Skip to content
tailscale.tw 社群筆記

DGX Spark／華碩 Ascent GX10 用 Tailscale 遠端存取

依 NVIDIA 官方 DGX Spark Tailscale playbook 改寫：在 DGX Spark／華碩 Ascent GX10 上裝 Tailscale、用 Tailscale SSH 連線、以 Serve 發布 Jupyter 與 Open WebUI（注意綁定位址），以及 tag 與最小權限 grants

Updated View as Markdown

NVIDIA DGX Spark 是一台「個人 AI 超級電腦」：GB10 Grace Blackwell 超級晶片、128 GB 統一記憶體、最高約 1 PFLOP（FP4）的 AI 運算，大小只有一台 mini PC。華碩 Ascent GX10 是基於同一套 DGX Spark 平台的 OEM 機種。這種機器最常見的用法是放在家裡或辦公室，跑本地模型微調與推論，出門時接回去用——Tailscale 正好做這件事。

這篇以 NVIDIA 官方的 DGX Spark Tailscale playbook 為底改寫成繁中，不是逐字翻譯；另外補上 playbook 沒有、但實際上更有用的三件事：Tailscale SSH、Serve 發布 Jupyter／Open WebUI、以及 tag 與最小權限 grants。

本文以 NVIDIA 官方 DGX Spark Tailscale playbook（github.com/NVIDIA/dgx-spark-playbooks/nvidia/tailscale，README self-stamp 2025-11-07、核對時 repo main 為 commit 09e077d）為底改寫，以 Tailscale v1.104 與 NVIDIA DGX Spark／DGX OS 官方資料為準；華碩 Ascent GX10 的差異以 ASUS 官方產品頁與 FAQ 為準。本文未持有 DGX Spark／Ascent GX10，屬文件整理。

這台機器是什麼

DGX Spark 與華碩 Ascent GX10 用的是同一顆 NVIDIA GB10 Grace Blackwell 超級晶片：20 核 Arm CPU + Blackwell GPU、128 GB LPDDR5x 統一記憶體、NVLink-C2C 互連，並內建 ConnectX-7 網路卡（可再串一台跑更大的模型）。出廠預載 NVIDIA DGX OS（以 Ubuntu 為基礎，預載 CUDA、PyTorch、TensorFlow、Jupyter、NIM 等）。這些機器跑的就是 Ubuntu 生態，所以 Tailscale 的 Linux 安裝流程直接適用。

安裝 Tailscale（依 playbook）

NVIDIA playbook 的做法是在 DGX Spark 上用官方 apt repository 裝。先確認基本條件，再裝 SSH server（Tailscale 只負責網路，遠端登入還是要靠 SSH）：

lsb_release -a          # 確認是 Ubuntu 系（playbook 要求 20.04+，repo 用 24.04「noble」）
ping -c 3 google.com    # 確認能連外
sudo whoami             # 確認有 sudo

sudo apt update
sudo apt install -y openssh-server
sudo systemctl enable ssh --now

接著加入 Tailscale 的 apt repository 並安裝：

sudo apt install -y curl gnupg
curl -fsSL https://pkgs.tailscale.com/stable/ubuntu/noble.noarmor.gpg | \
  sudo tee /usr/share/keyrings/tailscale-archive-keyring.gpg > /dev/null
curl -fsSL https://pkgs.tailscale.com/stable/ubuntu/noble.tailscale-keyring.list | \
  sudo tee /etc/apt/sources.list.d/tailscale.list
sudo apt update
sudo apt install -y tailscale

playbook 用的是手動加 apt repo 的方式（指定 Ubuntu 24.04「noble」）。Tailscale 官方的 Linux 安裝也可以直接一行搞定，會自動偵測發行版：

curl -fsSL https://tailscale.com/install.sh | sh

兩者效果一樣，選哪個都行。裝完確認：

tailscale version
sudo systemctl status tailscaled --no-pager

登入 tailnet 與 SSH 連線

在 DGX Spark 上登入：

sudo tailscale up   # 照跳出的網址在瀏覽器登入（Google、GitHub、Microsoft 等）

接著在筆電／手機上也裝 Tailscale、用同一個帳號登入，讓兩台進同一個 tailnet。之後就能用 Tailscale 主機名稱 SSH 進去（playbook 用 SSH key 驗證：ssh-keygen -t ed25519 產生 ~/.ssh/tailscale_spark，再把公鑰塞進 authorized_keys）：

ssh -i ~/.ssh/tailscale_spark <使用者>@<spark-主機名稱>
ssh -i ~/.ssh/tailscale_spark <使用者>@<spark-主機名稱> 'nvidia-smi'   # 驗證

tailscale status、tailscale ping <主機名稱> 可以用來確認兩台都 online、走直連還是中繼。直連與 DERP 的判讀見 直連與 DERP 的差異。

更省事：直接用 Tailscale SSH

playbook 用傳統 SSH（自己產 key、自己塞 authorized_keys）。如果你不想要這套 key 管理，可以直接開 Tailscale SSH：它用 Tailscale 身分做登入驗證，不必分發或保管 SSH key。

sudo tailscale set --ssh          # 在 DGX Spark 上開 Tailscale SSH
ssh <使用者>@<spark-主機名稱>     # 之後直接 SSH，不用 key

