AI & DEEP LEARNING

سیستم هوش مصنوعی و یادگیری عمیق

سیستم هوش مصنوعی کامپیوتری است که برای اجرای محلی مدل‌های زبانی بزرگ (LLM)، تولید تصویر با Stable Diffusion و Flux، و آموزش و تنظیم دقیق (Fine-tuning) مدل‌های یادگیری عمیق ساخته می‌شود. در اوستا آی‌تی سیستم هوش مصنوعی شما را بر اساس اندازه‌ی مدل‌هایی که می‌خواهید اجرا کنید، حجم داده‌ها و بودجه‌تان پیکربندی، اسمبل و پیش از تحویل زیر بار سنگین تست می‌کنیم.

مشاوره رایگان: ۰۲۱-۶۶۴۵۹۶۰۲مشاهده پیکربندی‌ها
کارت‌های گرافیک NVIDIA با CUDAتا ۶۴ گیگابایت VRAMاسترس‌تست پیش از تحویلمشاوره‌ی تخصصی رایگان
AVESTAGEFORCE RTXAVESTA IT
RTX 5090۳۲ گیگابایت VRAM
LLM محلیاجرای مدل‌ها بدون اینترنت
CUDAPyTorch و TensorFlow
PyTorchTensorFlowCUDAOllamaLM Studiollama.cppvLLMStable DiffusionComfyUIFluxHugging FaceWhisperJAXJupyterPyTorchTensorFlowCUDAOllamaLM Studiollama.cppvLLMStable DiffusionComfyUIFluxHugging FaceWhisperJAXJupyter
WHY LOCAL AI

چرا سیستم هوش مصنوعی شخصی؟

حریم خصوصی داده‌ها

با اجرای محلی مدل‌ها، اسناد، کدها و داده‌های مشتریان شما هرگز از سیستم خودتان خارج نمی‌شوند. برای شرکت‌ها، دفاتر حقوقی و پزشکی و هر کسب‌وکاری که با اطلاعات حساس کار می‌کند، این مهم‌ترین مزیت است.

بدون محدودیت و تحریم

سیستم محلی به اشتراک ماهانه، محدودیت تعداد درخواست یا دسترسی به سرویس‌های خارجی وابسته نیست. مدل‌های متن‌باز مثل Llama، Qwen، DeepSeek و Mistral را هر زمان و به هر تعداد که بخواهید اجرا می‌کنید.

آموزش و شخصی‌سازی

برای پژوهشگران، دانشجویان و توسعه‌دهندگان، سیستم شخصی امکان آزمایش سریع، آموزش مدل‌های کوچک و تنظیم دقیق مدل‌های بزرگ با روش‌هایی مثل LoRA را روی داده‌های خودتان فراهم می‌کند.

VRAM IS EVERYTHING

چه مدلی روی سیستم شما اجرا می‌شود؟

در هوش مصنوعی، مهم‌ترین مشخصه‌ی سیستم حافظه‌ی گرافیکی (VRAM) است. مدل باید در حافظه‌ی کارت گرافیک جا شود؛ در غیر این صورت بخشی از آن به رم سیستم منتقل می‌شود و سرعت چند برابر افت می‌کند. جدول زیر نیاز تقریبی مدل‌های رایج را نشان می‌دهد:

