---
title: "显存紧时先减并发还是换量化：我们学到的"
url: https://memory.wiki/w3QdQ8Fs
updated: 2026-11-17T21:53:00.647Z
source: "memory.wiki"
---
# 显存紧时先减并发还是换量化：我们学到的

## 「显存紧时先减并发还是换量化」背后的真正问题

先减并发，再动可能坏掉的量化。很多本地大模型的硬件讨论一上来就问买哪张卡。更好的起点是工作负载：你真正要跑哪些模型、能接受的量化等级、用户平时粘贴的上下文有多长、同一时间有几个人在用。把这几件事写清楚，购物清单才有意义。

## 先算内存预算

模型权重只是一部分。KV 缓存会随上下文长度和并发会话增长，推理程序自己也要占缓冲区，桌面环境在你加载模型前可能已经吃掉一部分显存。请记录冷启动后的实际可用显存，而不是包装盒上的数字。如果模型加上真实上下文放不下、还留不出余量，就会溢出到系统内存，变得很慢，任何参数都救不回来。这时可以对照[3000 元档配置](https://microaione.com/hardware/budget-3000/)，按参数量和量化等级来推算，而不是按营销档位。

## 平台和显卡一样重要

好显卡配弱平台是最常见的后悔。重点检查：

- 电源的额定功率和品质，为瞬时峰值留足余量，不只看标称功耗。
- 物理空间：显卡长度、厚度，以及供电线的弯折半径。
- 如果以后想加第二张卡，主板插槽的通道分配。
- 风道：侧板装上、室温偏高时依然通畅。
- 系统内存：足够同时放下系统、推理服务和嵌入模型，不触发交换。

## 新卡、二手卡还是统一内存

二手卡可以很划算，但要验：螺丝缺失、换过风扇、接口变色、短时间负载下温度异常，都是放弃的理由。苹果芯片走另一条路：统一内存意味着模型和系统共用一个池子，要给 macOS 和其他软件留足余量。迷你主机跑小模型、做展台没问题，前提是接受它的散热上限。无论选哪种，装机当天都要记录序列号、发票和照片。

## 合理的采购顺序

1. 用一段话写清工作负载：模型、上下文、用户数、使用时段。
2. 换算成带余量的内存需求。
3. 先定平台（电源、主板、机箱、内存），再定显卡。
4. 烤机至少半小时，同时看温度和日志。
5. 用自己的小评测集跑一遍，再宣布装机完成。

## 采购前要问的问题

- 系统、驱动和运行时各自占用之后，需要的模型还放得下吗？
- 大家真实粘贴的文档有多长，同时有几个人在粘贴？
- 工作时间持续负载的噪音和发热，房间能接受吗？
- 风扇或电源坏了谁来换，团队能接受机器停多久？
- 有没有清晰的升级路径，还是下一步就得换整个平台？

只要有一个问题答不清，就先租用或借用类似的硬件试一周。一周的真实使用比一个月看参数表更有用，也能让采购建立在自己的工作负载之上。

另见[硬件测评](https://microaione.com/hardware/)。


## 速记要点

- 驱动和运行时版本一起固定。
- 引用速度之前，用自己的提示词实测。
- 每次变更都写上日期和负责人。
- 给系统和嵌入模型留出内存余量。

*作者：[本地AI 1号网](https://microaione.com/)，深圳团队，专注本地大模型软硬件、装机与私有化部署。*

---

## Summary
当显存不足时，应优先减少并发会话数，而非直接降低模型量化等级。硬件采购应基于实际工作负载、上下文长度及预留内存余量进行规划，并优先保障电源与散热等基础平台性能。

## Themes
- Local LLM Hardware Planning
- Memory Management Strategies
- System Integration Best Practices

## Key takeaways
- Prioritize reducing concurrency before resorting to model quantization when facing memory constraints.
- Total memory requirements must include the model weights, KV cache for context, inference engine overhead, and system background processes.
- Platform components like power supply and cooling must be finalized before selecting the GPU to ensure physical and electrical compatibility.
- Real world testing with personal datasets and prompts is more reliable than relying on published benchmark specifications.
- If hardware requirements remain unclear, renting or borrowing equipment for a week is superior to immediate purchasing.

## Insights
- Hardware selection should be driven by specific workload requirements rather than marketing specifications or raw GPU power.
- System stability depends as much on the platform infrastructure like power supply and cooling as it does on the GPU itself.
- Unified memory architectures require careful overhead management because the system and the model share the same resource pool.

## Open questions / gaps
- What are the specific performance trade-offs when choosing between Apple Silicon unified memory and traditional discrete GPU setups for specific model sizes?

