相册换脑不搬群晖的机器：Immich 3.0党一晚跑通、飞牛AI相册党要32G内存，先把你的相册拆开三层再动手

9月12号晚上，两个平台各冒出一条帖子。

小红书用户"中登折腾记"，自述做行政、命令行敲过不超过十次，让AI把Immich装进了家里那台用了好几年的DS220+。一晚上，从装环境到全家照片入库跑通：手机自动备份、人脸自动归类、搜"去年海边"能出结果，“一张没丢”。小红书

同一天微博上，另一位用户晒的则是"迁移成果"：“昨天晚上把我的群晖迁到了飞牛上。不过迁过去的是应用，数据还在群晖上。这个AI相册各种AI功能非常的齐全，虽然有点吃性能，但是我的飞牛NAS有32G内存纯固态方案，完全不怂。”微博

这两条帖子摆在一起，能看出现在群晖圈里一个正在成形的共识：相册出问题，不是搬盘、不是换机，是换"脑"。

这场相册争议，其实已经烧了半年

把今年2月到9月各平台的相关帖子按时间码一遍，脉络非常清楚：

• 2月26日，小红书有人发帖吐槽：Synology Photos自带分类靠人脸识别，但想搜"海边"“雪山”"聚餐"完全不行——没有语义标签。他的解法是自己在群晖上跑脚本，用Gemini给1.3万张老照片生成中文关键词、写成XMP sidecar文件，群晖自动索引元数据，“礁石”"阴天"一搜就出来。免费额度30次/分钟，整库跑了8小时，之后设成每天凌晨3点定时任务。 这条帖子拿了177赞、234收藏。小红书

  

• 6月14日，知乎有人问"NAS相册AI人脸识别错误率高"，给出的定性是：七成怪照片质量（遮挡、逆光、远景小脸、幼儿五官），三成才是本地轻量算法的硬伤——低端ARM机型没NPU全靠CPU跑，而且"长相高度相似的家人，无论怎么优化都无法完全杜绝少量误识别"。知乎

• 7月10日，知乎连着出了两篇MT Photos的Docker部署教程，一个细节值得注意：基础单容器不含AI服务，要按群晖7.2+官方Compose示例追加mt-photos-ai容器（8060端口）和人脸识别。 第三方相册在群晖生态里已经形成了教程密度。知乎

• 7月16日，小红书有人晒在群晖Docker里跑PhotoPrism：“2万张照片，耗时三天才全部初始化完成。”小红书

  

• 7月27日，一条标题就叫"群晖老矣"的吐槽帖：“群晖更新一个相册也需要几个小时吗？搞什么鬼？“15条评论直接吵成两拨——一拨说"大概率网络问题，下载离线安装包本地安装”“改一下DNS试试”，另一拨已经"今天刚刚换的极空间”，还有人就甩了一句"mt photos"。小红书

• 8月5日，开源照片备份平台Immich发布3.0版；官方GitHub页面显示它约有10.8万Star，自带独立的机器学习组件做对象、人物、CLIP语义搜索。知乎知乎

• 8月18日、22日，知乎接连出现"2026年主流NAS相册功能横评"，群晖、威联通、飞牛OS摆在一起打，前排答案的结论偏向：“immich更新快，效率高，后台整理和人脸识别速度比本机带的快太多了，CPU占用也少。”知乎

• 9月7日，B站13款主流NAS横评上线（11492播放、681收藏），“手机相册"被列在视频标题四件需求的第一位，还补了一句"九月份买正好赶上活动”。哔哩哔哩

半年时间，从抱怨、教程、翻车实录到横评，链路走全了。相册的AI能力，已经取代影音、取代备份，变成群晖用户折腾或离开的第一个理由。

先把相册拆成三层，再决定碰哪一层

社区帖子有个共同毛病：把"换相册"说成一件事，其实它是三件事。

第一层：数据层——盘和原始照片。几乎不值得动。 上面那位微博用户是最好的样本：系统迁到飞牛了，照片数据留在群晖没动。群晖上的照片本来就以文件形式躺在卷里，Immich、MT Photos、PhotoPrism的部署教程全是"挂载已有Photos目录"。9月12号那位行政用户也一样，设备没变，“是人变了”。为了相册去买新机器、或者把盘拔来拔去（上一轮open_ctree翻车帖已经教育过全网），在这个需求下是不必要的动作。

