Wymagania sprzętowe według poziomu
Trzy poziomy dla każdego obciążenia: minimum, które działa, zalecany słodki punkt i komfortowy poziom zapasu. To te same poziomy, których silnik decyzyjny WisePC używa, planując build wokół Twojego celu.
| Poziom | Rdzenie CPU | RAM | Pamięć masowa | GPU | VRAM | Sieć |
|---|---|---|---|---|---|---|
| Minimum | 8 cores | 32 GB | 2 TB (ssd) | ai | 16 GB VRAM | 1 GbE |
| Zalecany | 16 cores | 64 GB | 4 TB (ssd) | ai | 24 GB VRAM | 2.5 GbE |
| Komfortowy | 24 cores | 128 GB | 8 TB (ssd) | ai | 48 GB VRAM | 10 GbE |
| Przewymiarowany | 39 cores | 205 GB | 16 TB (ssd) | ai | 48 GB VRAM | 10 GbE |
Poza Komfortowym — 39 rdzeni, 205 GB RAM, 16 TB (SSD): zapas, którego nigdy nie wykorzystasz na sam ten workload. Przeznacz różnicę na pamięć, backup albo ciszę.
Zalecany kształt systemu
Wyznaczony przez silnik decyzyjny z poziomu zalecanego — ta sama logika, która planuje pełne buildy.
Requirements (16 threads, 64GB RAM, 8TB storage, dedicated GPU) need a custom tower build.
Czy ten workload zasługuje na własną maszynę, czy powinien zostać na głównym serwerze.
GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.
Macierze dyskowe, z cenami
Pięć fizycznych strategii dla zalecanej pojemności — ten sam planer, ten sam model dysków i ceny referencyjne co narzędzie dyskowe.
| Strategia | Dyski | Użyteczne | Koszt | Spoczynek |
|---|---|---|---|---|
| Cheapest | 2× 4TB hdd | 4 TB · parity1 | ≈ €200 | 10 W |
| Balanced Zalecana | 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 to nie pamięć masowa
Dodatkowa kopia, która przetrwa awarie dysków, usunięcia i ransomware — ten sam silnik co planer backupu.
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.
Ile to będzie kosztować?
Neutralne rynkowo przedziały EUR z modelu referencyjnego (≈ = szacowana cena uliczna). Ceny komponentów na żywo są na stronie buildu dla twojego regionu.
Moc obliczeniowa (CPU, płyta, RAM, GPU) nie jest wliczona — zobacz zalecany build po ceny na żywo.
Perspektywa wzrostu
Co się stanie, gdy dane będą dalej rosnąć — ten sam silnik co symulator wzrostu.
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.
Którego poziomu potrzebujesz?
- Wybierz Minimum (8 rdzeni, 32 GB RAM) tylko do maszyny jednozadaniowej przy napiętym budżecie — spodziewaj się niewielkiego zapasu.
- Zalecany (16 rdzeni, 64 GB RAM) to słodki punkt: wystarczająco dla obciążenia plus zwykłych usług towarzyszących, bez przepłacania.
- Wybierz Komfortowy (24 rdzeni, 128 GB RAM), gdy to obciążenie dzieli maszynę z innymi lub będzie rosnąć — płacisz za zapas, nie za niepokój.
- Zasada GPU dla tego obciążenia: ai.Reguła GPU dla tego obciążenia: ai (24 GB VRAM).
Omówione również w tym poradniku
Eksperymenty z AI
Nauka i eksperymentowanie z modelami, trenowanie małych modeli, narzędzia.
Często zadawane pytania
Ile pamięci RAM potrzebuje model training / fine-tuning?
32 GB to rozsądne minimum, 64 GB pokrywa większość rzeczywistych konfiguracji, a 128 GB daje komfortowy zapas na rozwój i dodatkowe usługi.
Ile rdzeni CPU potrzebuje model training / fine-tuning?
CPU z 8 rdzeniami to minimum, 16 rdzeni to zalecany słodki punkt, a 24 rdzeni jest komfortowe, gdy dzieli maszynę z innymi obciążeniami.
Czy model training / fine-tuning potrzebuje dedykowanego GPU?
Dedykowane GPU jest zdecydowanie zalecane — to obciążenie wykonuje obliczenia AI. Wymaga 16–48 GB VRAM (16 minimum, 24 zalecane, 48 komfortowo).
Jakiej pamięci masowej i sieci oczekuje model training / fine-tuning?
Pamięć: 4 TB SSD to zalecana linia bazowa (2 TB minimum, 8 TB komfortowo). Sieć: 2.5 GbE to zalecana linia bazowa.
Co działa dobrze obok model training / fine-tuning?
Naturalnie łączy się z: Eksperymenty z AI.
Ile prądu zużywa model training / fine-tuning?
Macierz w spoczynku pobiera ok. 47 W (≈ 103 €/rok przy 0,25 €/kWh). Cały system dokłada CPU, płytę i wentylatory — uczciwe przedziały są w sekcji kosztów.