Cuando hablamos de Inteligencia Artificial es fácil pensar automáticamente en ChatGPT, Gemini, Copilot y otros servicios que funcionan en la nube. Escribes una pregunta, la información viaja hasta unos servidores externos y unos segundos después recibes la respuesta.
Pero hay otra forma de hacerlo que cada vez está cobrando más importancia: ejecutar la Inteligencia Artificial dentro de la propia empresa.
Y aquí es precisamente donde entra en juego un equipo tan peculiar como el ASUS Ascent GX10, un pequeño ordenador que prácticamente cabe encima de cualquier escritorio pero que ha sido diseñado específicamente para trabajar con modelos de Inteligencia Artificial.
No estamos hablando simplemente de un Mini PC potente ni de un ordenador gaming con una gráfica rápida. El ASUS Ascent GX10 utiliza la plataforma NVIDIA GB10 Grace Blackwell, incorpora 128 GB de memoria unificada y está pensado desde el principio para ejecutar, desarrollar y adaptar modelos de IA de gran tamaño.
Y para una pequeña o mediana empresa esto abre posibilidades bastante interesantes.
¿Qué es exactamente el ASUS Ascent GX10?
A simple vista cuesta creer que podamos hablar prácticamente de un pequeño superordenador.
El ASUS Ascent GX10 mide aproximadamente 15 x 15 centímetros, por lo que ocupa menos espacio que muchos equipos de sobremesa convencionales. Sin embargo, en su interior encontramos el NVIDIA GB10 Grace Blackwell Superchip, que combina CPU y GPU en una arquitectura creada especialmente para cargas de Inteligencia Artificial.
La configuración ASUS Ascent GX10 incluye características como:
- NVIDIA GB10 Grace Blackwell.
- CPU ARM de 20 núcleos.
- GPU basada en arquitectura NVIDIA Blackwell.
- 128 GB de memoria unificada LPDDR5x.
- Disponible en versión 1TB / 2TB / 4TB
- Conectividad Ethernet de 10 Gb.
- NVIDIA ConnectX-7.
- Wi-Fi 7.
- NVIDIA DGX OS.
Su capacidad de cálculo alcanza cifras que hasta hace poco estaban reservadas a estaciones de trabajo y servidores especializados en IA. Pero probablemente el dato más interesante para una empresa no sean los números de rendimiento.
Son sus 128 GB de memoria unificada.
¿Por qué son tan importantes los 128 GB de memoria?
Aquí es donde normalmente empiezan las siglas, los números y las explicaciones demasiado técnicas. Vamos a hacerlo más sencillo.
Cuando ejecutamos una IA en nuestro propio ordenador, el modelo necesita cargarse en memoria. Cuanto más grande y avanzado es el modelo, mayor cantidad de memoria necesita.
Una tarjeta gráfica convencional puede disponer de 12, 16, 24 o incluso 32 GB de memoria. Para jugar puede ser muchísimo, pero cuando hablamos de grandes modelos de Inteligencia Artificial podemos quedarnos cortos rápidamente.
El ASUS Ascent GX10 dispone de 128 GB de memoria compartida entre CPU y GPU, lo que permite trabajar con modelos considerablemente mayores de los que podríamos ejecutar cómodamente en un PC convencional.
Esto no significa que cualquier modelo enorme vaya a funcionar a una velocidad increíble ni que este pequeño equipo sustituya a un centro de datos lleno de GPUs.
Pero sí cambia muchísimo lo que podemos hacer desde un único equipo colocado encima de un escritorio.
Tener una especie de "ChatGPT privado" dentro de la empresa
Probablemente uno de los usos más fáciles de entender sea crear un asistente interno para los trabajadores.
Imaginemos una empresa que dispone de miles de documentos:
- Manuales.
- Tarifas.
- Documentación técnica.
- Procedimientos internos.
- Contratos.
- Información de productos.
- Documentación comercial.
- Bases de conocimiento.
En lugar de que un trabajador tenga que buscar manualmente entre carpetas, documentos o aplicaciones, podríamos crear un asistente al que realizar preguntas como:
"¿Cuál es nuestro procedimiento para gestionar una devolución?"