第二层：应用层——人脸聚类、语义搜索、时间线、全家共享。 痛都痛在这，目前有现成的三条路，成本完全不同：

至于飞牛AI相册——它的真实身份是第四条路"连系统一起换"，从微博证言看，走这条路的人数据层其实也没离开群晖。

第三层：算力层——你的老机器带不带得动。 这是最容易被"Immich比自带快"这种一句话结论带偏的地方。同样的话，不同硬件说出来不是一回事：那位飞牛用户敢开全套AI，前提是32G内存+纯固态；6月那篇回答讲得直白——本地模型精度上限是天花板，ARM入门款跑AI是"砍半"；而2月的XMP路线之所以只要8小时，是因为推理在云端、群晖只负责索引元数据。今年8、9月的增量玩法也是这个逻辑：知乎有人把Immich整台架在NAS上、只将机器学习(ML)组件剥离到M5Stack AI Pyramid（爱芯元智AX8850那颗边缘AI盒子）上跑，NAS回到纯存储岗。 一句话：库越大、AI开得越全，越是拼内存和CPU的活。给群晖补内存之前，先看看今年内存的行情再做决定。知乎

那晚跑通的行政用户，替你踩完了五个坑

9月12号那篇帖子最值钱的是后半段，5个坑全是新手第一天就会撞的：

1. 别指望QuickConnect。 群晖自带的外网访问只代理自家套件功能，第三方容器的端口一概不管——出门打不开相册，第一反应别怪Immich。他的解法是Tailscale，两台设备登同一账号，用100开头的地址访问。

2. 镜像拉取报unexpected EOF，是包在国外直连靠运气，给镜像地址加国内加速前缀就能解决。

3. 数据库容器一晚重启几十次，起因是嫌官方compose文件啰嗦、自己删了数据库那两段——保留官方原样，只改该改的。

4. 照搬半年前的教程，新版监听端口已经变了，映射错就无限重启。去官方仓库拉当前版配置，别信旧文章。

5. 照片扫出来0张，卷路径填成了群晖主机路径，容器里看不到，得填冒号右边那个容器路径——他为此卡了两小时。小红书

反过来也要留一手：不是所有"相册坏了"都该换系统。"群晖老矣"帖里那15条评论给出的教训是另一半——新照片进不了索引、重建提示无效，先查DNS、查AI模型的下载通道、用本地手段强制重建，“大概率你网络问题”。 把一条被网络卡住的官方相册骂成"群晖老矣"就换阵营，是这半年最常见的误诊。小红书

按人群给结论

• 全家照片只进不出、老人小孩都用官方App的：别动。你的痛点其实只有"搜不到"，走XMP外挂标签那条路，全家没有感知。

• x86机型、内存够用、自己就是唯一用户的：Immich 3.0值得折腾，但按那五个坑提前排好外网方案，别裸装完发现出门打不开。

• 入门ARM款（j系列）、老机器：别给本机硬开AI，要么云端打标签，要么等官方把GPU那部分能力落地——DSM 7.4六月正式发布时，标题里主打的就是GPU支持增强。 相册AI会不会由官方补齐，是接下来最值得盯的信号。哔哩哔哩

• 本来就打算换机或加内存的：那是另一笔账，先算完行情和兼容，再回头决定这笔钱该给相册还是给硬盘。

最后

证据给到哪，话说到哪：目前所有"某相册碾压Photos"的帖子，全是用户侧横评和个例实录，没有一个是拿同一台机器、同一批照片做的受控对比。所以别把"immich比自带快"抄进购物车，先拿自家库的1%建个测试库跑一晚——索引耗时、识别错误率、家人愿不愿意换App，三个问题都会有自己的答案。

你家相册搜索框里，最想搜出来又搜不到的那个词是什么？评论区对一下，看它属于照片质量的问题，还是算法的锅。