Requisiti hardware per livello
Tre livelli per ogni carico: il minimo che funziona, il punto dolce consigliato e il livello comodo di margine. Sono gli stessi livelli che il motore di decisione WisePC usa quando pianifica un build attorno al tuo obiettivo.
| Livello | Core CPU | RAM | Archiviazione | GPU | VRAM | Rete |
|---|---|---|---|---|---|---|
| Minimo | 8 cores | 32 GB | 2 TB (ssd) | ai | 16 GB di VRAM | 1 GbE |
| Consigliato | 16 cores | 64 GB | 4 TB (ssd) | ai | 24 GB di VRAM | 2.5 GbE |
| Comodo | 24 cores | 128 GB | 8 TB (ssd) | ai | 48 GB di VRAM | 10 GbE |
| Eccessivo | 39 cores | 205 GB | 16 TB (ssd) | ai | 48 GB di VRAM | 10 GbE |
Oltre Confortevole — 39 core, 205 GB di RAM, 16 TB (SSD): margine che non userai mai per questo solo workload. Metti la differenza in storage, backup o silenzio.
Forma di sistema consigliata
Derivata dal motore decisionale dal livello consigliato — la stessa logica che pianifica build complete.
Requirements (16 threads, 64GB RAM, 8TB storage, dedicated GPU) need a custom tower build.
Se questo workload merita una macchina propria o deve restare sul server principale.
GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.
Array di storage, con prezzi
Cinque strategie fisiche per la capacità consigliata — stesso pianificatore, stesso modello dischi e stessi prezzi di riferimento dello strumento storage.
| Strategia | Dischi | Utile | Costo | Idle |
|---|---|---|---|---|
| Cheapest | 2× 4TB hdd | 4 TB · parity1 | ≈ €200 | 10 W |
| Balanced Consigliato | 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.
Il backup non è storage
La copia extra che sopravvive a guasti, cancellazioni e ransomware — stesso motore del pianificatore backup.
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.
Quanto costerà?
Fasce EUR neutrali dal modello di riferimento (≈ = prezzo di strada stimato). I prezzi live dei componenti sono sulla pagina della build per la tua regione.
Il calcolo (CPU, scheda, RAM, GPU) non è incluso — vedi la build consigliata per i prezzi live.
Prospettive di crescita
Cosa succede quando i dati continuano a crescere — stesso motore del simulatore di crescita.
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.
Di quale livello hai bisogno?
- Scegli Minimo (8 core, 32 GB di RAM) solo per una macchina a uso singolo con budget ridotto — aspettati poco margine.
- Consigliato (16 core, 64 GB di RAM) è il punto dolce: abbastanza per il carico più i soliti servizi accessori, senza spendere troppo.
- Scegli Comodo (24 core, 128 GB di RAM) quando questo carico condivide la macchina con altri o crescerà — paghi per il margine, non per l'ansia.
- Regola GPU per questo carico: ai.Regola GPU per questo workload: ai (24 GB di VRAM).
Trattato anche in questa guida
Sperimentazione AI
Imparare e sperimentare con i modelli, addestrare modelli piccoli, strumenti.
Domande frequenti
Quanta RAM serve a model training / fine-tuning?
32 GB è il minimo sensato, 64 GB copre la maggior parte delle configurazioni reali e 128 GB dà un margine comodo per la crescita e i servizi extra.
Quanti core CPU servono a model training / fine-tuning?
Una CPU da 8 core è il minimo, 16 core è il punto dolce consigliato e 24 core è comodo quando condivide la macchina con altri carichi.
model training / fine-tuning ha bisogno di una GPU dedicata?
Una GPU dedicata è fortemente consigliata: questo carico fa calcolo IA. Servono 16–48 GB di VRAM (16 minimo, 24 consigliato, 48 confortevole).
Quale archiviazione e rete si aspetta model training / fine-tuning?
Archiviazione: 4 TB di SSD è la base consigliata (2 TB minimo, 8 TB comodo). Rete: 2.5 GbE è la base consigliata.
Cosa funziona bene accanto a model training / fine-tuning?
Si abbina naturalmente con: Sperimentazione AI.
Quanta energia consuma model training / fine-tuning?
L'array consuma circa 47 W in idle (≈ 103 €/anno a 0,25 €/kWh). Il sistema completo aggiunge CPU, scheda e ventole — vedi la sezione costi per fasce oneste.