La inteligencia artificial empresarial no va a vivir solo en la nube. Durante los últimos dos años, la conversación se ha centrado en grandes clusters, GPUs H100 o Blackwell, hiperescalares y APIs por consumo. Pero al mismo tiempo está naciendo otra categoría: equipos compactos capaces de ejecutar, probar y ajustar modelos avanzados dentro de la propia empresa, sin enviar cada prompt, documento o dato sensible a un proveedor externo.
NVIDIA DGX Spark, Dell Pro Max with GB10 y ASUS Ascent GX10 representan esa nueva familia de «supercomputadores personales» para IA. No son estaciones de trabajo tradicionales con una GPU potente, ni sustituyen a un centro de datos de entrenamiento a gran escala. Son equipos compactos basados en el superchip NVIDIA GB10 Grace Blackwell, con 128 GB de memoria unificada y hasta 1 petaFLOP de rendimiento en FP4, pensados para desarrollo, inferencia, pruebas, agentes, fine-tuning acotado y trabajo local con modelos de gran tamaño.
La propuesta es atractiva para empresas que quieren más control sobre sus datos, costes más previsibles y una alternativa a depender siempre de APIs externas. Pero conviene separar marketing y realidad técnica. Estos equipos no convierten una oficina en un hyperscale de IA. Su valor está en acercar capacidad avanzada al escritorio, al laboratorio, al equipo de desarrollo o al entorno edge donde se toman decisiones y se manejan datos que no siempre deberían salir fuera.
El corazón común: NVIDIA GB10 Grace Blackwell
Los tres equipos comparten la misma base: NVIDIA GB10 Grace Blackwell. Este superchip combina una GPU Blackwell con Tensor Cores de quinta generación, soporte FP4 y una CPU Grace Arm de 20 núcleos. La pieza clave no es solo el rendimiento bruto, sino la memoria unificada: CPU y GPU acceden a un mismo espacio de 128 GB, lo que permite trabajar con modelos grandes sin las limitaciones habituales de una GPU de escritorio con 24, 32 o 48 GB de VRAM.
Ese diseño cambia el tipo de trabajo que puede hacerse localmente. Un desarrollador puede probar modelos abiertos grandes, validar agentes, ejecutar pipelines de RAG, trabajar con modelos de visión-lenguaje o preparar una solución antes de moverla a infraestructura cloud o a un cluster corporativo. También permite trabajar con datos sensibles sin exponerlos a una API pública durante las fases de experimentación.
| Característica común | NVIDIA DGX Spark / Dell Pro Max GB10 / ASUS Ascent GX10 |
|---|---|
| Plataforma | NVIDIA GB10 Grace Blackwell |
| CPU | NVIDIA Grace Arm de 20 núcleos |
| GPU | NVIDIA Blackwell con Tensor Cores de quinta generación |
| Memoria | 128 GB de memoria unificada coherente |
| Rendimiento IA | Hasta 1 petaFLOP en FP4 |
| Modelos soportados | Hasta 200.000 millones de parámetros en desarrollo e inferencia |
| Software | NVIDIA DGX OS / stack de IA de NVIDIA |
| Red | NVIDIA ConnectX-7 para interconectar dos equipos |
| Escalado | Dos sistemas pueden trabajar con modelos mayores, en torno a 405.000 millones de parámetros |
La cifra de 1 petaFLOP debe leerse con cuidado. Está asociada a precisión FP4, útil para determinadas cargas de IA, no a rendimiento general comparable de forma directa con FP16, FP32 o cargas HPC clásicas. Del mismo modo, poder trabajar con modelos de hasta 200.000 millones de parámetros no significa entrenarlos desde cero en local. El encaje real está en inferencia, validación, experimentación, ajuste y prototipado.
NVIDIA DGX Spark: la referencia del fabricante
DGX Spark es la versión de referencia de NVIDIA. Su principal ventaja es la integración directa con el stack de la compañía: DGX OS, herramientas, frameworks, librerías, NIM, Blueprints y un flujo pensado para que los equipos de IA puedan desarrollar localmente y migrar después a infraestructuras NVIDIA más grandes.
Es el equipo más claro para quienes quieren seguir la ruta oficial de NVIDIA. Investigadores, equipos de data science, startups de IA y departamentos internos que ya trabajan con CUDA, PyTorch, Jupyter, NIM u Ollama pueden encontrar en DGX Spark un entorno compacto para crear y validar antes de escalar.
| Equipo | Punto fuerte | Perfil recomendado |
| NVIDIA DGX Spark | Referencia oficial, stack NVIDIA y experiencia DGX | Equipos técnicos que quieren máxima alineación con NVIDIA |
| Dell Pro Max with GB10 | Compra empresarial, soporte Dell y ciclo IT corporativo | Empresas que valoran soporte, aprovisionamiento y gestión de parque |
| ASUS Ascent GX10 | Diseño compacto, foco en agentes y entorno de desarrollo local | Laboratorios, desarrolladores, educación, edge y equipos de producto |
DGX Spark también actúa como patrón para el resto del mercado. Dell, ASUS, Acer, Lenovo, HP y otros fabricantes han ido presentando variantes basadas en la misma plataforma. Eso recuerda a lo que ocurre con GPUs de NVIDIA: existe una base común, pero cada fabricante compite en diseño, soporte, canales, disponibilidad, garantía, refrigeración y enfoque comercial.
