穷玩NAS+AI：我花2000块攒出了全功能离线AI仓库

#NAS+AI部署实战

穷玩NAS+AI：我花2000块攒出了全功能离线AI仓库

你有没有算过，每个月在各种AI会员上花了多少钱？ChatGPT Plus 20刀，Claude Pro 20刀，Midjourney 10刀……一年下来，光AI订阅费就小一万了。关键是——断网就废，数据还全在别人服务器上。

三个月前我下了个狠心：花2000块攒一台NAS，把AI大模型全部跑在本地。不用梯子、不用月费、数据完全私有。折腾了一个月，这套方案已经稳定跑了60多天，今天把完整经验分享出来。

穷玩NAS+AI封面

为什么要在NAS上跑AI？

先说说我的使用场景：日常写文案需要文字润色、偶尔翻译文档、给照片打标签分类、家里小孩问作业题。这些需求说大不大，但每天都要用。

云端方案的三个硬伤让我受不了：

隐私问题：家庭照片、工作文档全传到国外服务器，心里不踏实

网络依赖：断网/抽风就完全没法用，体验极不稳定

持续费用：订阅制每年都要续费，长期算下来比硬件贵得多

NAS本来就是7×24小时开着的，跑AI只是多占一点内存和CPU，边际成本几乎为零。这笔账怎么算都划算。

硬件清单：2000块能买什么？

别被网上那些动辄5000+的NAS方案吓到。跑AI大模型，核心就看两个指标：内存大小和CPU性能。显卡？对于7B-14B参数的模型，纯CPU推理完全够用。

我的配置清单：

配件 型号 价格

主板+CPU N100迷你主板（带板载CPU） 550元

内存 DDR5 16GB×2（32GB） 420元

系统盘 256GB NVMe SSD 120元

数据盘 4TB 机械硬盘（矿盘） 280元

机箱+电源 ITX NAS机箱+DC电源 350元

散热 被动散热片+8cm静音风扇 60元

网线等杂项 - 50元

合计 1830元

硬件选型指南

关键要点：内存一定要上32GB。跑Qwen2.5 7B模型大概占用6-8GB内存，系统和NAS服务还要占4-6GB，16GB会很紧张。32GB给你留出余量，可以同时跑两个模型或者加载14B的中杯模型。

软件部署：30分钟搞定全套AI栈

系统我选了飞牛OS（FnOS），国产NAS系统，Docker支持开箱即用。AI部分的软件栈非常简单：

第一层：Ollama（模型推理引擎）

一条命令安装，自动管理模型下载、加载和推理。支持几乎所有主流开源模型。

docker run -d --name ollama -p 11434:11434 -v ollama_data:/root/.ollama ollama/ollama

第二层：Open WebUI（聊天界面）

一个漂亮的Web界面，支持多模型切换、对话历史、文件上传。家人打开浏览器输入NAS的IP地址就能用。

第三层：模型选择

我常驻三个模型：

Qwen2.5 7B：中文对话主力，日常问答、写文案、翻译

Llama3.1 8B：英文任务和代码辅助

Gemma2 2B：轻量快速，简单问题秒回

AI模型部署实战

实际体验：能用，但别指望飞起来

说实话，N100跑7B模型的速度大概是每秒5-8个token，相当于你看着它一个字一个字往外蹦。比GPT-4慢很多，但比你自己打字快。

日常使用完全够了：问一个问题，10-15秒出完整回答。写一段200字的文案，30秒左右。翻译一段话，几秒钟。

最让我惊喜的是7×24小时随时可用。半夜睡不着想查个东西，拿手机打开浏览器就能问。不用等加载、不用登录、不用担心额度用完。

踩坑与建议

分享几个我踩过的坑：

别买8GB内存的机器——跑不动任何有用的模型，16GB是绝对底线，32GB是舒适线

模型文件很大——一个7B模型大约4-5GB，系统盘256GB够用，但模型建议放在数据盘上

散热要注意——N100跑AI时CPU会长时间满载，被动散热不够，一定要加风扇

别贪大模型——14B以上的模型在N100上会很慢，7B是性价比最高的选择

写在最后

2000块出头，一台机器同时搞定NAS存储+私有AI助手，一次投入，终身使用。按一年AI订阅费5000块算，不到半年就回本了。

当然，本地7B模型的能力肯定比不上GPT-4o或Claude 3.5。但对于80%的日常需求——问问题、写文案、翻译、整理笔记——它完全够用，而且完全离线、完全私有、完全免费。

你觉得花2000块搞一台AI+NAS值不值？欢迎评论区聊聊你的方案。