当前位置：

社区首页

电脑数码

存储设备

网络存储

NAS存储

文章详情

AI-NAS-工作站搭建实录一：4000 元攒台 NAS + 本地 AI 工作站

本文是《个人 AI-NAS-工作站搭建实录》系列第一篇。这一篇只讲为什么折腾、买了啥、怎么想的，系统安装、模型部署、踩坑优化留给后面几篇。

用一台支持 DDR4 的 4 盘位小主机，加雷电3 显卡坞和二手 Tesla P100，4000 来元，攒了一台既能当 NAS、又能本地跑 AI 的工作站。

前言

我手里头有2024年购入的群晖 DS220+，原标配 2GB 内存，自己又塞了一条闲置的16GB内存条，总共18GB。用了2年多，主要存自己的资料、家庭照片视频，顺便放些下载的音视频，就当个家庭云盘用，两年下来没出什么大问题。

群晖的NAS系统本身可用性很强，我也用出了粘性，一直不温不火地用着。直到2025年底AI突然火起来，不知道发了哪门子神经，突然想体验一下AI，还想着本地部署个小模型，配合文档解析器，把攒了多年的文档结构化处理一下。

结果部署到群晖DS220+上，llama.cpp跑个2B模型，CPU直接100%，回答个"你好"都要等半天，更别说文档解析了，估计能等到天荒地老。

下图就是我的老群晖DS220+，经典的群晖2盘位样式。这么多年一直是这种黑塑料的样式，就算现在在售的也是一样，感觉群晖多年都不换模具！

自己的DS220+，这是以旧换新前拍的

本以为内存大就能解决一切——直到看着性能监视器里，群晖J4025这2核2线程的CPU占用永远满格，再去搜了一圈AI原理才弄明白：内存再大，也补不上计算能力的短板。大模型这东西从一开始就不是给CPU和内存设计的，2C/2T的CPU是真顶不住。跑本地AI得想别的办法，但自己是重度NAS用户，NAS平台暂时又放不下。

本地部署AI的想法先搁浅了。这期间考虑到群晖确实有点老，也对比过一些NAS型号——极空间Q4、Z2Pro、绿联DXP4800、威联通等——但都感觉不太对胃口。极空间必须绑手机号注册账号，这点挺膈应人的。绿联NAS倒不用手机号，但系统体验总觉得差群晖一档。群晖呢，硬件上又在挤牙膏，想要的全要不上。威联通系统有些繁琐，使用不易。

兜兜转转到了2026年5、6月份，AI本地部署突然又火了一把。天天刷这方面的信息，之前基本放弃的想法又复燃了。想了想，如果要搭一台带AI服务的NAS设备，NAS的硬件和系统本来就可以分开，没必要被绑定在一起。在现有条件下加一台适合自己的设备就行。

于是决定升级设备。2026年这个行情，CPU、内存、硬盘都涨了一大圈，"买新不买旧"，老架构CPU确实不行，但这时候买价格又非常不友好。只能先利用手头的配件熬到硬件降价。把群晖那条16GB的DDR4-2400再配一条同频的组成32GB双通道，NAS上有2块8TB的SATA硬盘，家里还有2块SATA SSD，这样只要买台支持DDR4内存、4盘位的NAS小主机就够了。

考虑到要跑本地大模型，核显至少得能用。中间还错买成只有板载12GB DDR5内存的型号，折腾了大半天（这个还写过开箱文章）

后来入了零刻 ME Pro i5-13500H（把群晖DS220+和自己2020款的Macbook Air以旧换新抵扣了大约2000多元）。零刻这款特别小巧，看了好几年群晖的黑色塑料外壳，早就审美疲劳了。当时零刻还有AMD芯片的在售，可惜不支持DDR4，必须用DDR5——手里没有DDR5内存条，新买又特别贵。虽然AMD核显很强，但换了AMD，手里的DDR4内存全废了，还得花大价钱买DDR5，这不符合预算。

核显跑AI大模型基本只算体验，真用不上。自己也不想放弃NAS去搞个大机箱装显卡，真实原因还是手头紧。于是曲线救场——买个支持USB4/雷电3/4的显卡坞。零刻ME Pro正好支持USB4/雷电4，向下兼容雷电3。系统早就想好了，用飞牛fnOS，操作界面和习惯跟群晖很像，生态也完善。