"Busca las características del producto X y compáralas con el producto Y."
"Resume estos documentos y dime cuáles son las principales diferencias."
La Inteligencia Artificial puede consultar una base de conocimiento preparada por la propia empresa y utilizar esa información para elaborar sus respuestas.
Este sistema suele conocerse como RAG (Retrieval Augmented Generation), aunque realmente el nombre técnico es lo menos importante.
Lo interesante es que podemos disponer de una IA que responda teniendo en cuenta la documentación y el conocimiento de nuestra propia empresa.
Una IA que no dependa constantemente de la nube
Este puede ser uno de los principales motivos para plantearse una infraestructura de IA local. Cuando utilizamos una API de Inteligencia Artificial en la nube normalmente pagamos dependiendo de la cantidad de información que enviamos y generamos.
Para comenzar un proyecto es una opción estupenda porque no necesitamos comprar nuestra propia infraestructura. Pero cuando el uso empieza a crecer, también pueden hacerlo las llamadas a las APIs y los costes asociados.
Con una infraestructura local el planteamiento es diferente.
Existe una inversión inicial en hardware, electricidad, configuración y mantenimiento, pero no estamos pagando una tarifa por cada consulta realizada al modelo local.
Por ejemplo, una empresa podría disponer de varios trabajadores utilizando durante todo el día un asistente interno conectado al ASUS Ascent GX10 para determinadas tareas. En escenarios de uso intensivo, disponer de nuestra propia infraestructura de IA puede empezar a resultar especialmente interesante.
¿Y qué pasa con la privacidad?
Este es otro de los grandes argumentos a favor de ejecutar Inteligencia Artificial dentro de nuestra propia infraestructura. Podemos mantener determinados documentos y procesos dentro de la red de la empresa, evitando tener que enviarlos constantemente a servicios externos para obtener una respuesta.
Esto puede ser especialmente interesante cuando trabajamos con:
- Documentación empresarial interna.
- Documentación técnica.
- Bases de conocimiento privadas.
- Código fuente.
- Información de productos.
- Informes internos.
- Procedimientos de trabajo.
Evidentemente, instalar una IA local no elimina las obligaciones relacionadas con seguridad, permisos, copias de seguridad o protección de datos.
Pero ejecutar el modelo dentro de nuestra propia infraestructura nos proporciona mucho más control sobre dónde se procesa la información.
Automatizar tareas repetitivas con Inteligencia Artificial
Aquí es donde las posibilidades empiezan a ser realmente interesantes. Una IA empresarial no tiene por qué limitarse a una ventana de chat donde escribimos preguntas. Podemos conectar el modelo mediante una API con otras aplicaciones utilizadas por la empresa.
Por ejemplo, imaginemos una empresa que recibe cientos de correos electrónicos diariamente. Una IA podría ayudar a:
- Clasificar los correos.
- Detectar automáticamente de qué hablan.
- Extraer información relevante.
- Preparar borradores de respuestas.
- Derivar cada consulta al departamento adecuado.
También podemos utilizarla para analizar documentos, generar descripciones, resumir informes, clasificar información o preparar datos que posteriormente utilizará nuestro ERP, CRM, intranet o página web.
Incluso podemos desarrollar agentes de IA capaces de utilizar diferentes herramientas y realizar procesos compuestos por varios pasos.
Un asistente de programación privado
Para empresas que tengan un departamento de desarrollo existe otro escenario especialmente interesante. Podemos ejecutar modelos especializados en programación y conectarlos con las herramientas utilizadas por nuestros desarrolladores.
Una IA interna podría ayudar a:
- Explicar código existente.
- Detectar posibles errores.
- Generar pruebas.
- Documentar funciones.
- Crear consultas SQL.
- Ayudar con PHP, Python, JavaScript u otros lenguajes.
- Analizar proyectos internos.
Todo ello con la posibilidad de mantener gran parte del código y documentación dentro de nuestra propia infraestructura.
¿Qué modelos de IA podemos instalar en el ASUS Ascent GX10?
