Durante la conferencia NVIDIA GTC 2025, Jensen Huang sorprendió a la audiencia con la presentación de la DGX Spark. Con un formato compacto que recuerda a la Mac Mini, esta máquina desafía la lógica del hardware actual: ofrece hasta 128 GB de memoria unificada y una capacidad de procesamiento de 1 Petaflop.
Para poner estas cifras en perspectiva, Huang comparó la Spark con la mítica DGX-1, un sistema que pesaba 150 kg y costaba 150,000 dólares. Hoy, esa misma potencia se ha condensado en un chasis de solo 1.2 kg con un precio que va entre los 3,000 y 6,000 dólares, dependiendo de su configuración.
La DGX Spark representa la visión de NVIDIA de una supercomputadora personal basada en la arquitectura Blackwell. El corazón de este sistema es un diseño de chip integrado que fusiona una CPU ARM con una GPU NVIDIA de última generación. Al compartir la memoria bajo una arquitectura unificada, se eliminan los cuellos de botella tradicionales entre el procesador y los gráficos, optimizando el flujo de datos.
Siguiendo su estrategia de ecosistema, NVIDIA ha permitido que fabricantes aliados desarrollen sus propias versiones basadas en Blackwell. Una de las implementaciones es la ASUS Ascent GX10, el modelo que tenemos disponible en ToyokoBio y que analizaremos a fondo en esta reseña.
Hardware
Con dimensiones de 15x15x5.1 cm, su tamaño es comparable al de una Mac Mini o un router doméstico estándar. Como se aprecia en las imágenes, su escala es similar a la de un bolígrafo o a la palma de una mano.
En la parte posterior destaca una amplia toma de aire junto a cuatro puertos USB-C, una salida HDMI y un puerto Ethernet de 10Gb. También hay un puerto especializado ConnectX-7 NIC que alcanza velocidades de hasta 400Gb/s (superando ampliamente los 20Gb/s del USB convencional). En el apartado inalámbrico, cuenta con Wi-Fi 7 y Bluetooth 5.4. Internamente, integra una unidad SSD M.2 con capacidades de 1 a 4 TB.
El núcleo de este equipo es el superchip integrado NVIDIA Blackwell. Su CPU consta de 20 núcleos ARM (10 Cortex-X925 y 10 Cortex-A725), los cuales superan en rendimiento a los núcleos Snapdragon X de Qualcomm. La GPU es una GB10 Grace con Tensor Cores de 5ta generación y RT Cores de 4ta generación, alcanzando una performance de 1 TFLOPS.
Para evaluar equipos donde la GPU es protagonista, el benchmark ideal es la velocidad de generación de tokens, una tarea cotidiana en IA. El siguiente video muestra el desempeño de la ASUS Ascent GX10 ejecutando gpt-oss:20B. En nuestras pruebas, el mismo modelo en una MacBook M1 resultó ser, al menos, diez veces más lento.
Software
El sistema operativo es NVIDIA DGX™ OS, una distribución basada en Ubuntu optimizada específicamente por NVIDIA para este hardware.
Un valor añadido son las herramientas de acceso remoto: NVIDIA Sync y AI Workbench (compatibles con Windows, macOS y Linux). La primera ofrece una interfaz optimizada para Jupyter Notebook, el estándar de facto en ciencia de datos e IA, mientras que la segunda facilita la gestión de contenedores.
En cuanto al ecosistema de IA, Ollama dispone de una versión específica para esta arquitectura, simplificando la migración de flujos de trabajo desde otras plataformas. Esta integración «out-of-the-box» es una ventaja competitiva importante: quienes han lidiado con la instalación de PyTorch o librerías CUDA saben que configurar la compatibilidad entre hardware y software suele ser complejo. NVIDIA elimina esta fricción, entregando un sistema listo para producir.
Escenarios de uso
¿Por qué adquirir una «supercomputadora» de escritorio existiendo servicios en la nube? No hay una sola respuesta. Esta depende del presupuesto y la intensidad de uso.
Si consideramos un precio base de 3,000 USD y una vida útil profesional de 3 años, el coste operativo es de aproximadamente 100 USD mensuales (más consumo eléctrico). Si el gasto actual en servicios como AWS, Google Colab, ChatGPT o Windsurf supera esa cifra, la inversión en una ASUS Ascent GX10 comienza a ser financieramente lógica. Alquilar una PC con GPU en la nube puede salir como 20 USD por hora, eso sin contar un disco rígido apropiado para grandes cargas de datos, tampoco incluye los modelos ni el software, por eso es la opción mas directa para comparar con adquirir una computadora. Si la comparamos con adquirir una computadora por este monto, obtendremos tipicamente una PC con una placa RTX 5070 con «solo» 12 GB de RAM. Es una placa excelente para juegos, pero a la hora de usarla profesionalmente para tareas de IA, no es la mejor opción.
Es importante acotar que, aunque los servicios en la nube permiten acceder a modelos con parámetros masivos, este equipo local es más que suficiente para la mayoría de las tareas de entrenamiento y fine-tuning. Para usuarios con menor carga de trabajo, la compra se justifica desde la arista didáctica y de privacidad: ofrece control total sobre el hardware y los datos, eliminando las limitaciones y cuotas de los sistemas externos.
En definitiva, es la opción ideal tanto para profesionales que ya invierten más de 100 USD al mes en IA, como para entusiastas que buscan el entorno de aprendizaje más avanzado del mercado.
infosertecla.com 