思路理顺之后，就是主机负责"又当NAS又当底座"，显卡坞负责"把算力外挂上去"，中间用雷电3/4打通。下面先看看具体买了哪些设备。

下面是自己购买的设备

先给个总览表（小主机如果不算自己以旧换新抵扣的群晖DS220+和自己的2020款的Macbook Air，购买时2560元），大家看看，后面再逐件展开：

这是自己这次升级购买的产品信息和价格，现在价格我看都涨了很多

我这么买的原因

硬件继承率： 100%利用旧内存（16G）和旧硬盘（4块），这部分成本为0。

二手溢价规避： 内存只买拆机件（380元），显卡只买二手计算卡（420元），比买一张全新的RTX 4060（约4800元）省了4000多(当然性能上可能无法和4060比）。现在看内存价格和显卡已经比我买的时候涨了一大截。

形态妥协换成本： 省了机箱和电源钱（约500元），牺牲了部分PCIe带宽（雷电3），但保住了"小巧+NAS形态"。

最终成本： 全套4000来元，1台小主机+1个能跑16GB显存AI的底座。这个价格在2026年，连一张入门级独显都买不到。

下面逐件说说为什么选这些。

零刻ME Pro i5-13500H

这是官网上的参数表，注意表中的32GB内存不是主机支持的最大内存，我看了可以支持到64GB，就是现在内存太贵。

官网参数信息表

我自己总结的信息表：

自己总结的信息表

选它的原因很简单：支持DDR4、有4盘位、带雷电口，手里的旧内存旧硬盘全都能接着用，省下的都是实打实的钱。如果以后零刻再出一款支持OCLink的多盘位主机那就完美了，还有一点很重要，这个是可以更换主板的，方便后期升级。

16GB DDR4-2400 英睿达笔记本内存（二手）

内存买了二手拆机件，当然不建议大家去买二手拆机件，这个保修没有啥保障，还是买有保障的。我买大部分原因是价格我能接受，不过现在已经涨的离谱了。

二手拆机标都有些磨损了，好在上机使用没啥问题

没上DDR4-3200，纯粹是为了和手里那条2400频率一致、稳稳组双通道，没必要为那点频率再多花钱。淘宝买的拆机二手，买的时候380元，现在要900多了。看看目前的内存价格DDR4的，感觉非常魔幻，唯一后悔当初应该买32GB的。

开源宇宙M70T 雷电3显卡坞

买这个也是选了很多，就这个价格合适，没办法预算有限。我买了后现在这款厂家不出了

厂家产品介绍

做工还是有些粗糙

全家福，电源内置

信息表，自己总结的，主要是自带电源，省的自己去配

显卡坞是整套方案里最关键的部件：小主机保持小巧，算力外挂，以后换卡也只动显卡坞里这一张。内置550W电源，省了自己配电源。体积比较小巧，做工一般，实际用了1个多月很稳定，自带的散热风扇也挺静音的。

Tesla P100 16GB PCIe显卡（二手）

买这个也是因为预算有限，显卡的价格在我买时已经涨的离谱了。不敢追高啊。

目前tesla系列卡信息表

说是二手拆机卡，但是成色非常新，感觉像没用过的

这是配的散热风扇，3D打印的，效果还可以，正好能装到P100上。

散热风扇，实际使用效果非常好

显卡供电接口和消费级不一样

这个卡是老卡，最大的亮点是HBM2显存，732GB/S带宽

二手计算卡里，P100赢在16GB HBM2大显存，跑中小模型和文档解析比较划算。代价就是散热和供电得自己搞定——网上有3D打印带风扇的改装件，三四十块钱就能买到，再加个USB风扇控制器不到10元，可以手动调转速。当时买的P100不到420元，现在估计贵了100多。P100虽然是2016年的老卡了，实际用起来还行，就是配置比较麻烦，适合喜欢折腾的人。看看现在的显卡价格，已经不是我等可以企及的了。

整套设备全家福

这是摆在家里略显简陋的阳台上的AI-NAS-工作站，全套下来4000来元。

自己搭建的4000来元的AI-NAS-工作站全家福

搭建动机：纯个人理由，仅供参考

硬件说完，再聊聊"为什么非要本地折腾"。下面三条纯属个人理由，不一定对，但估计有人跟我想到一块去了。

隐私理由：有些数据没法拿到云端

自己手里有大量个人文件、工作文档，全部交给云端API处理，等于每次使用都在把数据送出去。一开始用云端API确实方便，但处理稍微敏感一点的东西——比如公司内部文档、个人笔记库——就会本能地犹豫。

