Desktop ExpertCenter Pro ET900N G3 resmi diperkenalkan ASUS. Perangkat ini adalah langkah untuk menghadirkan infrastruktur AI kelas enterprise dalam bentuk desktop yang mudah diletakkan di meja kerja.
Dalam beberapa tahun terakhir, pengembangan AI memang terbantu oleh cloud dan data center berskala besar. Namun, tidak semua kebutuhan harus diselesaikan di cloud. Banyak alur kerja justru menuntut pemrosesan lokal karena alasan privasi, biaya, atau kebutuhan respons real-time.
Desktop ini ditujukan bagi peneliti, developer, hingga ilmuwan data yang membutuhkan komputasi lokal yang privat dan cepat, terutama untuk melatih, menyesuaikan, serta menjalankan model AI besar yang biasanya menuntut sumber daya data center.
Komputasi Setara Data Center dalam Satu Desktop
ASUS membekali ET900N G3 dengan platform desktop NVIDIA GB300 Grace Blackwell Ultra. Pada bagian dalamnya, CPU NVIDIA Grace dipadukan dengan GPU NVIDIA Blackwell Ultra, lalu dihubungkan melalui NVLink-C2C yang menawarkan bandwidth tinggi dan latensi rendah. Kombinasi ini memungkinkan akselerasi komputasi skala petaflop, sehingga tugas berat seperti training dan inferensi bisa berjalan lebih agresif tanpa harus mengandalkan rak server.
Yang membuatnya semakin menarik adalah sistem ini membawa memori koheren terpadu 775GB. Angka tersebut diklaim memberi kapasitas memori GPU lebih dari dua kali lipat dibanding workstation yang memakai empat GPU. Dampaknya terasa untuk pekerjaan yang butuh ruang besar, misalnya menjalankan model lebih besar, mempercepat iterasi eksperimen, dan menghadirkan fitur generative AI langsung dari desktop.
Arsitektur DGX Station ET900N G3
ET900N G3 juga menjadi salah satu sistem desktop awal yang mengadopsi arsitektur NVIDIA DGX Station. Pendekatan ini membuatnya cocok untuk beban kerja AI generasi berikutnya seperti LLM, simulasi kompleks, multimodal AI, hingga riset deep learning.
ASUS turut menekankan dukungan ekosistem software NVIDIA AI yang sudah dioptimalkan untuk data science, machine learning, dan analisis, termasuk kemampuan integrasi saat pengguna membutuhkan dorongan komputasi tambahan.
Bagaimana menurut anda?
