小模型的高端独立 GPU 相比会显得平平。GX10 的取胜场景是当模型大到别处都装不下时；它在一个能装进 32 GB 的模型上，不会赢得对 5090 的 tokens/秒竞速。StorageReview 发现 GX10 与其他所有 Spark 级系统表现紧密一致，因为它们共享完全相同的核心芯片——厂商之间的差异归结于机箱、散热、SSD 和价格，而非原始速度。

ASUS Ascent GX10 vs NVIDIA DGX Spark

它们运行同样的 GB10 超级芯片、同样的 128 GB 统一内存、同样的 273 GB/s 带宽，因此 AI 性能实际上完全相同。GX10 的自我主张在于芯片周围的一切：金属机箱、更精巧的三风扇/均热板散热、前置电源，以及——最重要的——更低的入门价格。如果你在 Spark 级机器之间选择，你比较的是做工、存储档位和成本。

价格与购买渠道

Ascent GX10 分三个档位销售，以存储区分：

  • 2,999 美元——1 TB PCIe Gen4 NVMe（性价比之选，入门约 333 美元/TB）
  • 3,499 美元——2 TB PCIe Gen4 NVMe
  • 3,999 美元——4 TB PCIe Gen5 NVMe

三者搭载同样的 GB10 超级芯片和 128 GB 内存；你只是在为 SSD 容量、以及在最高档为更快的 Gen5 硬盘付费。对大多数买家来说，2,999 美元的 1 TB 型号是明智的入门——它是进入 GB10 生态最便宜的方式，而模型从存储流式加载的速度足够快，Gen4 硬盘很少成为推理瓶颈。4 TB Gen5 档位只有在你本地同时倒腾许多大型模型检查点时才有意义。

我们要提醒的几点

这是一款在其细分领域中很强的产品，但它也有几个诚实的注意事项：

  • 它是一台 Linux 开发者设备，不是桌面机。 DGX OS 是 Arm Ubuntu。如果你期待一台 Windows 机器，那不是它。
  • 273 GB/s 是瓶颈。 大模型上的 token 生成受带宽限制；别期待独立 GPU 的交互性。为容量而买它，而非原始速度。
  • 1 TB 型号配的是 Gen4 SSD，写入速度相对较慢——用于推理没问题，但如果你不断写入大型检查点则不太理想。
  • 突发负载下温度偏高。 StorageReview 在 prefill 密集的尖峰期间看到 CPU 峰值 87.3°C、GPU 82°C，不过在持续负载下趋于稳定。三风扇散热能应对，但在高压下这是一台发热的小机器。
  • 它是一项单一用途的投资。 在 3,000 美元以上，只有当本地 AI 确实是你的工作负载时它才说得通。如果你只是更随意地对本地 LLM 感到好奇，一台 Strix Halo 迷你 PC、一台 Mac mini M4 Pro，甚至我们介绍过的 NPU/iGPU 选项都是便宜得多的起点。

结论

ASUS Ascent GX10 是目前进入 NVIDIA GB10 Grace Blackwell 平台最明智的方式。它运行与 DGX Spark 相同的芯片，把 128 GB 统一内存和完整的 CUDA 开发者软件栈装进一个书本大小的铝合金盒子，并能与第二台机器组成集群进行 405B 参数的工作——全部起价 2,999 美元，是同类中最低的入门价。

只要为正确的理由去买它。它的价值在于本地保留并针对超大模型进行开发的能力，并内置开箱即用的 NVIDIA 软件栈和集群功能。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——它也不是一台通用 PC。但如果你是一名想要个人 Grace Blackwell 工作站而不愿租用云端 GPU 的 AI 开发者、研究人员或创作者，GX10 就是应该列在名单首位的那台 GB10 机器。