بناء جهاز حاسب آلي (PC) قوي مخصص لتطبيقات الذكاء الاصطناعي بميزانية 6,000 ريال سعودي
بميزانية 6,000 ريال، الأولوية القصوى لتشغيل نماذج الذكاء الاصطناعي محلياً هي كرت الشاشة (GPU) وخصوصاً حجم ذاكرة الـ VRAM. نوصي بالتركيز على كروت NVIDIA لامتلاكها مكتبات CUDA المدعومة بشكل كامل في أدوات الذكاء الاصطناعي.
بناء جهاز حاسب آلي (PC) قوي مخصص لتطبيقات الذكاء الاصطناعي بميزانية 6,000 ريال سعودي
بميزانية 6,000 ريال، الأولوية القصوى لتشغيل نماذج الذكاء الاصطناعي محلياً هي كرت الشاشة (GPU) وخصوصاً حجم ذاكرة الـ VRAM. نوصي بالتركيز على كروت NVIDIA لامتلاكها مكتبات CUDA المدعومة بشكل كامل في أدوات الذكاء الاصطناعي.
اختيارات Anjez
الخيار الأول: التركيز على الذاكرة الكبيرة (NVIDIA RTX 4060 Ti 16GB)
يوفر هذا الكرت 16 جيجابايت من الـ VRAM وهي ميزة نادرة في هذه الفئة السعرية، مما يتيح لك تشغيل نماذج لغة كبيرة (LLMs) متوسطة محلياً.
- الميزة: VRAM بحجم 16GB لتشغيل النماذج دون امتلاء الذاكرة.
- التوافق: يدعم مكتبات CUDA و TensorRT بالكامل.
- الاعتبار: أداء الألعاب متوسط مقارنة بالذكاء الاصطناعي.
الخيار الثاني: البحث عن سوق المستعمل (RTX 3090 24GB مستعمل)
إذا وجدتم كرت RTX 3090 مستعمل بحالة ممتازة ضمن الميزانية، فسيكون الخيار الأقوى على الإطلاق بفضل 24GB VRAM.
- الميزة: 24GB VRAM توازي كروت الفئات العليا جداً.
- التكلفة: قد يتطلب رفع الميزانية قليلاً أو تقليل القطع الأخرى.
- التحذير: شراء المستعمل يحمل مخاطرة خلو الضمان.
خطة التنفيذ
الخطوة الأولى: تأمين وحدة معالجة الرسومات (GPU) كأولوية
اختر كرت شاشة من فئة NVIDIA RTX (مثل RTX 4060 Ti 16GB أو البحث عن RTX 3090 مستعمل بحذر) نظراً لأن ذواكر الـ VRAM الكبيرة حاسمة لتحميل النماذج محلياً عبر Ollama أو Stable Diffusion.
الخطوة الثانية: اختيار المعالج (CPU) واللوحة الأم (Motherboard)
استثمر في معالج يقدم أداء متعدد المسارات جيد (مثل Intel Core i5 من الجيل الـ 13 أو 14، أو AMD Ryzen 5) مع لوحة أم تدعم ذكريات DDR5 لضمان سرعة نقل البيانات للوحات المعالجة.
الخطوة الثالثة: الذاكرة العشوائية (RAM) والتخزين (SSD)
استخدم ذاكرة عشوائية لا تقل عن 32GB بسررعة عالية، مع قرص تخزين NVMe M.2 بسعة 1TB على الأقل وبسرعة قراءة/كتابة عالية لتسريع تحميل النماذج الكبيرة من التخزين إلى الذاكرة.
الخطوة الرابعة: مزود الطاقة (PSU) والتبريد
اختر مزود طاقة معتمد (Gold Certified) بقدرة لا تقل عن 750W لضمان استقرار النظام تحت الضغط العالي لكرت الشاشة أثناء عمليات التدريب والاستدلال (Inference).
• تجنب كروت AMD (حتى القوية منها) إذا كان هدفك الأساسي تشغيل نماذج الذكاء الاصطناعي، لأن دعم البرمجيات ومكتبات CUDA يتركز كلياً على كروت NVIDIA.
• احذر من شراء كروت شاشة بذاكرة VRAM منخفضة (مثل 8GB) لأنها ستعجز عن تشغيل النماذج الحديثة محلياً وستلجأ لبطء شديد.
• تأكد من كفاية التهوية داخل الصندوق (Case) لأن أحمال الذكاء الاصطناعي ترفع حرارة الكرت والمعالج لفترات طويلة.