文章摘要
作者认为AI编码工具虽革新了软件开发，但依赖外部服务存在风险。他主张用废旧零件在家自建小型AI数据中心，以保持技术自主可控。
文章总结
好的，这是根据您的要求，对原文进行的中文重述，保留了核心细节，并删减了与主题无关的评论性内容。
文章标题： 在家搭建AI（第一部分）：一箱“电子垃圾”
核心内容：
作者认为，基于Transformer的大语言模型是软件领域近年来真正有趣的技术突破。然而，他无法信任那些受他人控制的云端AI服务，因此决定利用手头的“电子垃圾”，在家中亲手搭建一个属于自己的小型AI数据中心。
由于当前电脑配件短缺，高性能GPU价格昂贵，作者选择了AMD为云游戏业务生产但最终滞销的V620工作站显卡。这些卡拥有32GB显存，但因软件支持不佳而价格低廉。他通过eBay购入了四块这样的显卡，以及一块2017年的X299平台主板和一颗性能不佳但价格便宜的Intel Core i9 10900X CPU。内存和固态硬盘则从家中其他电脑上拆借而来。
为了给这些没有自带风扇的服务器显卡散热，作者用3D打印制作了一个风扇导流罩，将两个高转速（10000 RPM）的80mm服务器风扇固定在四块显卡上。这些风扇噪音极大，初期因主板无法独立控制风扇转速，作者不得不佩戴耳罩进行调试。
在解决启动问题（需在BIOS中开启Resizable BAR和MMIO High Size）并安装Ubuntu 24.04系统后，作者编译了推理服务器llama.cpp。他首先测试了Gemma4模型，运行良好；随后成功加载了目标模型Deepseek V4 Flash，虽然速度较慢，但至少证明了硬件可以容纳该模型。
为了解决噪音问题，作者没有依赖主板的风扇控制功能，而是使用一块Arduino Nano开发板和一个自制的原型电路板，搭建了一个独立的PWM风扇控制器。他甚至让AI服务器（Deepseek V4 Flash）为自己编写了根据GPU温度调节风扇转速的控制脚本。
最终，这台由“电子垃圾”拼凑而成的AI服务器稳定运行。作者表示，将在下一章节中深入探讨如何优化其运行速度。
评论总结
根据评论内容，总结主要观点如下：
1. 风扇噪音问题（高认可度） - 评论1指出10000 RPM风扇噪音极大，远超预期：“I had no idea a small 12V fan could be this loud” - 评论10建议使用大尺寸风扇（如14cm）并配合3D打印导流罩，可更安静地散热：“A single 14cm fan at low speeds was enough to keep them cool at 62 degrees max”
2. AMD显卡的稳定性与性能（中等认可度） - 评论2对使用AMD表示好奇，关注软件稳定性：“Quite courageous to go with AMD... how he solves the software stability” - 评论9期待后续内容，希望看到AMD显卡的潜力：“I want to know what you can squeeze out of those AMD cards”
3. 硬件配置与改造（中等认可度） - 评论4、8认为“废料箱”定义差异大：“Our definition of 'Box of Scraps' is wildly different” - 评论10指出机箱PCI插槽数量限制：“Cases that can take four dual-slot cards is rare” - 评论11建议使用PETG-CF而非PLA打印部件，因PLA在55°C会软化：“PLA begins to soften at as low as 55 degrees Celsius”
4. 本地AI推理的可行性（中等认可度） - 评论5认为本地推理依赖更新模型，存在不确定性：“Local inference will keep depend on updated models for quite a while” - 评论6表示已成功用本地硬件替代云服务：“I can definitely say I don't need it anymore”
5. 项目整体评价（正面） - 评论9赞赏项目的“hacky”风格和简洁网页设计：“I love this! Hacky recycling of old computer parts” - 评论3幽默地描述了深夜施工的疯狂：“Ahh, one of those projects”