مدل / کاربردحافظه‌ی تقریبی مورد نیازکارت گرافیک مناسب
LLM با ۷ تا ۸ میلیارد پارامتر (کوانتیزه ۴ بیتی)حدود ۶ گیگابایتکارت ۱۲ گیگابایتی به بالا
LLM با ۱۳ تا ۱۴ میلیارد پارامتر (۴ بیتی)حدود ۱۰ گیگابایتRTX 5070 Ti / 5080 (۱۶GB)
LLM با ۳۰ تا ۳۲ میلیارد پارامتر (۴ بیتی)حدود ۲۰ گیگابایتRTX 5090 (۳۲GB)
LLM با ۷۰ میلیارد پارامتر (۴ بیتی)حدود ۴۰ گیگابایتدو کارت RTX 5090 (۶۴GB)
Stable Diffusion XL۸ تا ۱۲ گیگابایتکارت ۱۲ تا ۱۶ گیگابایتی
Flux و ویدیوسازی هوش مصنوعی۱۶ تا ۲۴ گیگابایت به بالاRTX 5090 (۳۲GB)
تنظیم دقیق (LoRA) مدل‌های ۷ تا ۸ میلیاردی۱۶ تا ۲۴ گیگابایتRTX 5080 تا RTX 5090
توجه: اعداد جدول تقریبی هستند و به نوع کوانتیزاسیون، طول متن ورودی (Context) و نرم‌افزار اجرا بستگی دارند. برای استفاده‌ی بدون دغدغه، همیشه چند گیگابایت حافظه‌ی آزاد بیشتر از نیاز مدل در نظر بگیرید.
BUYING GUIDE

راهنمای انتخاب قطعات سیستم هوش مصنوعی

کارت گرافیک NVIDIA

تقریباً تمام ابزارهای هوش مصنوعی مثل PyTorch، TensorFlow، vLLM و ComfyUI بر پایه‌ی CUDA انویدیا ساخته و بهینه شده‌اند. کارت‌های سری RTX 50 با هسته‌های Tensor نسل جدید و پشتیبانی از FP4 انتخاب اصلی هستند. RTX 5090 با ۳۲ گیگابایت حافظه قدرتمندترین کارت دسکتاپ برای هوش مصنوعی است.

کارت‌های AMD و هوش مصنوعی

پشتیبانی AMD از هوش مصنوعی از طریق پلتفرم ROCm در حال گسترش است و ابزارهایی مثل Ollama و llama.cpp روی کارت‌های Radeon هم اجرا می‌شوند. با این حال اکوسیستم انویدیا بسیار بالغ‌تر است و برای کار حرفه‌ای و پژوهشی، کارت‌های NVIDIA را پیشنهاد می‌کنیم.

رم سیستم

رم سیستم باید حداقل برابر و ترجیحاً دو برابر حافظه‌ی گرافیکی باشد تا بارگذاری مدل‌ها و پردازش داده‌ها روان انجام شود. برای سیستم‌های تک‌کارته ۶۴ گیگابایت و برای سیستم‌های حرفه‌ای ۱۲۸ گیگابایت رم DDR5 توصیه می‌شود.

حافظه‌ی SSD پرحجم

هر مدل زبانی بزرگ ده‌ها گیگابایت حجم دارد و دیتاست‌ها از آن هم بزرگ‌ترند. SSD نوع NVMe با ظرفیت ۲ ترابایت به بالا، زمان بارگذاری مدل‌ها را به چند ثانیه کاهش می‌دهد.

پردازنده

در اجرای مدل‌ها بار اصلی روی کارت گرافیک است، اما پیش‌پردازش داده‌ها، بارگذاری دیتاست و اجرای بخشی از مدل در صورت کمبود VRAM به پردازنده‌ی قوی نیاز دارد. Ryzen 9 با ۱۲ تا ۱۶ هسته انتخاب متعادلی است.

پاور و خنک‌کاری برای بار مداوم

آموزش مدل یعنی ساعت‌ها و گاهی روزها بار کامل روی کارت گرافیک. RTX 5090 به تنهایی تا حدود ۵۷۵ وات مصرف دارد؛ برای سیستم تک‌کارته پاور ۱۲۰۰ وات و برای سیستم دو کارته پاور ۱۶۰۰ وات با راندمان Platinum یا Titanium لازم است.

SIGNATURE BUILDS

پیکربندی‌های پیشنهادی سیستم هوش مصنوعی

تمام قطعات از موجودی فروشگاه اوستا آی‌تی انتخاب شده‌اند و هر قطعه بر اساس مدل‌ها و بودجه‌ی شما قابل تغییر است. مادربرد، کیس و خنک‌کننده در مشاوره انتخاب می‌شوند. به دلیل نوسان بازار، قیمت روز را از کارشناسان ما استعلام کنید.