Dell Pro Max with GB10: IA local con lectura empresarial
Dell Pro Max with GB10 usa la misma base NVIDIA GB10, con 128 GB de memoria LPDDR5x unificada, hasta 1 petaFLOP FP4, soporte para modelos de hasta 200.000 millones de parámetros, ConnectX-7 SmartNIC y NVIDIA DGX OS. Su diferencia no está tanto en el silicio como en el encaje dentro de un entorno corporativo.
Para muchas empresas, Dell no vende solo hardware. Vende proceso de compra, financiación, soporte, garantía, relación con canal, integración con políticas internas y capacidad de desplegar equipos dentro de un parque IT ya gobernado. Esa capa puede ser decisiva cuando el comprador no es un laboratorio aislado, sino una empresa con compras, seguridad, soporte, inventario y requisitos de cumplimiento.
Dell también sitúa este equipo dentro de una familia más amplia de Pro Max AI PCs, incluyendo opciones superiores como Pro Max with GB300 para cargas mucho más pesadas. Esto puede tener sentido para organizaciones que quieren empezar con equipos compactos GB10 para desarrollo local y mantener una vía de crecimiento hacia sistemas más potentes.
El mensaje para el CIO es claro: Dell Pro Max GB10 puede ser una forma más familiar de introducir IA local en una empresa. No exige cambiar de proveedor de infraestructura de puesto de trabajo o de estaciones profesionales. Permite llevar el desarrollo de IA al escritorio, pero dentro de un marco corporativo más reconocible.
ASUS Ascent GX10: compacto, local y orientado a agentes
ASUS Ascent GX10 también parte del GB10 Grace Blackwell y ofrece hasta 1 petaFLOP FP4, 128 GB de memoria unificada y soporte para modelos de hasta 200.000 millones de parámetros. ASUS lo presenta con un enfoque muy orientado a agentes de IA, desarrollo local, laboratorios, educación y entornos edge. Su tamaño, 150 x 150 x 51 mm, lo coloca en la categoría de equipos compactos que pueden encajar en escritorios, aulas, laboratorios o pequeñas salas técnicas.
Uno de los puntos destacados por ASUS es la posibilidad de conectar dos unidades mediante ConnectX-7 para duplicar capacidad, alcanzando hasta 2 petaFLOPS, 256 GB de memoria unificada y 8 TB de almacenamiento en configuración doble. Esto no lo convierte en un cluster de entrenamiento masivo, pero sí permite experimentar con modelos más grandes y flujos más exigentes.
ASUS también pone énfasis en el desarrollo de agentes locales, contenedores seguros y sandboxes. Esa orientación encaja con una tendencia creciente: empresas que quieren probar agentes que operen sobre documentación interna, herramientas corporativas o datos sensibles, pero sin depender desde el primer día de una API externa.
IA local: privacidad, coste y latencia
El argumento más fuerte de estos equipos no es que sean más potentes que la nube. No lo son. El argumento es que pueden resolver una parte del ciclo de IA cerca del dato y del equipo que lo usa.
En privacidad, permiten probar modelos con información interna sin enviar documentos a terceros. Esto puede ser útil en legal, salud, industria, banca, administración pública, defensa o empresas con propiedad intelectual sensible. En coste, ayudan a reducir dependencia de tarifas por token durante experimentación intensiva, pruebas de agentes o desarrollo de prototipos. En latencia, permiten respuestas locales cuando el caso de uso no necesita escalar a miles de usuarios simultáneos.
| Motivo para elegir IA local | Qué aporta |
| Privacidad | Los datos pueden permanecer dentro del perímetro de la empresa |
| Coste previsible | Se reduce la exposición a tarifas variables por token |
| Latencia | La inferencia local evita viajes a APIs externas |
| Desarrollo | Los equipos prueban modelos sin esperar recursos cloud |
| Soberanía | Más control sobre software, modelos, datos y despliegue |
| Edge | Útil en laboratorios, fábricas, aulas, oficinas o sedes remotas |
También hay límites. La memoria unificada de 128 GB es muy valiosa, pero no equivale a la HBM de un acelerador de centro de datos. El ancho de banda, la refrigeración, el escalado, la operación multiusuario y la tolerancia a fallos no son los de un rack DGX o un cluster Blackwell. Estos equipos son una capa de desarrollo y despliegue local, no una sustitución completa de la nube o del CPD para producción masiva.
