DGX Spark, Dell Pro Max GB10 en ASUS Ascent GX10: de lokale AI komt in kantoor

Kunstmatige intelligentie voor bedrijven zal niet slechts in de cloud bestaan. De afgelopen twee jaar lag de focus vooral op grote clusters, H100 GPUs, Blackwell, hyperscale-omgevingen en pay-per-use API’s. Tegelijkertijd ontstaat er een nieuwe categorie: compacte systemen die in eigen huis geavanceerde modellen kunnen uitvoeren, testen en finetunen zonder dat vertrouwelijke gegevens of documenten naar een externe provider hoeven te worden gestuurd.

NVIDIA DGX Spark, Dell Pro Max met GB10 en ASUS Ascent GX10 vormen de nieuwe familie van «persoonlijke supercomputers» voor AI. Het zijn geen traditionele werkstations met krachtige GPU’s en geen vervangers voor grootschalige datacenters voor training. Het zijn compacte systemen gebaseerd op de NVIDIA GB10 Grace Blackwell superchip, met 128 GB gedeelde geheugencapaciteit en tot wel 1 petaFLOP aan FP4-prestaties. Ze zijn ontworpen voor ontwikkeling, inferentie, tests, agenten, kleine tuning en lokaal werken met grote modellen.

Deze systemen bieden bedrijven meer controle over hun data, meer voorspelbare kosten en een alternatief voor altijd afhankelijk zijn van externe API’s. Het is echter belangrijk om marketing en technische realiteit te onderscheiden. Deze systemen maken geen hyperscale AI-omgeving van een kantoor. Hun kracht ligt in het dichterbij brengen van geavanceerde capaciteit naar het bureau, het laboratorium, het ontwikkelteam of de edge-omgeving waar beslissingen worden genomen en gevoelige data worden verwerkt.

De gemeenschappelijke kern: NVIDIA GB10 Grace Blackwell

De drie systemen delen dezelfde basis: NVIDIA GB10 Grace Blackwell. Deze superchip combineert een Blackwell GPU met vijfde generatie Tensor Cores, FP4-ondersteuning en een Grace Arm CPU met 20 kernen. Het hele punt is niet alleen de brute rekenkracht, maar ook het gedeelde geheugen: CPU en GPU hebben toegang tot hetzelfde 128 GB geheugen, wat het mogelijk maakt om grote modellen te gebruiken zonder de beperkingen van een desktop-GPU met 24, 32 of 48 GB VRAM.

Deze architectuur verandert het soort werk dat lokaal gedaan kan worden. Een ontwikkelaar kan grote open modellen testen, agenten valideren, RAG-pipelines uitvoeren, werken met vision-language modellen of een oplossing voorbereiden voordat deze wordt overgedragen aan een cloud-omgeving of een bedrijfskluster. Bovendien maakt het mogelijk om met gevoelige data te werken zonder deze bloot te stellen aan een publieke API tijdens de experimenteerfase.

De vermelding van 1 petaFLOP moet zorgvuldig worden geïnterpreteerd. Dit is gekoppeld aan FP4-precisie, wat alleen zinvol is voor bepaalde AI-taken. Het betekent niet dat het vergelijkbare prestaties levert als FP16 of FP32 in traditionele HPC-omgevingen. Evenzo betekent het werken met modellen van 200 miljard parameters niet dat je ze vanaf nul zelf kunt trainen, maar vooral dat je er inferenties, validaties, experimenten en prototypen mee kunt uitvoeren.

NVIDIA DGX Spark: de referentie van de fabrikant

DGX Spark is de referentieversie van NVIDIA. Het voordeel is de directe integratie met het volledige NVIDIA-ecosysteem: DGX OS, tools, frameworks, libraries, NIM, Blueprints en workflows die het AI-ontwikkelproces ondersteunen, van lokaal testen tot migratie naar grotere infrastructuren.

Voor wie de officiële NVIDIA-weg wil volgen, is DGX Spark de meest logische keuze. Onderzoekers, data science-teams, AI-startups en interne afdelingen die al werken met CUDA, PyTorch, Jupyter, NIM of Ollama vinden in DGX Spark een compact platform voor prototyping en validatie, voordat wordt opgeschaald.

