AI 工具雷達
AI 基礎知識新手難度:Docker:通常不用來源:人工整理6 分鐘閱讀

跑本機 AI 顯卡怎麼挑?看 VRAM 就對了,三種預算直接給答案

編輯:BJ最後檢查:2026-08-07主要來源:人工整理

想跑本機 AI 卻卡在不知道買哪張顯卡?其實關鍵只有一個——VRAM 夠不夠裝下模型,裝不下再強的卡都白搭,本篇就用白話講清楚 VRAM 怎麼估、三種預算各買什麼,以及二手卡跟 Mac 這兩條路值不值得走。

跑本機 AI 挑顯卡示意圖:VRAM 是決定能跑多大模型的天花板,三種預算對應三種選擇
自製示意圖:挑 AI 顯卡先看 VRAM——模型裝得進去才有得談,裝不下再強都白搭。

先破題:挑 AI 顯卡,九成看 VRAM

遊戲玩家挑卡看跑分,跑本機 AI 的人要換腦袋:先看 VRAM(顯示記憶體)容量,再看其他

原因很殘酷:模型必須整個裝進 VRAM 才跑得快。裝不下的部分會被丟到一般記憶體去,速度直接掉五倍、十倍起跳——再貴的卡,VRAM 不夠就是慢。所以「VRAM 多的中階卡」常常比「VRAM 少的高階卡」更適合跑 AI,這跟打遊戲的邏輯完全相反。

如果你還不熟 VRAM、RAM 這些名詞是什麼,先看站上這篇白話對照再回來。

VRAM 要多少?一個粗略公式

模型大小用「參數量」表示(7B = 70 億參數)。日常用的量化版模型(Q4),可以這樣粗估:

每 10 億參數(1B)約吃 0.5GB VRAM,再留一點空間給對話上下文。

換算成大家常跑的模型:

模型等級大約要的 VRAM體感
7B~8B6~8GB入門體驗,中文能力普通
13B~14B10~12GB開始有「可用」的感覺
30B 級18~24GB品質明顯上一階
70B 級40GB 以上接近雲端服務的體感

看出來了嗎——16GB 和 24GB 是兩道分水嶺:16GB 能舒服跑 14B 以下,24GB 才進得了 30B 俱樂部。買卡就是在選你要站在哪條線上。

VRAM 決定能跑多大模型的階梯圖:8GB 跑 7B、16GB 跑 14B、24GB 跑 30B、40GB 以上才碰得到 70B

三種預算,直接給答案

以下價格是 2026 年中的美元行情、會浮動,實際下單前請再查當下價格。

入門檔(約 500~600 美元):16GB 新卡。代表是 RTX 5060 Ti 16GB——不是最快,但 16GB VRAM 讓你把 7B~14B 模型全裝進卡裡順順跑。第一次玩本機 AI、預算有限,買這檔最不會後悔,省下的錢拿去加 RAM 和 SSD 更實在。

超值檔(約 800~1,000 美元):二手 24GB。代表是二手 RTX 3090——雖然是 2020 年的老卡,但截至本文查證日,它仍是「當下買得到的最便宜 24GB」,30B 級模型跑得舒服。想認真把本機 AI 當工具用、又不想砸大錢,這檔 CP 值最高(二手風險見下面)。

不過這檔有個變數要知道:NVIDIA 傳聞中的 RTX 5070 Ti Super 24GB(風聲價約 750 美元)一直沒正式上市,一旦開賣,「差不多的錢買全新有保固的 24GB」會直接取代二手 3090 的地位。不急著買的人,可以等這張卡的消息再決定;急用的人,二手 3090 仍是現在的答案。

頂規檔(2,000 美元起跳、實際街價常翻倍):32GB 旗艦。代表是 RTX 5090——32GB VRAM 讓 30B 級完全放進卡裡、70B 級也能勉強一戰。但要老實說:官方定價約 2,000 美元,實際市場價常常在 3,600 美元以上,只有「大模型是你日常工作」的人才值得追。

一句白話總結:多數新手買入門檔就夠,認真玩家看超值檔,頂規檔是工作需求不是娛樂

二手 3090 的風險,先講清楚

超值檔靠的是二手市場,風險要自己扛:

  • 可能是礦卡——長期高負載挖過礦的卡,風扇和用料耗損大,壽命難料。
  • 沒有保固——壞了就是壞了,維修費可能吃掉你省的錢。
  • 要會驗卡——面交時至少跑個壓力測試看溫度和穩定度,不會驗就找會的朋友陪。