Tailscale SSH 的好處是權限跟著 Tailscale 身分與 grants 走（誰能 SSH 到哪台、用哪個帳號，都在 policy 裡管），key 輪替、key 外洩這類問題直接消失。設定細節見 Tailscale SSH。

用 Serve 發布 Jupyter 與 Open WebUI

SSH 之外，你也可以用 Tailscale Serve 把 Jupyter 或 Open WebUI 直接以 HTTPS 發布到 tailnet，只用瀏覽器就開得了，不必每次 SSH tunnel。

Jupyter

DGX Spark 的 JupyterLab 由 DGX Dashboard 服務管理（dashboard 在 localhost 的 11000；JupyterLab 每個使用者帳號各配一個埠，實際埠寫在 /opt/nvidia/dgx-dashboard-service/jupyterlab_ports.yaml，playbook 範例用 1102）。要用 Serve 發布，把 Serve 指到你帳號實際的 Jupyter 埠：

tailscale serve --bg http://127.0.0.1:1102

之後 tailnet 內開 https://<spark-主機名稱>.<tailnet>.ts.net 就會到 JupyterLab。注意兩點：Serve 的反向代理固定轉給 http://127.0.0.1，所以後端要聽在 IPv4 的 loopback；而且 Serve 只做「HTTPS + 只對 tailnet」，不幫你登入——Jupyter 記得要設 token 或密碼，否則 tailnet 上誰都能開你的 notebook。

Open WebUI

Open WebUI 常拿來接 DGX Spark 上跑的本地模型（Ollama 等）。它預設綁 0.0.0.0:8080，這等於開給整個網路，要改綁 loopback 再交給 Serve：

tailscale serve --bg http://127.0.0.1:8080

Open WebUI 綁定位址、只開 tailnet、以及它讀 Tailscale-User-Login 做 SSO 的細節，見 在外面用家裡的 Ollama／LM Studio／Open WebUI。Serve 的完整用法與「為什麼後端要只聽 loopback」見 Tailscale Serve 與 Serve 的身分標頭。

tag 與最小權限 grants

DGX Spark 是常駐的伺服器，該給它 tag 身分（不是某個使用者的身分），再寫 grants 限制誰能連。假設 tag 是 tag:spark，只有你和它能連進來：

"tagOwners": {
  "tag:spark": ["autogroup:admin"],
},
"grants": [
  // 只有你自己能 SSH 到 DGX Spark
  {
    "src": ["autogroup:admin"],
    "dst": ["tag:spark"],
    "ip": ["tcp:22", "tcp:443"],
  },
],
  • 打上 tag 後，DGX Spark 不再綁某個人，人員異動也不會把它踢出 tailnet（見 Tags 與 auth key）。
  • src 用 autogroup:admin 表示管理員；要「只開給自己」就換成你自己的帳號 email。
  • Jupyter／Open WebUI 走 Serve 的 443，SSH（含 Tailscale SSH）走 22；後端原始埠（1102、8080）不要寫進 grants，tailnet 上就沒人能直連。
  • 確認 policy 沒有殘留的 "*" 到 "*" 全開規則，否則上面的限制形同虛設。規則寫法見 ACL / Grants 入門。

華碩 Ascent GX10 的差異

華碩 Ascent GX10 與 DGX Spark 是同一平台，所以上面整套（含 playbook）直接適用。以 ASUS 官方產品頁與 FAQ 核對，幾點差異／補充：

  • 硬體同一顆 GB10：20 核 Arm CPU + Blackwell GPU、64 GB 或 128 GB 統一記憶體（ASUS 提供 64GB 與 128GB 兩種配置）、1 PFLOP（FP4）、ConnectX-7（2×QSFP 200Gb/s）、10 GbE、HDMI 2.1b。SSD 以 ASUS 的 SKU 為準（FAQ 明說提供 1TB 與 4TB 兩種）。
  • 出廠一樣預載 DGX OS（Ubuntu 為基礎）；ASUS FAQ 明說 DGX OS 是唯一測試並建議的作業系統（「只支援 DGX OS」）。
  • 關於「出廠是哪個版本的 DGX OS」，ASUS FAQ 的答案是「版本尚未定案（產品仍在開發中）」——所以本文不寫具體 DGX OS 版本號，以出貨當下的版本為準。
  • 尺寸約 150×150×51 mm，峰值功耗 240 W（GB10 TDP 140 W）。

除此之外，ASUS 官方資料沒有列出會影響 Tailscale 安裝的硬體差異；如果後續官方文件補充了作業系統或網路卡的特定限制，以那時的文件為準。

小結

DGX Spark／Ascent GX10 就是一台上好 DGX OS（Ubuntu 系）的小電腦，Tailscale 裝法與一般 Linux 完全一樣。playbook 給了「apt repo 安裝 + SSH key」的起點；要更省事，補上 Tailscale SSH、Serve 發布 Jupyter／Open WebUI，再記得打 tag、寫最小權限 grants，這台個人 AI 超級電腦就能安全地隨時接回家用。

參考資料

Edit this page
Navigation

Type to search…

↑↓ navigate↵ selectEsc close