Server AI per casa: hardware e collegamenti

La scelta per il tuo utilizzo

Server CUDA di casa

CyberpowerPC Luxe Gaming PC - AMD Ryzen 7 5700X, Nvidia RTX 5070 Ti, 32GB RAM, 1TB NVMe SSD, 750W PSU, Wi-FI, Windows 11, Liquid Cooling, Ark Curve Black

Per un servizio proporzionato a un modello entro la capacità della GPU.

2.389,00 €

Prezzo del 15/11/2026 12:23 · ora italiana

Acquista su Amazon

Modello con più memoria

GMKtec EVO-X2 AI Mini PC AMD Ryzen AI MAX+ 395 (16C/32T, fino a 5,1 GHz), 126 TOPS, 128GB di RAM DDR5, SSD M.2 PCIe 4.0 X4 da 2TB, Mini Gaming PC con scheda grafica 8060S | WiFi 7 | USB 4.0 | 2.5G LAN

Per un percorso AMD supportato che giustifica la classe da 128 GB.

3.899,96 €

Prezzo del 15/11/2026 12:35 · ora italiana

Acquista su Amazon

Laboratorio NVIDIA compatto

NVIDIA DGX Spark AI Supercomputer GB10 Grace Blackwell 128GB SSD 4TB

Per software Linux ARM64 e un’esigenza concreta della piattaforma.

10.900,00 €

Prezzo del 15/11/2026 12:34 · ora italiana

Acquista su Amazon

Prezzi e configurazioni su Amazon

CyberpowerPC Luxe Gaming PC - AMD Ryzen 7 5700X, Nvidia RTX 5070 Ti, 32GB RAM, 1TB NVMe SSD, 750W PSU, Wi-FI, Windows 11, Liquid Cooling, Ark Curve Black

2.389,00 €

Prezzo del 15/11/2026 12:23 · ora italiana

Nuovo

Acquista su Amazon

GMKtec EVO-X2 AI Mini PC AMD Ryzen AI MAX+ 395 (16C/32T, fino a 5,1 GHz), 126 TOPS, 128GB di RAM DDR5, SSD M.2 PCIe 4.0 X4 da 2TB, Mini Gaming PC con scheda grafica 8060S | WiFi 7 | USB 4.0 | 2.5G LAN

128 GB RAM

3.899,96 €

Prezzo del 15/11/2026 12:35 · ora italiana

Nuovo

Acquista su Amazon

NVIDIA DGX Spark AI Supercomputer GB10 Grace Blackwell 128GB SSD 4TB

10.900,00 €

Prezzo del 15/11/2026 12:34 · ora italiana

Nuovo

Acquista su Amazon

ASUS GX10, Computer Desktop NVIDIA GB10 e NVIDIA DGX, 128GB LPDDR5x, Grigio | Mini PC dotato di IA, 2 TB di Memoria Installata, Agentic AI Scalabile, Versione Tall

Un’altra configurazione da considerare

128 GB RAM

8.713,07 €

Prezzo del 15/11/2026 12:34 · ora italiana

Nuovo

Acquista su Amazon

msi EdgeXpert AI basato su piattaforma NVIDIA® GB10 DGX™ Spark 20-Core ARM CPU, 128GB LPDDR5x, SSD 4TB NVMe, Tensor e RT Cores di 5ª Gen, WiFi 7, Bluetooth 5.4, HDMI 2.1, USB-C

Un’altra configurazione da considerare

8.894,93 €

Prezzo del 15/11/2026 12:34 · ora italiana

Nuovo

Acquista su Amazon

CyberpowerPC Luxe Gaming PC - Intel Core Ultra 7 265KF, Nvidia RTX 5070 Ti, 32 GB RAM, 1 TB NVMe SSD, 750 W PSU, Windows 11, Liquid Cooling, V100R

