ARTICLE · 1060658
2007年的老年笔记本在AI时代依然在岗
这篇讲我用两台老机器搭了一套什么，以及为什么劝你先想清楚"拿 AI 干啥"再花钱。
全文约 3200 字，读完大概 8 分钟
非常真实，价值你定。
继上一篇内容，话说自己刚接触 AI 那阵子，遇到的问题是真不少。线上线下都翻遍了，说实话，没找到什么标准、成系统的解答——都是碎片，东一块西一块，还得自己拼，关键还拼不对😭
所以我觉得有必要按自己的理解，跟大家捋一捋。先说清楚：我不专业，讲的也不一定是最准确的。这行迭代太快了，我这月分享的，下个月可能就被新东西替掉了。我能做的，是尽量把原理和实际结合起来讲，让你知道"为什么"，而不是只记住"怎么点"。
只要你从今天起开始关注我，把这个阶段的内容连续看完，我想你多少能少走点弯路，甚至能靠这个给自己开出一项新技能来。
为此我也是硬着头皮，挤出了一套我觉得能演示、能讲解的硬件资源，从零开始跟大家分享。老手呢，可以看、可以喷、可以交流，我都接着。新手请一定一定用心看——毕竟我也是用心了的，呵呵~ 谢谢🙏
ok，闲话少说，上活儿~
一、为什么我要先说硬件
这一段时期的内容分享，我会从最初期的硬件开始，真正的零起步。要点、坑、技术上我懂的、能讲清楚的，都掏出来。但先说硬件，不是因为我喜欢折腾机器。是因为我发现——现在很多了解 AI 的人，和线上那些推硬件的人，两边都有误区。
卖货的人，极尽所能把东西推销出去。
买货的人，根本不清楚这货能干啥。
这话有点绕，但你先别急，往下看就明白了。
说白了就一句：真想学 AI、用 AI 的人，先想明白自己拿 AI 来做什么，再看自己手里有什么。够用就先用起来，等用顺了，甚至靠它赚到钱了，再考虑升级硬件。
举个眼下最热的例子：AI 短剧、漫剧、真人剧，各种"剧"。
这东西还分类型——动漫类的成本就比真人低不少；调用 API 和本地跑模型，成本又是两码事。这里头的坑，够单独开一篇。总之就一句话：别盲目。
哦对了，我这儿主要考虑的分享对象，还是大多数普通人。
二、想起了那阵子卖疯的 Mac mini
说到这儿，我突然想起小龙虾（OpenClaw）刚兴起那阵子，苹果的 Mac mini 那叫一个卖疯。
为啥？因为本地跑模型吃内存，Mac 的统一内存又大又便宜，很多人一冲动就下单了。
但实际上，普通人需要吗？
我的答案是：并不需要。
我敢说，很大一部分买了的人，机器到手也就吃灰了，根本没发挥出效果。而接下来我要拿来分享的，是这样一台机器——
一台 2007 年的 ThinkPad T61p。
对，你没看错，快二十年的老家伙了。CPU 是后来配到顶的 T9300，双核 2.5GHz。
它当年的定位是移动工作站，配的是 NVIDIA Quadro FX 570M 专业卡。顺带说个冷知识：这批卡正是当年"显卡门"的重灾区，NVIDIA 的封装缺陷，大批机器直接报废。我这台居然还活着，算它命硬。
不过那张 256MB 显存的专业卡，跑 AI 是指望不上了，我看中的只是它的 CPU。
这台机器当年落地够买辆小轿车——那会儿奇瑞 QQ、夏利也就三四万。现在闲鱼上三四百块就能收一台——对，你没看错，三四百。
但我感觉它依然能战！哈哈哈~
顺带说一句：加价买苹果的机器回来装 OpenClaw。我是真想不透啊，呵呵。不是说苹果不好，也不是说用起不爽，我想不透的是这个：一台三四百块的老笔记本就能跑起来的活，为什么要先掏一万多？
当然，钱多、想省心、预算够，那买什么都行，我不劝。但如果你还不确定自己要拿 AI 干什么，先别急着上设备。
这台三四百的老本能干的活，跟那些花一万多买的机器，在"调度"这件事上，差别真没你想的那么大。
下面是两台机器的配置，我贴图如下：
设备名/调度机
处理器/Intel(R) Core(TM)2 Duo CPU T9300 @ 2.50GHz
机带/RAM 4.00 GB
存储/224 GB SSD KINGSTON SUV400S37240G
系统类型/64位操作系统,基于x64的处理器
版本/Windows 10 企业版 LTSC
版本号/21H2OS 内部版本 19044.7725
设备名/算力机
处理器/12th Gen Intel(R) Core(TM) i7-12700F
机带/RAM32.0 GB (31.8 GB 可用)
系统类型/64 位操作系统,基于x64 的处理器
版本/Windows 11 专业版
版本号/25H2
操作系统版本/26200.9457
显示卡/intel B580 12G
三、这两台机器，我要搭个啥
好，硬件配置就是这样。
那我拿这两台电脑——其中还有个"古董"——到底要做什么？
答案是：我会按现在智算中心的模式，在本地搭一个超"丐版"的、适合绝大多数普通人的个人/家庭版 AI 应用架构。
先说清楚这个"智算中心"是怎么回事，不然你可能觉得我在吹牛。
你现在用的那些 AI 服务，背后不是一台电脑，是一整个机房。而且机房里的机器是分工的：