Aquí no existe un único modelo correcto. Igual que no utilizaríamos el mismo programa para editar fotografías que para gestionar la contabilidad, tampoco tenemos por qué utilizar siempre el mismo modelo de Inteligencia Artificial.
Podemos seleccionar uno u otro dependiendo de lo que queramos conseguir.
NVIDIA Nemotron
Una de las familias más interesantes para aprovechar una plataforma NVIDIA como el ASUS Ascent GX10 es NVIDIA Nemotron.
Existen modelos Nemotron preparados para tareas de razonamiento, generación de contenido, programación, utilización de herramientas y desarrollo de agentes de IA.
Algunos de estos modelos son considerablemente grandes y es precisamente aquí donde disponer de 128 GB de memoria unificada resulta especialmente útil.
Qwen
La familia Qwen es otra opción muy interesante para crear asistentes internos, herramientas de programación, automatizaciones o sistemas de análisis de información.
Existen diferentes tamaños y versiones, lo que permite seleccionar un modelo dependiendo de la potencia necesaria y de la velocidad que busquemos.
De hecho, en muchas aplicaciones empresariales no necesitamos utilizar el modelo más grande posible.
Normalmente es preferible encontrar el modelo más pequeño que realiza correctamente nuestra tarea, porque responderá más rápido y permitirá atender más consultas simultáneamente.
GPT-OSS y otros modelos abiertos
También podemos utilizar modelos abiertos disponibles mediante herramientas como Ollama, que simplifican considerablemente la instalación y gestión de modelos locales.
Por ejemplo, combinando Ollama con interfaces como Open WebUI podemos montar una experiencia bastante parecida a los servicios de chat con IA que todos conocemos, pero haciendo que el modelo funcione en nuestra propia infraestructura.
Es una forma bastante sencilla de crear una primera prueba de concepto antes de desarrollar una solución totalmente personalizada.
Podemos adaptar una IA a nuestro negocio
Otra posibilidad interesante es utilizar técnicas conocidas como fine-tuning. El término puede sonar complicado, pero la idea es relativamente sencilla: partimos de un modelo que ya sabe escribir, razonar, programar o analizar información y posteriormente lo adaptamos para que realice mejor una tarea concreta. No tenemos que crear una Inteligencia Artificial desde cero.
Por ejemplo, podríamos enseñarle ejemplos específicos sobre cómo queremos:
- Clasificar productos.
- Estructurar determinada información.
- Responder consultas.
- Generar contenidos con un formato concreto.
- Interpretar determinados datos internos.
Existen técnicas como LoRA o QLoRA que permiten realizar este tipo de adaptaciones utilizando muchos menos recursos que un entrenamiento tradicional. Para una pyme es una aproximación muchísimo más realista que intentar entrenar un gran modelo de Inteligencia Artificial desde cero.
También podemos trabajar con imágenes y contenido multimedia
Aunque cuando hablamos de IA pensamos casi siempre en modelos de texto, las posibilidades van bastante más allá.
Una plataforma como el ASUS Ascent GX10 también puede utilizarse para experimentar con modelos generativos de imágenes, análisis visual, reconocimiento de imágenes o modelos multimodales capaces de comprender texto e imágenes conjuntamente.
Herramientas como ComfyUI y modelos generativos permiten crear flujos de trabajo internos para generación y tratamiento de contenido.
Una agencia, un comercio electrónico o un departamento de marketing podría aprovechar este tipo de herramientas para automatizar determinados procesos creativos y de producción de contenido.
¿Puede sustituir completamente a la IA en la nube?
No necesariamente y probablemente tampoco sea lo más inteligente.
Una empresa puede utilizar IA local e IA en la nube al mismo tiempo. Podemos ejecutar internamente aquellos procesos que realizamos constantemente, que utilizan documentación privada o que funcionan correctamente con nuestros modelos locales.
Y reservar servicios de IA externos más avanzados para aquellas tareas donde realmente aporten una diferencia importante. Es lo que podríamos considerar una infraestructura de IA híbrida, de esta forma no tenemos que elegir obligatoriamente entre hacerlo absolutamente todo en la nube o hacerlo todo dentro de nuestra empresa. Podemos utilizar cada solución donde tenga más sentido.