2.589,00 €

Prezzo del 15/11/2026 12:23 · ora italiana

Nuovo

Acquista su Amazon

GMKtec EVO-X2 Mini PC AI AMD Ryzen AI Max+ 395 (fino a 5,1GHz) Mini PC Gaming, 128GB LPDDR5X 8000MHz (16GB*8), SSD PCIe 4.0 da 2TB, Display 8K a Quattro Schermi, WiFi 7&USB4, Lettore di Schede SD 4.0

128 GB RAM

3.999,96 €

Prezzo del 15/11/2026 12:35 · ora italiana

Nuovo

Acquista su Amazon

ASUS GX10, Computer Desktop NVIDIA GB10 e NVIDIA DGX, 128GB LPDDR5x, Grigio | Mini PC dotato di IA, 4 TB di Memoria Installata, Agentic AI Scalabile, Versione Tall

Un’altra configurazione da considerare

128 GB RAM

9.154,99 €

Prezzo del 15/11/2026 12:34 · ora italiana

Nuovo

Acquista su Amazon

I prezzi possono cambiare. Il prezzo finale e le condizioni di vendita sono quelli indicati da Amazon al momento dell’acquisto.

Come scegliere senza spendere per il componente sbagliato

Server sempre acceso o computer su richiesta

Decidi quando il servizio deve essere disponibile. Per poche prove serali può bastare accendere il computer di lavoro; un server dedicato ha senso quando più dispositivi o persone lo utilizzano regolarmente. Definisci modello, contesto e richieste contemporanee, poi misura il tempo alla prima risposta. Una capacità elevata non garantisce un’esperienza rapida per ogni modello. Se il computer rimane acceso, considera rumore, calore e spazio di ventilazione nel luogo reale di utilizzo. Non scegliere dal solo dato di potenza della CPU o della GPU: il sistema completo ha altri componenti e stati di consumo.

GPU, memoria condivisa e rete

Un desktop RTX è una scelta quando il progetto usa CUDA e la GPU ha capacità sufficiente. EVO-X2 è un confronto per più memoria condivisa in un backend AMD supportato. Spark e Dell GB10 sono piattaforme NVIDIA ARM64: le immagini dei container devono essere adatte. Una rete cablata è pratica per accedere al servizio, mentre una connessione veloce non accelera automaticamente la generazione di testo se il limite è il modello. Per trasferire file grandi tra NAS e server conta invece tutto il percorso. Non comprerei SFP+ solo per una chat locale senza altri requisiti di rete.

Accesso e copie senza complicare la casa

Limita l’accesso al servizio alle persone e ai dispositivi previsti. Se serve fuori casa, usa una modalità remota appropriata invece di esporre direttamente tutti i pannelli. Conserva una copia della configurazione e dei dati che non puoi riscaricare; i modelli pubblici possono essere recuperabili, mentre conversazioni e progetti potrebbero non esserlo. Non affiderei anche il router di casa agli esperimenti della stessa macchina senza prevedere l’effetto dei riavvii. Un piccolo impianto comprensibile e ripristinabile è preferibile a una workstation complessa usata raramente.

Le configurazioni che prenderei in considerazione

PC completo con RTX 5070 Ti e almeno 32 GB: Server CUDA di casa

Per un servizio proporzionato a un modello entro la capacità della GPU. La scelta iniziale per un nuovo progetto CUDA che entra nei 16 GB di memoria della GPU. La dotazione utile comprende anche CPU, RAM, SSD, alimentatore e raffreddamento adeguati. Non confondere i 32 o 64 GB di RAM del computer con i 16 GB della scheda video. Per un modello che richiede più VRAM considera una scheda di capacità maggiore o un’altra piattaforma compatibile.

GMKtec EVO-X2 con 128 GB: Modello con più memoria

Per un percorso AMD supportato che giustifica la classe da 128 GB. La scelta compatta per un progetto locale il cui limite principale è la memoria disponibile. La RAM integrata si sceglie all’acquisto e non si amplia come un normale modulo SO-DIMM. La versione da 128 GB ha senso quando un modello o un flusso di lavoro la richiede davvero. Non sostituisce automaticamente una scheda NVIDIA: il programma deve supportare la piattaforma AMD e il relativo sistema operativo. Per modelli piccoli e uso saltuario un computer meno costoso può essere più ragionevole.