شروع حرفه‌ای
کارت گرافیک ASUS Prime GeForce RTX 5070 Ti OC Edition 16GB GDDR7

سیستم هوش مصنوعی ۱۶ گیگابایتی

اجرای LLMهای تا ۱۴ میلیارد پارامتر، Stable Diffusion XL و یادگیری

دریافت پیش‌فاکتور
پیشنهاد اوستا
کارت گرافیک ASUS TUF Gaming GeForce RTX 5090 OC Edition 32GB GDDR7

سیستم هوش مصنوعی RTX 5090

مدل‌های تا ۳۲ میلیارد پارامتر، Flux، ویدیوسازی و تنظیم دقیق با LoRA

دریافت پیش‌فاکتور
فقط با مشاوره
کارت گرافیک Gigabyte GeForce RTX 5090 WINDFORCE 3X OC 32GB GDDR7

سیستم دو کارته ۶۴ گیگابایتی

دو عدد RTX 5090؛ اجرای مدل‌های ۷۰ میلیاردی و آموزش سنگین

دریافت پیش‌فاکتور
درباره‌ی سیستم دو کارته: در این پیکربندی دو عدد کارت RTX 5090 و دو کیت رم ۶۴ گیگابایتی نصب می‌شود. کارت‌های سری RTX 50 اتصال NVLink ندارند؛ بنابراین حافظه‌ی دو کارت یکپارچه نمی‌شود و نرم‌افزار مدل را بین دو کارت تقسیم می‌کند. این سیستم به مادربرد با فاصله‌ی مناسب بین اسلات‌ها و کیس بزرگ با جریان هوای بسیار قوی نیاز دارد و فقط پس از مشاوره‌ی دقیق پیکربندی می‌شود.
۳۲GBحافظه‌ی گرافیکی RTX 5090
۶۴GBVRAM در سیستم دو کارته
CUDAسازگاری کامل با ابزارهای هوش مصنوعی
۱۰۰٪ضمانت اصالت قطعات
USE CASES

کاربردهای سیستم هوش مصنوعی

اجرای مدل‌های زبانی (LLM) به‌صورت محلی

با ابزارهایی مثل Ollama و LM Studio می‌توانید مدل‌های متن‌باز را روی سیستم خودتان اجرا کنید؛ برای چت، خلاصه‌سازی اسناد، ترجمه، برنامه‌نویسی و ساخت دستیار اختصاصی سازمان با داده‌های خودتان (RAG).

تولید تصویر و ویدیو

Stable Diffusion، Flux و ComfyUI برای طراحان، عکاسان و تولیدکنندگان محتوا؛ هرچه حافظه‌ی گرافیکی بیشتر باشد، تصاویر با وضوح بالاتر و مدل‌های سنگین‌تر سریع‌تر تولید می‌شوند.

پژوهش و آموزش مدل

برای دانشجویان تحصیلات تکمیلی و پژوهشگران، آموزش مدل‌های بینایی ماشین، پردازش زبان طبیعی و تنظیم دقیق مدل‌های بزرگ روی سیستم شخصی، بدون صف و هزینه‌ی سرورهای ابری.

کاربردهای ترکیبی

اگر علاوه بر هوش مصنوعی، رندر سه‌بعدی یا بازی هم انجام می‌دهید، کارت‌های RTX 50 هر سه کار را به‌خوبی پوشش می‌دهند. صفحه‌های سیستم رندرینگ و سیستم گیمینگ را هم ببینید.

HOW WE BUILD

مراحل ساخت سیستم هوش مصنوعی در اوستا آی‌تی

  1. ۱

    نیازسنجی رایگان

    مدل‌ها، کاربرد، حجم داده‌ها و بودجه‌ی شما را بررسی می‌کنیم.

  2. ۲

    انتخاب قطعات

    تعیین حافظه‌ی گرافیکی لازم و کنترل سازگاری قطعات.

