萬元檔 AI 電腦怎麼配

如果你想在本地跑 LLM，第一個卡點通常不是 CPU。是顯存。以 NVIDIA GeForce RTX 5070 Ti 為例，16GB VRAM 直接把「能跑」和「跑得順」切開。講白了，顯存不夠，很多模型就是裝不下。

這篇配置的重點，不是炫規格。是用萬元檔預算，做一台能玩本地 AI、能生圖、能做對話，也能順便打遊戲的主機。這種機器很台灣。預算有限，但需求很雜。

我看完的感覺很直接。這不是傳統遊戲電腦。這是一台偏 AI 推理的工作機。選件順序整個變了。先看 GPU，再看硬碟，最後才輪到 CPU。

先看顯卡：AI 機的核心

如果只挑一個零件，顯卡幾乎決定這台機器能做多少事。對本地大模型來說，VRAM 不是加分項，是門檻。你可以接受慢一點，但很難接受模型直接爆顯存。

這次的選擇是 NVIDIA 陣營。原因很現實。開源 LLM、推理框架、量化工具，很多都先照顧 N 卡。少碰兼容性問題，就少花時間修驅動。這點對新手很重要。

RTX 5070 Ti 的 16GB 很尷尬，也很實用。12GB 的卡像 RTX 5070，常常卡在門口。16GB 則比較像正式入場券。RTX 5080 也是 16GB，但價格更高。RTX 5090 雖然有 24GB，可是預算直接飛走。

• RTX 5070 Ti：16GB，約 7000 元級
• RTX 5080：16GB，價格更高
• RTX 5090：24GB，兩萬元級
• RTX PRO 5000 Blackwell：48GB，偏工作站

講白了，AI 電腦不是比誰最猛。是比誰最不浪費。對生圖、角色控制、對話這類用途，16GB 常常就是甜蜜點。再往上，錢會燒得很快。

如果你也在看顯卡取捨，可以順手看 NVIDIA 官方規格頁。先把 VRAM 看懂，再談效能。這順序比較不會翻車。

為什麼 N 卡比較穩

很多人會問，AMD 不行嗎？Intel 不行嗎？不是不行，是你要付出更多試錯成本。現在本地 AI 的教學、工具、範例，還是明顯偏向 N 卡。這不是信仰，是生態。

作者提到一個很實際的點。很多開源模型和工具鏈，先把 N 卡當基準。你如果用別的陣營，常常得自己補洞。新手最怕的不是慢，是卡在安裝和相容性。

原文作者 龍騰道 的話很直白。他說，既然上手期本來就要折騰，就別再加未知數。這句很有道理。買 AI 機，不是只買硬體，是買時間。

「開源大模型目前主要圍繞 n 卡設計，為避免上手期本來就要折騰很多東西再添不必要的麻煩和未知數，選擇了 n 卡。」——龍騰道

這句話我認同。因為本地 AI 的麻煩，常常不是算力不夠，而是你花兩小時在裝環境。對一般使用者來說，這很煩。真的很煩。

如果你想看更多實戰比較，可以參考 NVIDIA 和 AMD 跑 AI 的差別。這篇會比單看規格表更有感。

硬碟別省：模型檔案真的很肥

很多人配 AI 主機時，只盯著顯卡。硬碟就隨便抓一顆能開機的。問題是，模型檔通常很大。幾 GB 算小，十幾 GB 很常見。你一直換模型，載入速度就會變成日常體感。

這次選的是 2TB 的 Crucial T710。它是 PCIe 4.0 M.2 SSD，還有 DRAM 快取。這種配置不算最便宜，但很適合常拉模型、常下載資料、常做測試的人。

作者整理的速度對比很有意思。SATA 機械硬碟大約 4 秒/GB。SATA SSD 約 2 秒/GB。PCIe 3.0 SSD 可到 3GB/s。PCIe 4.0 SSD 約 7GB/s。PCIe 5.0 SSD 甚至能更高。差距很大，不是小數字。

