千元预算打造本地大语言模型工作站：硬件选型与性价比评估

背景

在本地部署大语言模型（LLM）对硬件的要求极高，尤其是显存和算力。本文围绕 £1,000（≈US$1,300） 的预算，评估了 Google Gemini 给出的硬件清单，并结合当前二手市场与新品价格，给出更为实际的选型建议。

Gemini 推荐清单（原始）

| 组件 | 型号 | 预估价 | 备注 | |------|------|--------|------| | GPU | NVIDIA RTX 3090（24 GB） | £600 | 二手 eBay / CeX，含 2 年保修 | | CPU | AMD Ryzen 5 7600 | £140 | AM5 插槽 | | 主板 | B650M Micro‑ATX | £110 | 支持 DDR5、PCIe 5.0 | | 内存 | 32 GB DDR5 6000MHz | £90 | 两条 16 GB | | 电源 | 850 W 80+ Gold（模块化） | £100 | Corsair/Seasonic | | SSD | 1 TB NVMe Gen4 | £60 | Crucial/WD | | 机箱 | 任意带网状前面板 | £50 | 重视散热 |

Gemini 还建议使用 PCPartPicker 检查兼容性。

实际可行性分析

1. GPU 是瓶颈 – RTX 3090 仍是性价比最高的 24 GB 显卡，可支撑 7B‑13B 参数模型的推理。但二手价格波动大，部分卖家可能只提供 12 GB 版（RTX 3080/3080 Ti），这会直接限制可加载模型大小。
2. CPU 与主板匹配 – Ryzen 5 7600 与 B650M 完全匹配，足以提供足够的 PCIe 5.0 带宽。若预算紧张，可考虑更低价的 B650‑A 主板，省下约 £20‑£30。
3. 内存 – 32 GB DDR5 已足够运行 7B‑13B 模型（使用 4‑bit/8‑bit 量化），但若计划运行更大模型或多任务，建议预留升级空间（两条 16 GB → 四条 32 GB）。
4. 电源 – 850 W Gold 余量充足，尤其在使用高功耗显卡时提供安全裕度。
5. 存储 – 1 TB Gen4 NVMe 足以容纳模型文件（如 Llama‑2‑13B‑Chat 约 26 GB）以及操作系统、工具链。
6. 散热与机箱 – 选用带前置网格的中塔机箱（如 Fractal Design Meshify C）可确保 GPU 长时间满负载时的温度控制。

预算重新分配建议

| 组件 | 方案 A（二手 RTX 3090） | 方案 B（新品 RTX 4070 Ti） | |------|------------------------|----------------------------| | GPU | £600（含保修） | £550（新品） | | CPU | £140 | £140 | | 主板 | £110 | £100 | | 内存 | £90 | £80 | | 电源 | £100 | £90 | | SSD | £60 | £60 | | 机箱 | £50 | £50 | | 合计 | £1,150（略超预算） | £1,070（略超预算） |

若接受 £100‑£150 的小幅超支，方案 A 能提供完整 24 GB 显存；若坚持不超预算，可将显卡降至 RTX 3080（10 GB）或 RTX 3070（8 GB），但随之只能运行 4‑6B 参数模型，或必须使用更激进的量化技术（4‑bit）。

结论

• GPU 显存是决定本地 LLM 能力的关键，在千元预算内，二手 RTX 3090 仍是最具性价比的选择，前提是确保显卡完好并附带保修。
• 其余组件基本符合预算，唯一需要注意的是 电源质量 与 机箱散热，这两项直接影响系统的长期稳定性。
• 若对显存需求不高（仅跑 4‑6B 模型），可以考虑全新品组合，以获得更好的保修和供电效率。

实用提示：在 PCPartPicker 中勾选 “AMD B650” 与 “RTX 3090”，系统会自动提示电源功率、机箱尺寸等兼容性问题，省去手动核对的麻烦。

---

适用人群：AI 爱好者、学生、预算有限的独立开发者，想在本地实验 LLM 推理而不依赖云算力。