大模型私有化部署的硬件配置，核心看三个指标：模型参数量、并发用户数、响应延迟要求。7B模型1张消费级显卡就能跑，70B模型至少4张A100。下面把具体配置和成本讲清楚。

一、模型参数量决定GPU选型

这是最核心的决定因素。模型越大，需要的显存越多，GPU规格就越高。

模型参数量	代表模型	FP16显存需求	INT4量化显存	推荐GPU
7B-8B	Qwen2-7B、Llama3-8B	约16GB	约6GB	1× RTX 4090（24GB）
13B-14B	Qwen2-13B、Yi-14B	约28GB	约10GB	1× A100（40GB）或 2× RTX 4090
30B-34B	Qwen2-32B、Yi-34B	约64GB	约20GB	2× A100（40GB）或 1× A100（80GB）
70B-72B	Qwen2-72B、Llama3-70B	约140GB	约40GB	4× A100（40GB）或 2× A100（80GB）

图1：不同模型参数量的显存需求对比

几个要点说明：

• FP16 vs INT4：FP16是半精度推理，效果最好但显存占用大。INT4是4位量化，显存减少60-70%，效果损失通常在2-5%以内，企业部署推荐INT4起步。
• RTX 4090能跑7B：消费级显卡24GB显存足够跑7B模型的FP16推理，或13B的INT4量化。性价比高，但受限于ECC内存缺失和散热设计，不适合7×24小时高负载生产环境。
• A100是生产首选：40GB版本性价比最高，80GB版本适合70B模型。预算充足可选H100但价格翻倍。
• 国产替代：华为昇腾910B（64GB显存）可跑13B-34B模型，适合有信创要求的企业。

二、并发用户数决定GPU数量

单张GPU的并发能力是有限的。模型推理时每个并发请求都要占用显存（KV Cache），并发越多，显存压力越大。

单卡并发能力的估算公式：

不同并发需求下的GPU数量参考：

模型	并发用户数	推荐GPU配置	预估硬件成本
7B（INT4）	10-15人	1× RTX 4090	5-8万
7B（INT4）	30-50人	2× RTX 4090 或 1× A100	10-15万
13B（INT4）	10-15人	1× A100（40GB）	15-20万
13B（INT4）	30-50人	2× A100（40GB）	25-35万
70B（INT4）	10-15人	4× A100（40GB）	60-80万
70B（INT4）	30-50人	4× A100（80GB）	100-150万

图2：并发用户数与GPU配置、成本估算

注意：这里的"并发用户数"指同时发起请求的用户数。如果总用户数100人但同时在线不超过15人，1张卡就够了。大部分中小企业内部部署，15-30并发已经能满足需求。

三、内存和存储别忽略

很多人只盯着GPU，结果服务器内存不够、硬盘太慢，推理速度照样上不去。

内存（RAM）：至少是GPU总显存的2倍。7B方案建议64GB内存，13B方案128GB，70B方案256GB以上。内存不够会导致模型加载和KV Cache交换变慢，响应延迟翻倍。

存储：必须用NVMe SSD。模型文件本身就十几到上百GB，每次加载如果用普通SATA SSD要等1-2分钟，NVMe只要10-15秒。

• 系统盘：500GB NVMe SSD
• 数据盘：1-2TB NVMe SSD（存放模型文件、知识库数据、日志）
• 如果知识库包含大量文档/图片，额外加一块4TB+ HDD做冷存储

CPU：推理主要靠GPU，但数据预处理、文档解析、向量编码都靠CPU。7B方案建议32核以上，70B方案建议64核以上。

网络：单机多卡部署需要NVLink或PCIe 4.0 x16。多机部署需要万兆内网（10Gbps以上）。如果智能体需要频繁调用外部API，出口带宽建议100Mbps以上。

四、中小企业的务实方案

大部分中小企业的实际需求是：50人以内使用、主要做问答和文档处理、对延迟要求不极端（3-5秒可接受）。这种情况下，7B模型 + 1张RTX 4090就够用了。

推荐两套方案：

方案A：入门级（7B模型，5-8万）

• GPU：1× RTX 4090 24GB
• CPU：Intel Xeon 4314 或 AMD EPYC 7313（16-24核）
• 内存：64GB DDR4 ECC
• 存储：500GB NVMe SSD + 2TB NVMe SSD
• 适合：50人以下团队、问答+文档处理、INT4量化部署

方案B：标准级（13B模型，15-20万）

• GPU：1× A100 40GB
• CPU：Intel Xeon 6330 或 AMD EPYC 7413（24-32核）
• 内存：128GB DDR4 ECC
• 存储：500GB NVMe SSD + 2TB NVMe SSD
• 适合：100人以下团队、复杂推理任务、需要更好的生成质量

图3：入门级与标准级方案配置对比

不建议中小企业一上来就上70B模型。70B的效果确实好，但4张A100的硬件成本60万起步，加上机房、电费、运维，总拥有成本一年至少80万。大部分企业的业务场景，13B模型经过微调后的效果已经足够。

更务实的做法：先用7B把场景跑通，验证业务价值后再升级到13B。模型可以换，硬件可以加，但场景没跑通就投大钱是最常见的弯路。

FAQ

Q：能不能用云服务器部署，不买硬件？

A：可以。阿里云、腾讯云、华为云都有GPU云服务器。7B模型用1张A10云实例，月费约2000-3000元。但长期来看（超过12个月），买硬件比租云更划算。云部署适合前期验证阶段，跑通后建议转私有化。

Q：消费级显卡（RTX 4090）能用于生产环境吗？

A：能用但有风险。4090没有ECC内存，长时间高负载可能出现计算错误；散热设计不适合7×24小时运行；显存带宽不如数据中心级GPU。建议用于开发测试和小规模内部使用（15人以下），正式生产环境建议用A100或昇腾910B。

Q：后续模型升级，硬件需要换吗？

A：看升级幅度。7B升13B，1张4090换1张A100，服务器主板和电源通常不用换。13B升70B，需要从1卡变4卡，服务器基本要换。建议采购时选支持多卡的4U服务器主板，给后续升级留空间。

Q：私有化部署需要专门的IT人员维护吗？

A：需要一个懂Linux基本操作的人做日常维护（重启服务、查看日志、更新模型）。深度调优和故障排查可以交给方案商远程支持。如果团队没有专职IT，建议选择带运维服务的方案商。

总结

7B起步够用，13B兼顾效果和成本，70B量力而行。核心原则：先把场景跑通再考虑升级硬件，别在业务还没验证的时候就砸钱买顶配。