一堆机器负责派活——接到任务，拆成小份，分下去，收回来汇总。它们不负责算，只负责调度。吃的是 CPU 和内存 一堆机器负责算——这就是铺天盖地的显卡了，模型调用、运算全在这儿。吃的是 GPU 和显存 还有一堆机器专门存东西——存储服务器，大把的固态，装的是模型仓库，拼的是读写速度
我这两台机器，结构跟它是一回事，只是小得多——调度层、算力层各一台，迷你版。
⚠️ 得说句实话，免得被懂行的挑：人家调度层和算力层之间是 InfiniBand、RDMA 那种高速网络互联，我家就是个普通局域网，带宽差着好几个数量级；人家是几千张卡，我是两台设备。所以准确的说法是架构逻辑同构，规模差了几个量级，别理解成"这就是个小算力中心了"，那可差远了。
别看我这配置寒碜，要是放大、换上生产力硬件，那就是一套正经的企业解决方案了。
话说回来——其实就是老子没钱。预算够的话，我也想直接上生产级的落地方案给大家分享啊。
好了好了，又说歪了。上活儿上活儿。
四、调度机：那台 2007 年的老本
先说这台笔记本。
它的 CPU 核心不支持 Win11，正好卡在能装 Win10 的位置——于是它就成了本地的调度机。对应到智算中心，就是那堆负责派活的 CPU 集群。
我在上面部署 OpenClaw。
这里有三点要说明：
1、OpenClaw 对硬件要求并不高。
主要看两样：CPU 支不支持、操作系统对不对。这台老本的 T9300 双核，刚好同时满足 Win10 和 OpenClaw 的本地部署需求。这里有人会抬杠“咋不用精简优化的Linux”，我敢说你现在随机找10个人出来，能有2个会命令行的，你来打我，我不得还手。我还得奉上一句，呵呵，不好意思是我肤浅了。
2、这么老的硬件，真能用吗？
能用。
普通人并没有太多复杂的应用需求，多数任务串行处理就够了——这也是 AI 应用里"人工兜底"比较靠谱的做法。所以起初没有大量并发需求的情况下，用它毫无障碍。
举个具体的：OpenClaw 的用法是 agent 和子 agent。你发一个项目指令过去，它根据模型和运算情况，判断要拆成 4 个子环节去执行——这时候想跑得快，就得靠 4 个子 agent 分别处理。
所以 CPU 的核心数量、内存大小，就是关键。这玩意儿吃的其实就是 CPU 和内存资源。
（我这才双核，所以别指望它并行多少活，一个个来就是了。）
3、它在这个本地化框架里，到底干什么活？
一句话：负责会话，进行任务分发。
发给谁？发给下一台的算力机，发给有 API 接口的应用。
到这一步，它才算是一个真正能做事的 AI 助理——不是陪你聊天，是帮你派活、盯着活干完。
五、算力机：台式机，i卡，两套Ollama
另一台台式机，就是算力机了。
算力机的硬件思路跟调度机正好反过来：轻 CPU，重显卡（显存）、内存、硬盘。
模型运算我用的是 Ollama。为什么选它？
个人普通用户又不存在多并发需求——还是那句话，够用就行。而且横向比下来，它运维简单方便，这点对个人用户太重要了。即便我这儿跑的是 Intel 显卡，体验也很好。
现在网上基本清一色是 N 卡方案。我头铁，我就用 i 卡。哈哈哈。
不过话说清楚：我并不提倡用 i 卡，相当折腾人！
N 卡是成熟便捷的方案，生态还特别丰富；i 卡相比之下会比较折腾，遇到问题能查到的资料也少。我用 i 卡，是因为它处理视频比较快（真不是因为没钱……好吧也有一点）。
我的逻辑是这样的：用 i 卡都能顺畅解决，换成 N 卡那不是更顺手？——这话一半是宽慰自己，一半也是实情。
算力机上，我装了两套 Ollama，分着跑：
第一套：Intel 优化版。
它的内核已经不更新了，但跑那些发布比较早的模型特别快——比如 Qwen2.5 到 3 的 14B 量化模型，还有 DeepSeek R1 的 7B、14B 量化模型，都不在话下。所以它是刚需，删不得。
第二套：官方版。
装它就是因为 Intel 优化版停更了。大概2025 年初之后发布的新模型，只有官方版能跑——这些大多是多模态模型，比如 Gemma4:12B、Qwen3.5:9B 这些。
（两套是可以共存的，不冲突。）
到这儿，一个本地化的小环境，第一步就算完成了。
下一章给大家分享下具体部署情况，需要吗？👨🦲不需要吗？需不需要？
在此感谢workbuddy小伙伴的支持，看吧，多贴心的小伙伴啊~
六、下一步
这套东西现在还只是个"能跑"的架子。从调度机怎么装系统，到算力机怎么配驱动，到模型怎么选，再到最后能干成什么活。
每一步我都踩过坑，坑在哪儿我会标出来。
你现在手上有几台能用的电脑？有没有哪台吃灰多年的老机器？评论区聊聊，说不定它能干的事比你以为的多。
【半山萤火AI路（叁哥） 作者】
头屑一抖，要啥啥有！
关注理由：跟着一个预算有限的人，把 AI 用起来。设备不顶配，但每一步都是真跑过的，坑也都记下来了。
这篇适合谁：想用 AI 但不确定该不该花钱买设备的人。