如果说有一个我总爱聊的话题，那一定是计算机硬件。这些年来，我积攒了不少被妻子亲切称作“一堆破烂”的设备。实际上，它们是一组我喜欢测试、改造并融入工作环境的机器和小工具。

2 × RTX 3060本地 AI 服务器
5 × Raspberry Pi 4由 PoE 供电并由 PXE 启动
3 种操作系统Linux、macOS 和 Windows

01AI 专用服务器

这套环境中的第一台核心设备，是一台完全用于人工智能和视频处理的主机。

其主要配置如下：

  • 64 GB DDR4 内存；
  • AMD Ryzen 5 5600X3D 处理器；
  • 两张 NVIDIA RTX 3060 显卡，每张 12 GB；
  • Google Coral USB TPU 加速器；
  • Ubuntu 作为操作系统。

它的首要任务是在本地运行多个 AI 模型，其中包括约 90 亿参数的 Gemma 模型和 200 亿参数的 GPT-OSS 模型。

这台主机还运行 Frigate，用于集中管理家中的摄像头并执行目标检测。Coral USB 可加速部分视频监控任务，其他组件则负责面部识别等更高级的功能。

这种架构的优点是可以在家中将最敏感的数据处理留在本地，同时拥有足够的能力来试验本地模型。

02智能家居服务器

智能家居系统运行在一台配备 Intel Celeron 处理器、安装 Home Assistant OS 的小型主机上。

它管理房屋中使用的多种协议：

  • Z-Wave，间接通过 Fibaro 控制器；
  • Zigbee；
  • RF 433 MHz；
  • Home Assistant 网络集成。

家中已有大量设备接入系统，包括开关、NSPanel 面板、充电桩、太阳能板、热泵和各类传感器。

我有意将智能家居与 AI 服务器分开。这样，即使某项实验占满显卡或需要重启 AI 主机，Home Assistant 仍可持续运行。

03Synology NAS

中央存储基于配备五个磁盘的 Synology NAS。它主要用于在云服务之外备份我的文件，但它在整个家庭实验室中也发挥着重要作用。

它集中保存 Raspberry Pi 所需的数据、多个服务的备份，以及测试环境使用的各类文件。

NAS 是整套环境中低调却关键的底座：日常几乎感受不到它的存在，但许多其他设备都依赖它。

04通过 PoE 供电、PXE 启动的 Raspberry Pi

我还有五台通过 PoE 供电的 Raspberry Pi 4。它们使用 PXE 从网络启动，并将 Synology NAS 用作部分存储。

这种架构源于一个非常具体的问题：microSD 卡经常会磨损或损坏。大约每六个月我就必须更换一张卡并重建一个系统。

网络启动显著减少了对 microSD 卡的依赖，也简化了这些设备的维护。

每个 Raspberry Pi 都运行 Docker，并且可以托管小型服务：轻量级数据库、内部工具、网络级广告拦截、测试服务或临时组件。

它们并不是这套环境中性能最强的设备，却很适合快速部署小型、隔离的服务。

05我的主机：一台 MacBook Pro M4

我的主工作站是配备 32 GB 内存的 MacBook Pro M4。

这台机器的日常使用体验非常出色。即使同时运行多个开发环境、容器和不同的 AI 工具，我也很少真正触及它的性能上限。

大约四年前，我曾离开 macOS 回到 Windows，后来又重新使用 Mac。对我而言，macOS 仍是稳定性、续航、Unix 环境和长期使用舒适度之间最合适的平衡。

这当然只是个人偏好。某些任务和专业工具在 Windows 上仍然更方便，因此保留多个环境依然有价值。

06Raspberry Pi 400

Raspberry Pi 400 是我最喜欢的设备之一。主机直接集成在键盘中的形态，让它用起来格外轻松。

它在 1080p 下提供足够的性能以满足日常使用，同时保持非常节能。

我主要用它运行 Cura，为 3D 打印机准备并切片 STL 文件，也会用来浏览网页和进行轻量实验。

它也是一台很适合入门计算机的设备。我的女儿正是通过这台 Raspberry Pi 上的 Adibou 2 学会使用键盘和鼠标。用这类机器做实验，也不必担心折腾坏昂贵的电脑。

07多功能迷你电脑

我还经常使用配备 Ryzen 7 7735HS 和 32 GB DDR5 内存的 Minisforum 迷你 PC。

它的体积大约与 Xbox 手柄相当，但性能与尺寸相比相当出色。

当我想专注进行 Vibe Coding、又不希望影响主工作环境时，就会把这台机器专门分配给当前任务。

顺带一提，它甚至能以低画质、约 40 FPS 运行《使命召唤：战区》。这当然不是它的主要用途，却足以说明其多功能性。

08游戏电脑

当然，我也有一台用于游戏和高算力通用任务的 PC。

其配置包括：

  • AMD Ryzen 9 5900X 处理器；
  • AMD Radeon RX 6900 XT 显卡；
  • 64 GB DDR4 内存。

我在生成式 AI 开始普及时购买了这台机器，并很快发现 NVIDIA 平台的 AI 软件生态成熟得多。AMD 显卡虽然性能很强，但用于我的实验时没有那么方便。

不过，它在游戏、编译和其他重型任务上依然表现出色，尤其适合编译 Android 项目。

这台电脑说明了一个常被忽略的事实：理论性能并不是全部。软件生态和工具质量有时与原始算力同样重要。

09复古计算设备

我的收藏中还有一部分专门留给过去的机器，其中包括：

  • Amstrad CPC 464；
  • MSX；
  • Thomson TO7；
  • PowerBook G4；
  • iBook G3 Clamshell。

这些电脑并不只是装饰品。我喜欢让它们重新运行，理解它们的限制，并尝试在现代开发与历史平台之间搭建桥梁。

最近，我尝试把一些现代程序制作成可在 CPC 464 上运行的 demake。在 Codex 的帮助下，我生成了适配这台机器的程序，以及包含音频信号的 WAV 文件。

随后，我通过磁带机和磁带转音频插孔适配器，把这些程序加载到 CPC 中。

看到现代程序在这样一台老机器上被重新诠释，格外令人满足。内存、存储和算力限制迫使我们重新面对最基本的开发原则。

10为什么要保留这么多机器？

乍看之下，这些设备确实不少，但每台机器都有实际用途。

当我需要为客户开发或适配应用时，可以直接在接近生产的环境中测试，而不必把所有场景都虚拟化或模拟出来。

我可以直接在 Linux、macOS 和 Windows，以及 x86-64 与 ARM 架构上工作。这种多样性有助于更快发现系统、依赖、性能或部署方面的问题。

因此，这套设备既是工作环境，也是实验室、试验场和收藏。