Qué modelo elegir según el tipo de empresa
Una empresa que ya trabaja de forma intensiva con NVIDIA y quiere una experiencia lo más cercana posible al stack oficial probablemente mirará primero DGX Spark. Es la opción de referencia, con un discurso claro de continuidad hacia DGX Cloud, centros de datos acelerados y herramientas NVIDIA.
Una compañía grande que necesita comprar mediante canales corporativos, soporte empresarial y gestión de parque puede sentirse más cómoda con Dell Pro Max with GB10. La parte técnica es similar, pero la relación con el proveedor y la gestión del ciclo de vida pueden pesar más que pequeñas diferencias de diseño.
Un laboratorio, universidad, equipo de producto, integrador o empresa que quiera un equipo compacto para agentes, prototipado local y despliegue en espacios reducidos puede encontrar en ASUS Ascent GX10 una propuesta muy atractiva. Su enfoque en desarrollo local, agentes y escalado con dos unidades encaja bien con equipos que quieren experimentar rápido.
| Necesidad | Equipo más lógico |
| Seguir el stack oficial NVIDIA | NVIDIA DGX Spark |
| Compra y soporte empresarial tradicional | Dell Pro Max with GB10 |
| Laboratorio compacto o entorno educativo | ASUS Ascent GX10 |
| Agentes locales y prototipado rápido | ASUS Ascent GX10 o DGX Spark |
| Parque corporativo gestionado por IT | Dell Pro Max with GB10 |
| Camino hacia infraestructura NVIDIA mayor | DGX Spark o Dell Pro Max |
La decisión final no debería basarse solo en la ficha técnica. Al compartir GB10, los tres equipos se parecen mucho en rendimiento base. La diferencia real estará en disponibilidad, precio local, soporte, garantía, software incluido, ruido, refrigeración, integración con el entorno de trabajo y confianza en el proveedor.
No es el fin de la nube, es una nueva capa
La IA local no compite necesariamente contra la nube. La complementa. Un equipo puede desarrollar y validar en un DGX Spark, Dell Pro Max GB10 o ASUS Ascent GX10, y después llevar el modelo o la aplicación a un cluster mayor para producción. También puede mantener cargas sensibles en local y usar APIs externas para tareas menos críticas. La arquitectura más realista será híbrida.
Esta categoría de equipos puede acelerar el trabajo de quienes hoy dependen de colas de GPU, presupuestos cloud variables o restricciones de seguridad para probar modelos. También puede democratizar parte de la experimentación avanzada en universidades, startups y departamentos técnicos sin acceso inmediato a grandes clusters.
El error sería venderlos como «la nube en una caja». No lo son. Su papel es otro: poner una capacidad de IA seria en el escritorio de quienes construyen, prueban y toman decisiones con datos sensibles. En ese terreno, su llegada puede cambiar la forma en que muchas empresas empiezan proyectos de agentes, RAG, visión, simulación o fine-tuning.
La autonomía en IA no consiste en desconectarse del mundo. Consiste en elegir dónde se ejecuta cada carga, qué datos pueden salir, cuánto coste se acepta y qué nivel de control necesita la empresa. DGX Spark, Dell Pro Max GB10 y ASUS Ascent GX10 no resuelven todo, pero sí abren una puerta importante: llevar parte de la IA avanzada al lugar donde el negocio trabaja.
Preguntas frecuentes
¿Qué tienen en común DGX Spark, Dell Pro Max GB10 y ASUS Ascent GX10?
Los tres se basan en NVIDIA GB10 Grace Blackwell, con 128 GB de memoria unificada, hasta 1 petaFLOP FP4 y soporte para desarrollo e inferencia con modelos de hasta 200.000 millones de parámetros.
¿Pueden sustituir a la nube para IA?
No por completo. Son muy útiles para desarrollo, pruebas, inferencia local, agentes y fine-tuning acotado, pero las cargas masivas de entrenamiento o producción a gran escala siguen necesitando infraestructura de centro de datos o cloud.
¿Cuál es la principal ventaja de ejecutar IA en local?
Permite mantener datos sensibles dentro de la empresa, reducir dependencia de APIs externas, controlar mejor el coste durante pruebas intensivas y trabajar con menor latencia en ciertos casos.
¿Qué equipo conviene elegir?
DGX Spark encaja si se busca la referencia de NVIDIA. Dell Pro Max GB10 es atractivo para empresas que priorizan soporte y compra corporativa. ASUS Ascent GX10 destaca por su formato compacto y enfoque en agentes y desarrollo local.