DGX Spark fungeert ook als benchmark voor de markt. Andere fabrikanten zoals Dell, ASUS, Acer, Lenovo en HP presenteren varianten gebaseerd op dezelfde platformbasis. Zoals bij GPU’s van NVIDIA is er een gemeenschappelijke kern, maar elk merk voegt eigen ontwerp, support, distributie en commerciële focus toe.

Dell Pro Max met GB10: lokale AI met zakelijk inzicht

Dell Pro Max met GB10 gebruikt hetzelfde NVIDIA GB10-platform, met 128 GB LPDDR5x-gedeeld geheugen, tot 1 petaFLOP FP4, ondersteuning voor modellen tot 200 miljard parameters, ConnectX-7 SmartNIC en NVIDIA DGX OS. De meerwaarde ligt vooral in de integratie in een zakelijk ecosysteem.

Voor veel bedrijven betekent Dell niet alleen hardware kopen, maar ook het hele proces: aankoop, financiering, support, garantie, relatiebeheer, integratie met bestaande IT-beleid en mogelijkheden om systemen binnen bestaande infrastructuur uit te rollen. Deze laag is cruciaal voor organisaties waar AI-systemen onderdeel zijn van een groter bedrijfsproces, niet enkel een experiment.

Dell positioneert dit systeem binnen de bredere familie van Pro Max AI-werkstations, inclusief opties voor zwaardere workloads zoals Pro Max met GB300. Zo kunnen organisaties beginnen met compacte GB10-systemen voor lokaal ontwikkelen en later doorgroeien naar krachtigere systemen.

Voor de CIO is dit duidelijk: Dell Pro Max GB10 biedt een herkenbare manier om AI lokaal te integreren zonder het hele infrastructuurlandschap te wijzigen. Het brengt AI naar het bureau, binnen een vertrouwde bedrijfsomgeving.

ASUS Ascent GX10: compact, lokaal en gericht op agenten

ASUS Ascent GX10 baseert op hetzelfde GB10 Grace Blackwell-platform en haalt tot 1 petaFLOP FP4, met 128 GB gedeeld geheugen en ondersteuning voor modellen tot 200 miljard parameters. ASUS richt zich vooral op AI-agenten, lokaal ontwikkelen, laboratories, onderwijs en edge-omgevingen. Met een formaat van 150 x 150 x 51 mm past het op bureaus, in klaslokalen, labs of kleine technische ruimtes.

Een opvallende feature van ASUS is de mogelijkheid om twee systemen te koppelen via ConnectX-7, wat de capaciteit verdubbelt tot ruim 2 petaFLOPS, 256 GB gedeeld geheugen en 8 TB opslag. Dit is geen grootschalige trainingscluster, maar wel geschikt voor experimenten met grotere modellen en complexere workflows.

Daarnaast ligt de focus op agentontwikkeling, veilige containers en sandboxes. Zo kunnen bedrijven agents testen die werken met interne documents, bedrijfssoftware of gevoelige data, zonder afhankelijk te zijn van externe API’s vanaf dag één.

Lokaal AI: voordelen op gebied van privacy, kosten en latency

Het sterkste punt van deze systemen is niet dat ze krachtiger zijn dan de cloud, maar dat ze een deel van de AI-cyclus dichtbij de data en de gebruiker mogelijk maken.

Voor privacy bieden ze de mogelijkheid om gevoelige informatie intern te houden, zonder documenten naar derden te sturen. Zo is het geschikt voor sectoren zoals legal, gezondheidszorg, industrie, finance, overheid, defensie of bedrijven met gevoelige intellectuele eigendom. Qua kosten helpen ze afhankelijkheid van pay-per-token tarieven tijdens intensieve experimenten te verminderen. En qua latency zorgen ze voor snelle, lokale reacties wanneer schaalbaarheid geen must is.

Er zijn echter beperkingen. Hoewel 128 GB gedeeld geheugen waardevol is, is het niet hetzelfde als de High Bandwidth Memory (HBM) van grote datacenter-acceleratoren. Bandbreedte, koeling, schaalbaarheid, multi-user support en failover-mogelijkheden zijn niet vergelijkbaar met die van grote DGX-servers of Blackwell-clusters. Deze systemen vormen een ontwikkel- en uitrollaag voor plaatselijk gebruik en zijn geen volledige vervanging van cloud of datacenter voor massale productie.

