Hardwarekrav efter niveau
Tre niveauer for hver arbejdsbyrde: minimumet, der fungerer, den anbefalede sweet spot og det komfortable margenniveau. Det er de samme niveauer, WisePC-beslutningsmotoren bruger, når den planlægger et build omkring dit mål.
| Niveau | CPU-kerner | RAM | Opbevaring | GPU | VRAM | Netværk |
|---|---|---|---|---|---|---|
| Minimum | 8 cores | 32 GB | 2 TB (ssd) | ai | 16 GB VRAM | 1 GbE |
| Anbefalet | 16 cores | 64 GB | 4 TB (ssd) | ai | 24 GB VRAM | 2.5 GbE |
| Komfortabelt | 24 cores | 128 GB | 8 TB (ssd) | ai | 48 GB VRAM | 10 GbE |
| Overdimensioneret | 39 cores | 205 GB | 16 TB (ssd) | ai | 48 GB VRAM | 10 GbE |
Ud over Komfortabel — 39 kerner, 205 GB RAM, 16 TB (SSD): headroom du aldrig får brugt på denne workload alene. Læg differencen i lagring, backup eller stilhed.
Anbefalet systemform
Udledt af beslutningsmotoren fra anbefalet niveau — samme logik som planlægger komplette builds.
Requirements (16 threads, 64GB RAM, 8TB storage, dedicated GPU) need a custom tower build.
Om denne workload fortjener sin egen maskine eller bør bo på hovedserveren.
GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.
Lagringsarrays, med priser
Fem fysiske strategier for anbefalet kapacitet — samme planlægger, samme diskmodel og samme referencepriser som lagringsværktøjet.
| Strategi | Diske | Brugbar | Pris | Idle |
|---|---|---|---|---|
| Cheapest | 2× 4TB hdd | 4 TB · parity1 | ≈ €200 | 10 W |
| Balanced Anbefalet | 2× 16TB hdd | 16 TB · parity1 | ≈ €480 | 12 W |
| Redundant | 3× 8TB hdd | 8 TB · parity2 | ≈ €450 | 15 W |
| Expansion-friendly | 2× 20TB hdd | 20 TB · parity1 | ≈ €600 | 14 W |
| Performance | 2× 4TB nvme | 4 TB · parity1 | ≈ €480 | 2 W |
For a fast working tier, go all-flash — the performance strategy protects speed without the HDD rebuild pain.
Backup er ikke lagring
Den ekstra kopi, der overlever diskfejl, sletning og ransomware — samme motor som backup-planlæggeren.
Protect 4TB with at least two copies on separate hardware, ideally one offsite. The recommended start is a dedicated NAS.
Add a second copy outside the building — cloud or a drive at a friend's house.
Use a versioning-aware tool (restic, borg, Backblaze) that keeps history.
Schedule backups automatically and monitor them.
Keep the backup on separate hardware or offsite.
Hvad vil det koste?
Markedsneutrale EUR-bånd fra referencemodellen (≈ = estimeret gadepris). Live komponentpriser står på build-siden for din region.
Beregning (CPU, board, RAM, GPU) er ikke inkluderet — se anbefalet build for live priser.
Vækstudsigter
Hvad der sker, når dataene bliver ved med at vokse — samme motor som vækstsimulatoren.
Storage stays within 8TB across the 3-year horizon — the architecture fits your expected growth.
Within capacity and bays — no new bay needed for 7TB.
Hvilket niveau har du brug for?
- Vælg Minimum (8 kerner, 32 GB RAM) kun til en enkeltformålsmaskine med stramt budget — forvent lidt margin.
- Anbefalet (16 kerner, 64 GB RAM) er sweet spot'en: nok til arbejdsbyrden plus de sædvanlige sideløbende tjenester, uden at overforbruge.
- Vælg Komfortabelt (24 kerner, 128 GB RAM), når denne arbejdsbyrde deler maskinen med andre eller vil vokse — du betaler for margin, ikke for angst.
- GPU-regel for denne arbejdsbyrde: ai.GPU-regel for denne workload: ai (24 GB VRAM).
Dækkes også i denne guide
AI-eksperimenter
Lære og eksperimentere med modeller, træne små modeller, værktøjer.
Ofte stillede spørgsmål
Hvor meget RAM har model training / fine-tuning brug for?
32 GB er et fornuftigt minimum, 64 GB dækker de fleste rigtige opsætninger, og 128 GB giver komfortabel margin til vækst og ekstra tjenester.
Hvor mange CPU-kerner har model training / fine-tuning brug for?
En CPU med 8 kerner er minimumet, 16 kerner er den anbefalede sweet spot, og 24 kerner er komfortabelt, når den deler maskinen med andre arbejdsbyrder.
Har model training / fine-tuning brug for et dedikeret GPU?
Et dedikeret GPU anbefales stærkt — denne arbejdsbyrde laver AI-beregninger. Kræver 16–48 GB VRAM (16 minimum, 24 anbefalet, 48 komfortabelt).
Hvilken opbevaring og hvilket netværk forventer model training / fine-tuning?
Opbevaring: 4 TB SSD er den anbefalede basislinje (2 TB minimum, 8 TB komfortabelt). Netværk: 2.5 GbE er den anbefalede basislinje.
Hvad kører godt sammen med model training / fine-tuning?
Den kombinerer naturligt med: AI-eksperimenter.
Hvor meget strøm bruger model training / fine-tuning?
Arrayet idler omkring 47 W (≈ 103 €/år ved 0,25 €/kWh). Hele systemet lægger CPU, board og blæsere oveni — se omkostningssektionen for ærlige bånd.