• 機械硬碟：便宜，但慢
• SATA SSD：夠用，但不夠爽
• PCIe 4.0 SSD：AI 工作流比較順
• 2TB 容量：比較不怕模型塞爆

我覺得這裡最重要的，不是追 PCIe 5.0。是別買太小。1TB 很快就滿。尤其你還要放遊戲、素材、快取、測試資料。2TB 才比較像正常起跑線。

如果你常做模型切換，SSD 體驗會很明顯。這不是紙上談兵。你每天多等 30 秒，一個月下來就很煩。

平台怎麼省，才不會省錯

CPU 在 AI 推理裡不是主角。這句很重要。很多人會先盯最新一代處理器，但其實本地 AI 更吃 GPU。CPU 夠用就好，不必把錢全丟進去。

這次搭的是 AMD Ryzen 7 5700X。它不是最新平台，但性價比很高。搭配 ASUS TUF Gaming B550M-Plus WiFi II 這類主機板，也能把預算留給顯卡和 SSD。

這種思路很務實。AM4 平台便宜，記憶體也成熟。你不用為了追新平台，多花一大筆錢。對萬元檔來說，這筆錢拿去升顯卡，通常更有感。

• 5700X：夠用，不追新
• B550：成熟、便宜、選擇多
• DDR4：成本低，容量好拉高
• 把預算留給 GPU，比升 CPU 更實在

如果你是純遊戲玩家，可能會想衝新平台。可是在 AI 場景裡，這樣不一定划算。講白了，5700X 不會拖後腿。GPU 才是那個會決定體感的人。

這也是很多 AI 主機的共同特徵。平台老一點沒關係。只要穩、便宜、好裝，就夠了。

電源和散熱也不能亂配

很多人配到最後，最容易省掉的就是電源。這很危險。AI 主機的 GPU 一跑起來，功耗不是開玩笑。電源太弱，系統就會不穩。重開機、黑畫面、掉驅動，都是常見後果。

這台機器的思路是，電源要留餘裕。不要剛好壓線。因為你不只要顧單次滿載，還要顧長時間運作。AI 訓練、推理、批次生圖，都可能連跑好幾小時。

散熱也一樣。GPU 佔空間，熱量也大。機殼風道如果亂，溫度就會上去。溫度一高，風扇就吵。風扇一吵，整台機器就很像在跟你抗議。

所以這類機器的配法很簡單。電源別買太鳥，機殼別買太悶，風扇別省到只剩裝飾。這些東西不會讓你跑更快，但會讓你少出事。

這類 AI 主機，跟遊戲電腦差在哪

最大差別是優先順序。遊戲機常常先看 CPU，再看 GPU。AI 機剛好反過來。先看 VRAM，再看 SSD，再看平台。順序一變，整個預算分配也變了。

第二個差別是容量思維。遊戲大多是裝幾個大作。AI 則是模型、權重、快取、資料集一起堆。你很快就會發現，1TB 不太夠。2TB 才像是正常使用。

第三個差別是相容性。遊戲電腦只要能跑遊戲，很多事情都能接受。AI 主機不行。驅動、框架、量化工具、CUDA 版本，任何一個環節出問題，都可能讓你卡住。

• 遊戲機：看 FPS
• AI 機：看 VRAM 與生態
• 遊戲機：1TB 常見
• AI 機：2TB 更合理
• 遊戲機：CPU 比較重要
• AI 機：GPU 優先

這也是為什麼很多人第一次配 AI 主機會踩雷。你照遊戲機思路買，錢花得很平均，但 AI 體驗反而不漂亮。講白了，錢要砸在對的位置。

如果你只想試水溫，先用雲端 API 也行。可是一旦你想本地跑，硬體選擇就會變得很現實。

結尾：萬元檔怎麼選，我的答案

如果目標是本地 AI 入門，我會把預算先給 GPU。16GB VRAM 是比較安全的起點。再來是 2TB SSD。最後才是 CPU 和主機板。這個順序很土，但很有用。

我自己的預測很簡單。接下來一年，16GB 顯存會變成很多人配 AI 機的底線。不是因為它最強，而是因為它剛好夠用，又不會把預算炸掉。你如果現在要配，我會直接問：你是要玩 AI，還是要收藏規格表？