ASUS Ascent GX10 GG0036BN 128GB 4TB AI PC | CDC

ASUS Ascent GX10 GG0036BN phù hợp với workload nào?

GX10-GG0036BN phù hợp khi doanh nghiệp cần một môi trường AI local đủ bộ nhớ để thử nghiệm model lớn nhưng chưa muốn triển khai GPU server rack riêng.

Nền tảng được xây dựng quanh NVIDIA AI Software Stack, vì vậy giá trị chính nằm ở phát triển AI chứ không phải tác vụ văn phòng hoặc workstation Windows truyền thống.

• Prototype và phát triển LLM.
• Inference mô hình AI tại chỗ.
• Fine-tuning trong workload được hỗ trợ.
• RAG và AI agent sử dụng dữ liệu doanh nghiệp.
• Computer vision và Vision-Language Model.
• Robotics và nghiên cứu AI.
• Thử nghiệm trước khi chuyển model lên DGX, data center hoặc cloud.

NVIDIA GB10 kết hợp CPU Grace 20 nhân với GPU Blackwell

Trung tâm của GX10 là NVIDIA GB10 Grace Blackwell Superchip, tích hợp CPU Arm và GPU Blackwell trong cùng một nền tảng.

Thiết kế này khác workstation truyền thống vốn sử dụng CPU x86 và GPU rời. GB10 sử dụng NVLink-C2C để tạo kết nối tốc độ cao giữa CPU và GPU, đồng thời khai thác chung vùng nhớ hợp nhất.

1 petaFLOP FP4 cần được hiểu là chỉ số hiệu năng AI

ASUS công bố Ascent GX10 có thể đạt tới 1 petaFLOP hiệu năng AI sử dụng FP4.

FP4 là độ chính xác thấp được tối ưu cho AI. Vì vậy không nên dùng con số 1 petaFLOP để so trực tiếp với FP32 của GPU workstation hoặc GPU gaming.

128GB unified memory giải quyết bài toán bộ nhớ của model lớn

GX10 có 128GB LPDDR5X coherent unified system memory. CPU và GPU có thể khai thác chung không gian bộ nhớ này.

Trên workstation truyền thống, model có thể bị giới hạn bởi dung lượng VRAM riêng của GPU. Unified memory 128GB tạo dư địa lớn hơn cho model, context hoặc dữ liệu có footprint bộ nhớ cao.

Bộ nhớ được tích hợp cố định theo nền tảng GB10 và không có khe DIMM để nâng cấp như workstation tower.

Một GX10 được thiết kế cho model AI tới khoảng 200 tỷ tham số

ASUS công bố 128GB unified memory cho phép GX10 làm việc với các model AI tới khoảng 200 tỷ tham số trong workload và cấu hình được hỗ trợ.

Tuy nhiên số lượng parameter không phải tiêu chí duy nhất để xác định model có chạy được hay không.

• FP4, FP8, BF16 hoặc định dạng model.
• Quantization.
• Context length và KV cache.
• Batch size.
• Framework và cách model được phân bổ bộ nhớ.

Vì vậy khi mua GX10 cho một model cụ thể, nên đánh giá workload thực tế thay vì chỉ so số parameter với giới hạn 200B.

SSD 4TB PCIe 5.0 là khác biệt quan trọng của GG0036BN

GX10-GG0036BN được trang bị SSD 4TB M.2 2242 NVMe PCIe 5.0 x4.

Đây là cấu hình lưu trữ cao nhất ASUS công bố cho Ascent GX10 và cũng là phiên bản duy nhất trong nhóm 1TB/2TB/4TB sử dụng PCIe 5.0.

4TB hữu ích khi cần giữ nhiều model weight, checkpoint, container image và dataset ngay trên máy thay vì thường xuyên di chuyển dữ liệu qua storage ngoài.

Bản 4TB đã sử dụng dung lượng tối đa của khe SSD nội bộ

ASUS công bố GX10 có một khe M.2 PCIe duy nhất, hỗ trợ tối đa 4TB.

Điều đó có nghĩa GG0036BN không có khe M.2 thứ hai để tiếp tục lắp thêm SSD nội bộ.

NVIDIA DGX OS và AI Software Stack là một phần quan trọng của GX10

Giá trị của GX10 không chỉ đến từ GB10 mà còn từ NVIDIA DGX OS và NVIDIA AI Software Stack.