能接受這些,二手 24GB 依然是最聰明的買法;不能接受,乖乖買新的 16GB 檔,睡得比較安穩。

另一條路:乾脆買 Mac

如果你本來就在考慮換 Mac,有個繞過顯卡大戰的選項:Apple Silicon 的統一記憶體讓 CPU 和 GPU 共用同一池記憶體,64GB 的 Mac 等於有一張「64GB VRAM」的卡可以跑大模型——雖然速度比不上同級獨顯,但容量的天花板高很多。

適合「要買新電腦順便跑 AI」的人;已有 PC 只想升級的,加一張卡還是比較省。細節看Mac 跑本機 AI 這篇

常見誤區,幫你避開

「我先買張 8GB 卡試試」——8GB 只能跑 7B 級,體驗到的是本機 AI 的下限,很容易誤判「本機 AI 不過如此」。預算真的只夠 8GB,不如先不買卡,用免費的雲端服務感受 AI 能做什麼,存夠了直接上 16GB。

「AMD 或 Intel 的卡便宜很多」——沒錯,但本機 AI 生態(CUDA)對 NVIDIA 支援最成熟,別家的卡跑得起來但坑多、教學少。新手第一張 AI 卡,先跟主流走。

「買了卡就萬事俱備」——卡只是入場券,電源供應器瓦數夠不夠、機殼裝不裝得下大卡,下單前都要量。尤其二手 3090 是三風扇巨獸,小機殼常常塞不進去。

我會這樣建議

  1. 先用規格對照文確認你現在的電腦到底缺什麼——有些人其實只缺 RAM,不用買卡。
  2. 確定要買卡,預算對照上面三檔,寧可 VRAM 大、不要跑分高
  3. 卡到手後,裝 Ollama、LM Studio 或 Jan 開跑,從 7B 模型往上試到你的 VRAM 上限。

最後提醒一次:顯卡價格波動大,這篇的行情以最下方查證日期為準,下單前記得再比價。

下一步可以先看什麼

參考來源

  • Ollama 官方文件:https://docs.ollama.com
  • Hugging Face 模型庫:https://huggingface.co/models

本文最後查證日期:2026-08-07

延伸閱讀

我電腦能不能跑本機 AI?RAM、VRAM、CPU 白話對照

本機跑 AI 不是只看電腦新不新,而是看模型大小、RAM、VRAM、CPU 和量化格式,這篇用新手能懂的方式解釋電腦規格怎麼影響速度、能跑多大的模型,以及升級時該先看哪個零件。

Mac M1 / M2 / M3 / M4 跑本機 AI 哪個夠用?實際差在哪

Apple Silicon 的 Mac 跑本機 AI 速度其實意外好,但 M1、M2、M3、M4 差在哪、記憶體要多大才夠?這篇用實際的本機 AI 跑模型情境說明各代差別、建議入手規格、會卡的地方。

Ollama vs LM Studio vs Jan:本機 AI 三選一,新手該裝哪個

想在自己電腦跑 AI 但不知道從哪開始?Ollama、LM Studio、Jan 是 2026 年最常被推的本機 AI 入門工具。這篇比較三個的安裝門檻、使用體驗、模型管理、Mac/Windows 支援與真實限制,直接給新手選法。

自架 ChatGPT 是什麼?想擁有自己的 AI 聊天介面,先搞懂這幾條路

想自己架一個像 ChatGPT 的 AI 聊天介面,但不知道從哪開始?這篇用白話幫你分清楚『自架介面』和『本機模型』的差別、要裝哪些零件、要不要錢、會不會難,並把每條路線導到對應的工具,給新手一張完整地圖。

.dev 是什麼?AI 工具網址結尾那個 .dev 到底代表什麼

Continue.dev、很多 AI 工具的網址結尾都是 .dev,不是常見的 .com。這篇用白話解釋 .dev 是什麼、為什麼開發者工具特別愛用、看到 .dev 網址要不要擔心安全,以及新手怎麼判斷一個 .dev 網站可不可信。

Markdown 是什麼?為什麼 AI 工具都愛吃這個格式

Markdown 是一種用幾個簡單符號就能標出標題、清單、重點的純文字寫法。這篇用白話解釋它長什麼樣、為什麼 AI 工具特別喜歡這個格式,以及新手怎麼用最少的符號開始寫。