哭死，几年前重金购买的 AI PC，竟然还比不上免费的云端 GPU 的算力

五年前，大模型还没有爆发，也没有 AI PC 的概念，但 AI 的苗头已经开始显现。正好那个时候工作比较清闲，就决定学一学 AI。记得当时学的是《机器学习》和《深度学习》这两本书。为了能够更好地实践，花了将近两万块钱，买了一台带独立显卡的台式机。在这之前，我买电脑都是用的集成显卡，因为我不玩游戏，也没有机会做 3D 建模相关的工作。这次为了AI学习，花了血本，买的电脑配置如下：

• 处理器：Intel Core i9-9900K
• 显卡：NVIDIA GeForce RTX 2080 Ti（11GB显存）
• 内存：32GB
• 硬盘：256 GB SSD + 1TB HDD

但是，我的 AI 之路并没有那么顺利。当时死磕《机器学习》和《深度学习》这两本书，但实在磕不动。太难了，简直是看天书，一个个字都认识，但组合在一起却完全不知所云。本来，我对自己的学习能力还挺有信心的，但这次真的被打击到了。这种理论学习，没有极高的智商加持，真的没法学进去。难怪现在那些 AI 天才，刚毕业就能拿到百万年薪。

在那之后，我有一段时间几乎放弃了对AI的探索。然而，随着ChatGPT的爆火，我逐渐想通了：搞不懂AI的理论也没关系，我可以专注于应用开发。如今的大模型都提供了API接口，将其集成到自己的产品中，同样能发挥巨大价值。

如果只是集成大模型，对电脑硬件的要求其实并不高；但如果要自己部署开源模型，那就需要一台性能更强的机器了。然而，我悲哀地发现，当年我花重金购置的台式机如今已经严重落伍，甚至比不上现在免费的云端GPU算力。

这几天无意中浏览到腾讯推出了 Cloud Studio 在线应用开发平台，除了可以开发 C/C++、Java 等应用外，还可以免费使用云端 GPU 来做 AI 开发。当然，免费版本有时长限制，不过每个月 1 万分钟，还是挺良心的。

使用 Cloud Studio 之前需要注册腾讯云账号，这个就不赘述了。登录后，点击上图中的 “前往专业版” 按钮，就可以进入 “云端 IDE” 界面。

然后再点击 “免费创建 GPU 空间”。

一般情况下，我们可以选择模板创建空间，当然，如果你希望一切由自己控制，也可以 “直接创建”。这里我选择模板。

这里模板很多，请根据需求选择，我希望使用 ollama 部署 DeepSeek 开源大模型，所以选择了 “Ollama” 模板。出现“空间规格”的选择界面。

可以看到，免费版本提供了 16 GB+ 的显存，8 核 CPU 和 32 GB 的内存，真的比我这电脑配置还强。这里没有列出硬盘空间大小，后来我进入到实例，查了一下，总共提供大约 50 GB 的空间。

(base) root@VM-9-56-ubuntu:/workspace# df
Filesystem     1K-blocks     Used Available Use% Mounted on
overlay         51290592 26192784  22459984  54% /
tmpfs              65536        0     65536   0% /dev
tmpfs           16041936        0  16041936   0% /sys/fs/cgroup
/dev/vdb        51290592 26192784  22459984  54% /etc/.hai
tmpfs           16041936       24  16041912   1% /dev/shm
tmpfs           16041936       12  16041924   1% /proc/driver/nvidia
/dev/vda2       30856076 19287576  10215316  66% /usr/bin/nvidia-smi
tmpfs            3208388      852   3207536   1% /run/nvidia-persistenced/socket
udev            15991728        0  15991728   0% /dev/nvidia0
tmpfs           16041936        0  16041936   0% /proc/asound
tmpfs           16041936        0  16041936   0% /proc/acpi
tmpfs           16041936        0  16041936   0% /proc/scsi
tmpfs           16041936        0  16041936   0% /sys/firmware

除掉系统所占用的空间，大小勉强够用。

接下来会显示所创建的实例。

点击其中的一个实例，可以看到我们非常熟悉的界面：一个在浏览器中仿真的 Visual Studio Code 编辑器。

试用了一下，和在本地使用 VS Code 没什么区别，也能安装各种插件。

如果要操作创建的主机实例，官方没有提供 ssh 之类的登录方法。但我们可以在 VS Code 中打开中端，比如我要用 ollama 安装 DeepSeek 大模型：

还可以在 VS Code 中创建多个终端。DeepkSeek 大模型安装好后，就可以对话了。

如果你想踏入AI开发领域，完全没有必要购买昂贵的AI专用电脑。利用线上资源，一台普通的电脑就足以满足你的需求。关键是，买了昂贵的电脑也不能干啥，因为随着大模型的不断发展，其规模和复杂度已经远远超出了个人消费级电脑的处理能力，自行进行模型训练或调优几乎是不可能的。

相比之下，云端GPU不仅性能强大，还能根据你的需求灵活选择免费或付费版本。付费使用云端GPU，本质上就像是租用一台高性能的GPU电脑，既能满足开发需求，又无需担心硬件过时的问题。这样，你不仅能节省前期的硬件投资，还能避免几年后电脑性能落伍的尴尬局面。