惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

美团技术团队
人人都是产品经理
人人都是产品经理
月光博客
月光博客
V
V2EX
WordPress大学
WordPress大学
酷 壳 – CoolShell
酷 壳 – CoolShell
Last Week in AI
Last Week in AI
博客园 - 三生石上(FineUI控件)
小众软件
小众软件
Hugging Face - Blog
Hugging Face - Blog
V
Visual Studio Blog
宝玉的分享
宝玉的分享
雷峰网
雷峰网
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
博客园 - Franky
博客园 - 聂微东
博客园 - 司徒正美
博客园 - 【当耐特】
爱范儿
爱范儿
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
大猫的无限游戏
大猫的无限游戏
博客园 - 叶小钗
阮一峰的网络日志
阮一峰的网络日志

慕雪的寒舍

【Linux】腾讯云服务器被攻击后,我是怎么排查挖矿木马的 【Agent】Multica使用心得 【AI】叙界S3备份需求,多Agent赛马 【Nginx】使用OpenResty Lua拦截Artalk广告昵称 【AI】给Codex加上rm防误删Hook 【AI】渐进式披露能省Token,但要管住Agent Loop 【Mac】修改Mac的hostname,告别局域网IP乱入 【随笔】招商银行visa金卡申请和绑定海外谷歌账户支付 【工具】用AI随手写博客 【测开】adb shell am start 启动跳链时 & 符号被截断的解决方法 【Appium】安装 xcuitest 驱动时 npm install 报错的解决方法 【2026】新年快乐! 【Mac】解决MacBook WiFi玄学问题“连上WiFI但是没网络”的折腾经历 【AI】智谱AutoGLM部署教程:AutoDL云服务器+本地PhoneAgent配置 【Agent.10】OpenAI接口输出格式约束(response_format) 【Agent.09】LangChain里面使用MCP工具 【Hexo】简单记录如何在服务器上部署hexo-friend-article 【ConfyUI】在MacBook上用ConfyUI部署阿里Z-Image最新开源模型 【AI】AI老是喜欢写总结文档,咋办? 【Agent.08】LangChain的第一个Demo:从零开始构建Agent 【Mac】MacBookPro无法连接第2个外接显示器问题解决 【Mac】为Mac配置基本开发环境 【Agent.07】什么是Agent?从Chat到ReAct的AI进化之路 【Agent.06】使用openai sdk实现多轮对话 【Agent.05】OpenAI接口Function Calling工具调用详解 【MCP】无敌了,chrome-devtools-mcp杀死浏览器AI自动化的比赛!
【随笔】本地部署AI的现状和AI本地部署的价值
慕雪年华 · 2025-10-08 · via 慕雪的寒舍

距离上次更新本文已经过去了 225 天,文章部分内容可能已经过时,请注意甄别。

随便写写,本地部署AI的现状和AI本地部署的价值。

1. 本地部署AI的最新动态

在一年以前,慕雪测试过Qwen1.5-32B模型,当时在5700x+7800xt的主机上,只跑出了6tok/sec的速度,完全处于不可用阶段。但如今,相同性能的Qwen3 30B的MoE模型,已经能非常流畅的运行,Qwen3 30B Q4量化版本甚至能在32GB内存的windows笔记本上纯CPU运行[1],速度依旧不差。

image.png

现在,本地部署AI的效果和成本都比先前好了太多。根据慕雪的实测[2],一台9800x3d+9070显卡+48GB的windows台式(全新价格约1w元),部署Qwen3-30B-A3B的Q8量化模型时,能跑出18tok/sec的速度,占用了25GB的内存。

慕雪个人认为,这个速度已经完全足够单人使用了。如果换成Q4量化的Qwen3-30B-A3B模型,Token生成速度会变成38tok/sec,拆分一下,甚至足以并发俩人一起访问。

image.png

Qwen官方也是在大力宣传之前的QwQ和这次的30B、80B两个MoE模型,主打一个“模型小小,能力大大”,能够在配置一般的机器上也跑起来,完成本地部署。

2. 这意味着什么呢?

那么问题来了:“上面叭叭了一大堆实测数据,这和月薪3K的我有什么关系?”