NVIDIA DGX Spark con 128 GB: Laboratorio NVIDIA compatto

Per software Linux ARM64 e un’esigenza concreta della piattaforma. L’opzione per sviluppo AI con ambiente NVIDIA e molta memoria condivisa in un sistema piccolo. Usa una CPU Arm e non è una normale torre Windows: applicazioni e container devono essere disponibili per l’architettura prevista. La configurazione consigliata deve indicare 128 GB installati, dato che esistono allestimenti differenti. La capacità di caricare un modello non promette una velocità interattiva per qualsiasi progetto. Per uso generale o prime prove con modelli piccoli sono più semplici un PC ordinario o un servizio cloud.

Memoria dei pesi, contesto e programma

Per scegliere la capacità, somma pesi del modello, cache del contesto e memoria richiesta dal programma. Se più richieste lavorano insieme, la parte legata al contesto può crescere anche quando i pesi sono condivisi. Come prima stima ideale, otto miliardi di parametri a quattro bit occupano circa quattro miliardi di byte per i soli pesi; il file reale e il processo possono richiedere di più. Lascia margine e controlla la memoria durante un esempio rappresentativo. Il numero di parametri attivi di un modello MoE non sostituisce la memoria necessaria a conservarne i pesi. Un nome di famiglia, come Qwen o DeepSeek, non definisce da solo la capacità del computer da comprare.

Quando scegliere NVIDIA, AMD o Apple

Scegli NVIDIA quando il progetto richiede CUDA o estensioni documentate solo per quella piattaforma. Scegli Apple Silicon quando il programma supporta Metal o MLX e serve anche un desktop macOS. AMD con molta memoria condivisa ha senso per un carico che il backend utilizzato gestisce correttamente. Queste scelte dipendono dal programma e dal modello, non dalla sola scritta AI sul computer. La memoria unificata serve anche al sistema operativo; la VRAM dedicata appartiene alla scheda video. A parità di numero scritto in GB le architetture possono quindi ospitare carichi e ottenere velocità diverse. Non comprerei una NPU aspettandomi che sostituisca automaticamente CUDA.

Archiviazione e progetto completo

Modelli, quantizzazioni, cache e risultati possono occupare rapidamente centinaia di gigabyte. Sceglierei almeno 1 TB per iniziare con più progetti e 2 TB quando prevedi più versioni o contenuti multimediali. Un SSD esterno serve per archiviare e spostare file, ma non trasforma la sua capacità in memoria GPU. In un PC con scheda video dedicata, considera anche alimentatore, dimensioni della scheda, spazio del case e raffreddamento. Una scheda da sola non comprende il computer. Se scegli una macchina compatta con memoria integrata, la capacità non si aggiorna come un modulo SO-DIMM: è una decisione da prendere prima dell’acquisto.

La prova che orienta la scelta

Prova modello, quantizzazione, contesto e numero di richieste previsti. Misura caricamento, tempo alla prima risposta, generazione successiva e comportamento dopo diversi minuti, evitando di confrontare numeri ottenuti con impostazioni diverse. Per immagini e video includi anche nodi, estensioni e risoluzione del progetto. Quando un computer usa molta memoria di scambio può riuscire a caricare un modello senza offrire un’esperienza pratica. Per un servizio locale conserva una configurazione riproducibile, limita gli accessi e aggiorna il software. Locale significa che puoi controllare dove elaborare i dati; per mantenere privati i documenti devi anche gestire permessi, backup ed eventuali componenti che contattano servizi esterni.

Domande frequenti

Deve restare acceso sempre?

Solo se la disponibilità continua serve davvero; per uso occasionale puoi valutare il computer esistente.

Una rete da 10 GbE accelera la chat?

Non quando il limite è la generazione del modello, anche se può aiutare i trasferimenti di file.

Quale primo server CUDA?

Un PC RTX completo dimensionato dal modello e dal contesto, non soltanto dalla fascia della GPU.