"数据不出自己设备"不是口号，是底线。 很多人应该都有过同样的犹豫。

本地部署就是把数据攥在自己手里：模型在自己机器上跑，文档解析、知识库问答全在内网完成。不用担心哪天服务条款一改，自己攒了多年的资料变成别人训练集里的一行数据。

对既想用AI又放不下隐私的人来说，本地化几乎是唯一解。

成本理由：不想被云端订阅绑着

云端API按量付费，启动成本看起来是零，但用量上去后账单会告诉你真相。装了DeepSeek新出的桌面端智能体软件，送了6元体验金，结果跑了一次任务，任务还没跑完钱就没了。

自己本地部署的小模型跑一天一夜，无非就是耗电和耗时间。效果虽然跟云端没法比，但那种自己掌控一切的感觉，云端给不了。

本地这套是"一次性投入、长期摊薄"：硬件钱花出去了，后面就是电费。P100满载250W，加上主机总功耗大概三四百瓦，真要是天天跑，一个月电费远比频繁调云端API来得可控。

更重要的是心态变了：本地跑任务不用再盯着余额、不用算"这一次prompt值不值"，想怎么试就怎么试。这种"随便造"的自由，才是我愿意折腾的根本原因。

折腾理由：跟当年玩NAS是一个感觉

以前折腾NAS的时候，装Docker、配反代、搭相册、折腾自动化，装一个服务能开心一晚上。现在换成了llama.cpp、strata、等各种推理引擎和Agent框架，兴奋点一模一样。

省钱的部分：硬件便宜，但"不省心"。P100要自己配风扇，驱动要自己调，系统要自己配Docker。

体验的部分："不省心"恰恰是"体验"的一部分。亲手把3D打印风扇调到合适转速，在fnOS里用Docker把P100识别为CUDA设备，那种"我掌控了这台机器"的成就感，是花钱买成品NAS给不了的。

AI-NAS工作站对我来说不只是工具，更是一个"永远有新东西可以试"的大玩具。可能这才是让想法从搁浅到最终落地的真正推手。

装机与避坑：几个前期就想清楚的点

这套方案已经搭建好，目前看跑得不错。前期主要是把几个关键取舍想明白了，踩过的坑和当时的权衡整理在下面，先说明这只是个人的想法和感受，大家仅供参考。

- DDR4还是DDR5：被手里的内存绑死了。 AMD核显虽强，但新平台只认DDR5，而DDR5又贵，手里的DDR4-2400直接作废。算下来"换AMD = 核显升级 + 内存重买"，预算直接超标。所以老老实实选了支持DDR4的i5-13500H，把旧内存和旧硬盘全盘继承，这才是省钱的大头。

- 为什么走雷电3显卡坞，不上大机箱。 核显跑AI只能算"能亮机"，真要用必须上独显。但上独显通常意味着大机箱、大电源，和"小巧+保留NAS形态"的需求冲突。雷电3显卡坞刚好折中：主机保持小体积，算力外挂，升级显卡也只动坞这一侧。显卡坞在性能上确实不如独立显卡，甚至不如OClink那种PCIe直通的方案，但胜在体积小、好收纳。雷电3/4带宽确实不如PCIe直通，但AI推理时模型加载到显存就完了，后续运算全在显卡上自己跑，Thunderbolt不参与。所以对实际使用影响不大。

- Tesla P100的两个大坑：散热 + 无显示输出。 这卡是服务器计算卡，自带被动散热、没有风扇，塞进消费级显卡坞里不加风扇分分钟过热降频甚至保护关机，必须自己加涡轮/暴力风扇做风道。另外它没有任何视频输出口，无法点亮显示器，从头到尾只负责算。供电要单8-pin，选显卡坞时务必确认供电够。不到500元的价格，最主要的是HBM2显存带宽732GB/s，跑AI大模型时带宽非常重要。

- 盘位与硬盘规划。 2×8TB SATA HDD做存储主力，2×SATA SSD做缓存/系统盘或常用数据，再加M.2 NVMe跑系统和模型文件，冷热分层，旧盘全部物尽其用。

- 系统为什么选飞牛fnOS。 玩腻了群晖多年的黑塑料和挤牙膏，fnOS界面清爽、对硬件更开放、界面和群晖类似，生态也比较完善，方便在上面折腾Docker和AI环境，不像成品NAS那样处处受限。系统和硬件解绑，正是这次升级最想要的东西。