  3. ۳

    اسمبل حرفه‌ای

    مونتاژ دقیق با جریان هوای مناسب بار مداوم.

  4. ۴

    استرس‌تست

    تست پایداری زیر بار کامل کارت گرافیک و کنترل دما.

  5. ۵

    تحویل و پشتیبانی

    تحویل حضوری در تهران یا ارسال به سراسر کشور.

FAQ

سوالات متداول درباره‌ی سیستم هوش مصنوعی

بهترین کارت گرافیک برای هوش مصنوعی کدام است؟
در میان کارت‌های دسکتاپ، RTX 5090 با ۳۲ گیگابایت حافظه قدرتمندترین انتخاب است. برای بودجه‌ی کمتر، RTX 5070 Ti و RTX 5080 با ۱۶ گیگابایت حافظه اجرای مدل‌های تا ۱۴ میلیارد پارامتر و Stable Diffusion را به‌خوبی پوشش می‌دهند.
برای اجرای LLM به‌صورت محلی چقدر حافظه‌ی گرافیکی لازم است؟
به‌طور تقریبی مدل‌های ۷ تا ۸ میلیاردی در حالت ۴ بیتی حدود ۶ گیگابایت، مدل‌های ۱۴ میلیاردی حدود ۱۰ گیگابایت، مدل‌های ۳۲ میلیاردی حدود ۲۰ گیگابایت و مدل‌های ۷۰ میلیاردی حدود ۴۰ گیگابایت حافظه‌ی گرافیکی نیاز دارند.
آیا کارت گرافیک AMD برای هوش مصنوعی مناسب است؟
ابزارهایی مثل Ollama و llama.cpp روی کارت‌های AMD هم اجرا می‌شوند و پشتیبانی ROCm در حال گسترش است، اما اکثر ابزارهای حرفه‌ای بر پایه‌ی CUDA انویدیا ساخته شده‌اند. برای کار حرفه‌ای و پژوهشی کارت‌های NVIDIA را پیشنهاد می‌کنیم.
آیا می‌توان مدل‌های ۷۰ میلیارد پارامتری را روی سیستم شخصی اجرا کرد؟
بله؛ نسخه‌ی ۴ بیتی این مدل‌ها حدود ۴۰ گیگابایت حافظه نیاز دارد که با سیستم دو کارته RTX 5090 (مجموعاً ۶۴ گیگابایت) قابل اجراست. با یک کارت هم امکان اجرا با انتقال بخشی از مدل به رم سیستم وجود دارد، اما سرعت به‌شدت کاهش می‌یابد.
برای سیستم هوش مصنوعی چقدر رم لازم است؟
رم سیستم باید حداقل برابر و ترجیحاً دو برابر حافظه‌ی گرافیکی باشد؛ یعنی ۶۴ گیگابایت برای سیستم‌های تک‌کارته و ۱۲۸ گیگابایت برای سیستم‌های حرفه‌ای و دو کارته.
آیا با این سیستم‌ها می‌توان مدل آموزش داد؟
بله؛ آموزش مدل‌های کوچک و متوسط و تنظیم دقیق مدل‌های بزرگ با روش‌هایی مثل LoRA روی این سیستم‌ها امکان‌پذیر است. آموزش مدل‌های بسیار بزرگ از صفر به زیرساخت سروری نیاز دارد که در مشاوره درباره‌ی آن راهنمایی می‌کنیم.
LET’S BUILD

مشاوره‌ی رایگان خرید سیستم هوش مصنوعی

بگویید چه مدل‌هایی می‌خواهید اجرا کنید؛ کارشناسان اوستا آی‌تی بهترین پیکربندی را برایتان پیشنهاد می‌دهند.

تماس: ۰۲۱-۶۶۴۵۹۶۰۲موبایل: ۰۹۹۱۲۷۶۷۰۳۳

مراجعه‌ی حضوری: تهران، چهارراه ولیعصر، پاساژ ابریشم، طبقه‌ی همکف، واحد ۲۰ — شنبه تا پنجشنبه ۱۰:۳۰ تا ۱۹