- 96 GB accelerator-addressable memory
- 128 GB system memory
- AMD Ryzen AI Max+ 395
- Compact Desktop
Ingen forhandlerpris lige nu
Se pris og forhandlerLoading your configuration…
En praktisk guide til lokal AI-hardware: hvad det betyder at køre modeller på din egen maskine, hvad hukommelse reelt koster dig, og hvilken platform der passer til din opgave — og derefter en direkte vej til en komplet, gennemtjekket anbefaling.
Kører du inferens på hardware, du selv ejer, kan det reducere, hvor meget data der skal forlade virksomheden, for at en ekstern tjeneste kan behandle en forespørgsel.
Når hardwaren er købt, er den din: ingen pris pr. token for hvert eksperiment, og ingen rate-limit på, hvor ofte teamet kan bruge den.
Lokal hardware gør det billigt at prøve større modeller, andre kvantiseringer eller et helt andet værktøj uden at ændre et abonnement.
Lokal AI er ikke én opgave. Den rigtige hardware afhænger meget af, hvilken af disse du faktisk har brug for.
En alsidig assistent til udkast, opsummeringer og besvarelse af spørgsmål, kørt helt på hardware du selv kontrollerer.
Besvarelse af spørgsmål ud fra jeres egne dokumenter og vidensbase, uden at sende det indhold til et eksternt API ved hver forespørgsel.
Kodefuldførelse og -gennemgang mod en privat kodebase — relevant, hvor det ikke er en mulighed at sende kildekode til en tredjepart.
Flertrins-agenter, der bruger værktøjer og kører kontinuerligt, har gavn af ejet, altid tilgængelig regnekraft frem for betalte API-kald pr. brug.
Lokale modellers hukommelsesbehov skalerer med antal parametre, kvantisering og kontekstlængde — se RigRoutes guide til lokal AI-hukommelse for regnestykket bag.
Kører komfortabelt mange nyttige mellemstore modeller (ca. 8–14B parametre ved almindelige kvantiseringer) med plads til kontekst og et par samtidige opgaver.
Åbner for større modeller (30B+ parametre), længere kontekstvinduer, eller kørsel af mere end én model ad gangen — mod et reelt spring i hardwareprisen.
Hver platform vælger en anden balance mellem softwareøkosystem, hukommelseskapacitet og pris. Ingen af dem er universelt rigtig.
Det bredeste softwareøkosystem til lokal AI i dag. Giver mest mening, når et bestemt værktøj eller framework kræver CUDA.
NVIDIA DGX SparkStor samlet hukommelse til en konkurrencedygtig pris. Kan være det bedre valg, hvor hukommelseskapacitet betyder mere end CUDA-specifikke værktøjer.
Ryzen AI MaxStærk samlet hukommelsesbåndbredde og effektivitet. Giver mest mening, hvor macOS allerede er en del af teamets arbejdsgang.
Et udvalg af de forseglede, færdigbyggede systemer, der er bygget specifikt til denne opgave.
Ingen forhandlerpris lige nu
Se pris og forhandlerIngen forhandlerpris lige nu
Se pris og forhandlerIngen forhandlerpris lige nu
Se pris og forhandlerIngen forhandlerpris lige nu
Se pris og forhandlerPriser og lager opdateres automatisk via RigRoute Market og er vejledende, indtil de er bekræftet hos forhandleren.
Lokal hardware er en afvejning, ikke en universel opgradering. Vær konkret om, hvad der ændrer sig, og hvad der ikke gør.
Lokal inferens kan reducere mængden af data, der sendes til eksterne tjenester, men gør ikke i sig selv en opsætning compliant med nogen specifik lovgivning — det afhænger af hele systemet, ikke kun hardwaren.
Om lokal hardware er billigere end cloud-API'er afhænger af udnyttelsesgrad, hardwarens levetid, strøm og den model, du ellers ville betale pr. token for. Hardware, der står ubrugt, er ikke automatisk billigere end et API, du kun betaler for, når det bruges.
Et lokalt system bliver ved med at virke uden internetforbindelse og har ingen ekstern rate-limit — til gengæld er det begrænset af den hardware, du har købt.
Cloud-udbydere kan give adgang til modeller, der er langt større end noget, det er praktisk at køre lokalt. Lokal hardware har et hårdt loft sat af dens hukommelse.
Ikke automatisk. Lokal inferens kan reducere, hvor meget data der forlader virksomheden, men compliance afhænger af hele jeres databehandling, ikke af hvor modellen kører.
Ikke altid. Det afhænger af, hvor meget I bruger det, hvor længe hardwaren holder, strømpriser og hvilken model I ellers ville betale pr. token for. Højt, stabilt forbrug taler ofte for ejet hardware; lejlighedsvis brug taler ofte for et API.
Kun hvis et værktøj eller framework, I er afhængige af, kræver CUDA. Ellers er AMD Ryzen AI Max og Apple Silicon-systemer reelle alternativer, især hvor hukommelseskapacitet betyder mere end økosystemets bredde.
Det afhænger af modelstørrelse, kvantisering og kontekstlængde. Som udgangspunkt dækker 64 GB komfortabelt mange nyttige mellemstore modeller; 128 GB+ er til større modeller eller kørsel af mere end én ad gangen.
Brug knappen nedenfor. Den fører dig direkte ind i RigRoutes Server-konfigurator med den lokale AI-komplette-system-vej allerede valgt.
Svar på et par spørgsmål i Server-konfiguratoren, og gå direkte til de komplette AI-systemer, der matcher dit budget og din modelstørrelse.
Find den rigtige AI-løsning