对于隐私要求不高的普通个人用户而言,本地部署模型就是纯纯鸡肋。没太多用户愿意花那么大价钱买一台电脑,只是为了不让自己发送给AI的资料被人看光光。

备注:这里说的是专门买一台电脑来本地部署AI,在自己的游戏电脑上部署着玩玩不在讨论范围之内。慕雪的意思是真的一直用自己本地部署的AI。

更有不少网友在网上质疑,本地部署的模型参数不够,性能太差,完全不足以满足需要。花大价钱却只能部署一个32B、72B的“人工智障”,没有任何意义。

但,这不代表小参数模型就没有用武之地,各大厂家更不会因为“看上去没啥用”就停止继续迭代越来越好的小模型。

设想下面这样的场景

大模型的性能提升,让家用电脑能够部署的模型参数量越来越大、速度越来越快。小型的初创企业,能够花1到2万的预算(甚至更低),采购一台高配windows电脑或Mac,无需学习服务器部署AI等等专业知识,也不需要了解算法或编程,只要有一位对电脑使用稍微熟悉的IT人员,就能直接利用LM Studio或ollama这些工具,下载+部署模型,为整个公司提供本地化AI的能力。

  • 从这一天开始,文职人员不再需要苦逼地自己对比各类报表,可以直接丢给AI让他帮忙对比(至少小规模的文件肯定够用的)
  • 从这一天开始,运营人员可以让AI帮忙润色公司的活动文档,不再需要把文档发送给外部AI之前把所有敏感信息都替换掉。
  • 从这一天开始,HR在筛候选人简历的时候,可以放松大胆的把PDF直接发给本地AI,让他总结简历的关键词,对比不同候选者的优势,而不用担心把别人简历传云端大模型对候选者造成的隐私泄露。
  • 还有很多很多……

这些小微企业不需要借助AI来编码,他们只是需要一个能辅助他们日常工作的AI,同时也不会泄露公司信息,就足够了。从这个角度出发,30B、32B的小尺寸模型已经完全能够满足需要!

在以前,需要一台机架服务器、轰鸣的暴力风扇、专门的机房才能完成的本地AI能力,现在只需要一台游戏台式机、一台MAC、甚至一台windows轻薄本,就能完成类似的工作。这便是小模型迭代的意义!

大模型的发展,就好比电脑的发展一样。以windows笔记本电脑市场为例。如果你长期关注过笔记本市场,那你肯定知道,现在的笔记本越来越便宜了。早在5年前,想用3000元买一台不坑爹的笔记本都是一件不可想象的事,基本上只能买intel的i3笔记本+低色域屏幕+8G内存,没有啥好的选择。但现在,3000已经可以买到16+512的8核CPU的笔记本了,对于办公和编程学习而言都够用了。

小结如下:

  • 笔记本电脑的发展,让笔电的价格越来越低,越来越多人能够买得起一台配置尚可的笔记本,加入电脑使用者的行列。
  • 大模型的发展,让大模型部署成本越来越低,越来越多的中小微企业能够部署上自己的本地大模型,让AI赋能公司的运作。提高很多事项上的效率!

科技发展的意义,就是让越来越多人,能够接触到最新的科技,能够使用上最新的能力。让科技普惠到更多人。

3. 我想本地部署大模型,买啥设备好?

如果你只是想部署着玩玩,直接按高配游戏电脑去买就行了。能部署多少B的模型直接看显卡显存就差不多能预估出来(拿显存乘0.8预估参数量)。

但如果你想认真的学学或者折腾一下大模型部署、微调,MAC是更好的选择。目前比较推荐的起步配置是M4Pro 48GB的Mac mini。部署Qwen3-30B-A3B q4的速度高达60t/s,非常牛逼。

极客湾在直播中也提到了,MAC Studio针对的就是个人消费者和小微企业,对于AI部署来说,它的功耗更低,体积更小,上手更简单,这便是它的优势[3]

不过呢,价格肯定是不美丽的。

如果你只是玩玩,还是买普通的游戏电脑吧,多少能打打游戏呢。

4. The end

科技的发展,永远是时代的潮流。AI时代,是近十年来最大的变革,不管是互联网大厂,还是中小微企业,都会想尽办法,拥抱这个潮流,不让自己的公司落伍。

我们个人也是一样,尽可能多的使用AI、了解AI行业动态、学习AI相关知识,让AI为我们的生活、学习、工作助力,成为AI时代的“弄潮儿”。

怎么写成了语文作文结尾了……


  1. 视频:Qwen3-30B-A3B在DDR5 32G纯CPU内存跑23 tokens每秒 ↩︎

  2. 完整实测数据和截图详见此博客文末的表格:https://blog.musnow.top/posts/3021867508/ ↩︎

  3. https://www.bilibili.com/video/BV1ELQhYREvK ↩︎