No es simplemente enchufarlo y empezar a hablar con él
También conviene aclarar este punto.
El ASUS Ascent GX10 hace mucho más accesible disponer de una plataforma profesional para Inteligencia Artificial, pero sigue siendo un equipo diseñado para desarrollar y desplegar proyectos de IA. Para aprovechar realmente sus posibilidades debemos configurar modelos, aplicaciones, usuarios, seguridad e integraciones dependiendo de lo que queramos conseguir.
La ventaja es que el equipo llega preparado alrededor del ecosistema NVIDIA y puede trabajar con herramientas muy conocidas dentro del mundo de la Inteligencia Artificial como:
- CUDA.
- Docker.
- PyTorch.
- TensorFlow.
- Ollama.
- vLLM.
- llama.cpp.
- Jupyter Notebook.
Por tanto, aunque sigue siendo necesario disponer de ciertos conocimientos técnicos para crear una solución empresarial completa, no partimos desde cero.
¿Para qué tipo de empresa puede tener sentido?
No todas las empresas necesitan un equipo dedicado exclusivamente a Inteligencia Artificial. Pero puede resultar especialmente interesante cuando tenemos una idea bastante clara de qué procesos queremos mejorar o automatizar.
Tiendas online y comercios electrónicos
Una tienda online podría utilizar IA para analizar información de productos, crear y revisar contenidos, categorizar productos, desarrollar buscadores inteligentes o construir asistentes internos.
Empresas de desarrollo de software
Los desarrolladores pueden disponer de asistentes de programación conectados con documentación, proyectos internos y bases de conocimiento.
Ingenierías y empresas técnicas
Una IA puede facilitar la consulta de manuales, documentación técnica, procedimientos internos y grandes cantidades de información especializada.
Departamentos de atención al cliente
Podemos analizar consultas, clasificarlas, obtener información relacionada automáticamente y ayudar a preparar respuestas para los clientes.
Departamentos comerciales
Una IA interna puede resumir documentos, localizar rápidamente información sobre productos, preparar comparativas o consultar una base de conocimiento comercial.
Empresas con mucha documentación interna
Cualquier organización que gestione grandes cantidades de documentos puede beneficiarse de disponer de una herramienta que permita preguntar directamente sobre toda esa información.
De utilizar Inteligencia Artificial a tener nuestra propia infraestructura de IA
Probablemente este sea el cambio más interesante que representan equipos como el ASUS Ascent GX10.
Hasta ahora, para muchas pequeñas y medianas empresas utilizar Inteligencia Artificial significaba simplemente contratar un servicio externo.
Equipos basados en NVIDIA GB10 hacen que aparezca otra posibilidad:
tener una infraestructura de Inteligencia Artificial dentro de la propia empresa.
El ASUS Ascent GX10 no pretende sustituir un gran servidor equipado con múltiples GPUs profesionales ni un centro de datos especializado en IA.
Su propuesta es diferente.
Concentrar 128 GB de memoria unificada, arquitectura NVIDIA Blackwell y todo un ecosistema profesional de software para IA en un dispositivo extremadamente compacto.
Eso permite que una pequeña o mediana empresa pueda empezar a experimentar seriamente con asistentes internos, modelos de lenguaje, agentes, programación, automatización, generación de contenidos y aplicaciones de Inteligencia Artificial sin tener que montar una enorme infraestructura desde el primer día.
La pregunta, por tanto, quizá ya no sea únicamente:
"¿Cómo podemos utilizar la Inteligencia Artificial en nuestra empresa?"
Sino también:
"¿Qué procesos podríamos mejorar si tuviéramos nuestra propia IA funcionando dentro de la empresa?"
Y equipos como el ASUS Ascent GX10 hacen que esa posibilidad esté bastante más cerca de una pyme de lo que podía parecer hace solo unos años.
Si estás valorando implantar Inteligencia Artificial dentro de tu empresa, en MOCATEHNO puedes encontrar el ASUS Ascent GX10 y consultar nuestra gama de PC para Inteligencia Artificial.