Hoe te kiezen op basis van het type bedrijf

Een organisatie die al intensief met NVIDIA werkt en de meest naadloze ervaring wil, zal waarschijnlijk eerst naar DGX Spark kijken. Het is de referentie, met een duidelijk pad naar DGX Cloud, grote datacenters en NVIDIA-tools.

Grotere bedrijven die via bedrijfskanalen willen kopen, support nodig hebben en de volledige lifecycle willen beheren, vinden de Dell Pro Max GB10 meestal zinvoller. De technische basis is vergelijkbaar, maar de relatie met de leverancier en de beheertrajecten wegen vaak zwaarder dan kleine technologische verschillen.

Voor kleinere labs, universiteiten, productteams, integrators of bedrijven die een compact systeem zoeken voor agent-ontwikkeling, prototyping en kleinschalig deployment, biedt ASUS Ascent GX10 een aantrekkelijke oplossing. Het focust op lokaal ontwikkelen en snel experimenteren met meerdere systemen.

De uiteindelijke beslissing moet niet alleen gebaseerd zijn op specificaties. Omdat alle drie systemen gebaseerd zijn op dezelfde GB10-processor, lijken ze qua basisprestaties op elkaar. De echte verschillen zitten in beschikbaarheid, prijs, support, garantie, software-access, geluidsniveau, koeling, integratie en vertrouwen in de leverancier.

Niet de cloud als einddoel, maar een nieuwe laag

Lokaal AI is niet per se een concurrent voor de cloud. Het vormt een aanvulling. Een systeem kan in een eerste fase worden gebruikt voor ontwikkeling en validatie, en daarna kan het model worden doorgevoerd naar een groter cluster voor productie. Het is ook mogelijk om gevoelige workloads lokaal te houden, terwijl minder kritische taken via externe API’s worden afgehandeld. Een hybride architectuur is de meest waarschijnlijke aanpak.

Deze systemen versnellen het werk van organisaties die nu afhankelijk zijn van GPU-rijen, variabele cloudkosten of strikte beveiliging. Ze maken geavanceerde experimenten toegankelijk voor universiteiten, startups en technische teams zonder uitgebreide hardware-infrastructuur. Het is geen «cloud in een doos», maar een krachtig hulpmiddel om AI-capaciteiten dichter bij de bedrijfsactiviteiten te brengen. Zo kunnen ze de start van projecten zoals agents, RAG, vision, simulaties of fine-tuning aanzienlijk versnellen.

Autonomie in AI betekent niet losstaan van de wereld, maar juist bepalen waar en hoe AI wordt toegepast, welke data het gebouw binnenkomt, wat kostenefficiënt is en welk controleniveau gewenst is. DGX Spark, Dell Pro Max GB10 en ASUS Ascent GX10 openen hiermee de deur naar een nieuwe mogelijkheid: het integreren van geavanceerde AI direct op plekken waar het bedrijf actief is.

Veelgestelde vragen

Wat hebben DGX Spark, Dell Pro Max GB10 en ASUS Ascent GX10 gemeenschappelijk?
Alle drie zijn gebaseerd op NVIDIA GB10 Grace Blackwell, met 128 GB gedeeld geheugen, tot 1 petaFLOP in FP4 en ondersteuning voor modellen tot 200 miljard parameters voor ontwikkeling en inferentie.

Kunnen ze de cloud volledig vervangen voor AI?
Niet helemaal. Ze zijn zeer geschikt voor ontwikkeling, testen, lokale inferentie, agenten en beperkte finetuning, maar grootschalige training en massale productie blijven afhankelijk van datacenters of cloudinfrastructuur.

Wat is het belangrijkste voordeel van AI lokaal uitvoeren?
Het biedt controle over gevoelige data, vermindert afhankelijkheid van API-kosten en verlaagt latentie voor bepaalde toepassingen.

Welke keuze is het beste?
DGX Spark is de officiële referentie voor NVIDIA-ondersteuning. Dell Pro Max GB10 is aantrekkelijk voor bedrijven met grote IT-processen en behoefte aan support. ASUS Ascent GX10 is ideaal voor labs, onderwijs, agenten en snelle prototyping binnen beperkte ruimtes.