Hệ thống hướng tới developer làm việc với NVIDIA-accelerated libraries, SDK, framework và container thay vì sử dụng như một desktop Windows thông thường.

ConnectX-7 cho phép liên kết hai GX10 thành hệ thống lớn hơn

GX10 tích hợp NVIDIA ConnectX-7 để phục vụ kết nối tốc độ cao giữa các node AI.

ASUS công bố hai hệ thống GX10 có thể được liên kết, nâng tổng tài nguyên lên tới khoảng:

• 2 petaFLOPS AI FP4.
• 256GB unified memory.
• 8TB tổng lưu trữ với hai bản GG0036BN.
• Workload model lớn hơn, ASUS đưa ví dụ Llama 3.1 405B.

Đây không phải việc “ghép hai PC” theo nghĩa thông thường. Framework và workload phải hỗ trợ phân phối model hoặc tác vụ qua nhiều node thì mới khai thác được lợi thế của ConnectX-7.

10GbE phù hợp truyền dataset và kết nối storage mạng

Ngoài ConnectX-7, GX10 còn có một cổng 10 Gigabit Ethernet cho mạng dữ liệu thông thường.

Với NAS hoặc storage server tương thích, 10GbE hữu ích khi phải đọc/ghi dataset lớn, đồng bộ checkpoint hoặc chia sẻ model giữa nhiều thành viên.

Máy cũng hỗ trợ Wi-Fi 7 2×2 và Bluetooth 5.4, nhưng mạng dây 10GbE vẫn nên được ưu tiên cho workflow truyền dữ liệu dung lượng lớn và liên tục.

Bốn USB-C 20Gbps và HDMI 2.1 đáp ứng kết nối ngoại vi

Toàn bộ I/O chính được bố trí phía sau GX10, phù hợp với hệ thống đặt cố định trên bàn làm việc hoặc trong phòng lab.

Các cổng Type-C được ASUS công bố là USB 3.2 Gen 2x2 20Gbps; không nên tự đổi tên thành Thunderbolt hoặc USB4.

Hệ thống làm mát chủ động duy trì tải AI trong chassis nhỏ

GX10 sử dụng thiết kế dual-fan với điều khiển quạt nhiều mức để duy trì luồng khí trong thân máy rất nhỏ.

Đây là điểm quan trọng vì inference hoặc fine-tuning có thể duy trì tải GPU trong thời gian dài, khác với các tác vụ desktop chỉ tăng tải trong thời gian ngắn.

Không nên mô tả GX10 là hệ thống tản nhiệt thụ động hoặc mặc định “không tiếng ồn”.

Kích thước 150 × 150 × 51mm cho phép đặt AI compute ngay trên bàn

Chassis chỉ có kích thước 150 × 150 × 51mm và trọng lượng khoảng 1,48kg.

Form factor này cho phép developer đặt môi trường AI local ngay cạnh workstation hoặc màn hình, thay vì phải bố trí rack server riêng.

Tuy nhiên kích thước nhỏ không có nghĩa GX10 là “NUC văn phòng”. Đây vẫn là thiết bị tính toán AI chuyên dụng với software stack và kiến trúc riêng.

GG0036BN 4TB hay GG0012BN 1TB phù hợp hơn?

Hai SKU có cùng nền tảng GB10 và 128GB unified memory; khác biệt quyết định nằm ở dung lượng và thế hệ SSD.

Nếu workload chủ yếu tải model từ storage mạng hoặc cloud, bản 1TB có thể đủ. Nếu cần giữ nhiều model và dataset ngay trên thiết bị, GG0036BN 4TB giảm đáng kể áp lực quản lý dung lượng.

Có nên chọn ASUS Ascent GX10 GX10-GG0036BN?

GG0036BN là phiên bản phù hợp hơn khi GX10 được sử dụng như một AI development workstation thực sự thay vì chỉ là máy thử nghiệm ban đầu.

128GB unified memory giải quyết bài toán model footprint, trong khi SSD 4TB PCIe 5.0 tạo thêm không gian cho model weights, checkpoint, container và dataset.

Trước khi đầu tư, doanh nghiệp vẫn cần kiểm tra kiến trúc Arm, framework, precision, yêu cầu bộ nhớ, dung lượng dữ liệu và kế hoạch storage. Với workload không thuộc hệ sinh thái AI NVIDIA, workstation x86 truyền thống có thể là lựa chọn phù hợp hơn.