จัดสเปคคอมรัน AI ตามงบ 20,000 / 40,000 / 80,000 บาท: ได้อะไร ทำอะไรได้บ้าง
กำลังจะประกอบเครื่องใหม่เพื่อรัน AI ในบ้าน? แยกให้ชัดว่างบแต่ละระดับซื้ออะไรได้จริง รันโมเดลไหนไหว และตรงไหนที่จ่ายเพิ่มแล้วไม่คุ้ม
บทความนี้ต่างจากคู่มือเช็คว่าเครื่องเดิมไหวไหม ตรงที่เล่มนั้นตอบคำถาม "เครื่องที่มีอยู่รันได้แค่ไหน" ส่วนเล่มนี้ตอบ "ถ้าจะซื้อใหม่ ควรลงเงินตรงไหน"
คนส่วนใหญ่พลาดจุดเดียวกันหมด คือเอางบไปลงกับ CPU และเคสสวย ๆ แล้วเหลือเงินให้การ์ดจอไม่พอ ทั้งที่การรัน AI ในเครื่อง VRAM คือตัวชี้ขาดเกือบทั้งหมด
กฎข้อเดียวที่ต้องจำก่อนกดสั่งซื้อ
โมเดลที่บีบอัดแบบ Q4 กินหน่วยความจำประมาณ 0.6 GB ต่อพารามิเตอร์หนึ่งพันล้าน บวกที่เผื่อไว้อีก 1–2 GB
- โมเดล 8B → ต้องการราว 6 GB
- โมเดล 14B → ต้องการราว 10 GB
- โมเดล 32B → ต้องการราว 21 GB
ถ้าโมเดลลงใน VRAM ได้ทั้งก้อน คุณจะได้ความเร็วระดับ 30–80 tokens/วินาที ถ้าล้นออกมาอยู่ที่แรมระบบ ความเร็วจะเหลือ 2–10 tokens/วินาที ซึ่งต่างกันจนรู้สึกได้ทันที
ตัวเลขนี้คือสิ่งที่ควรใช้ตัดสินใจ ไม่ใช่รุ่นของ CPU
งบ 20,000 บาท — เริ่มต้นจริงจัง
เป้าหมายของงบนี้คือ รันโมเดล 7–9B ได้ลื่น ซึ่งเพียงพอสำหรับสรุปเอกสาร ตอบคำถาม เขียนอีเมล และงานเขียนโค้ดเบา ๆ
| ชิ้นส่วน | ที่แนะนำ | เหตุผล |
|---|---|---|
| การ์ดจอ | มือสอง VRAM 8–12 GB | จุดที่ต้องลงเงินมากที่สุด |
| แรม | [16 GB (2×8)](https://dashboard.privatebrainos.com/go/9KgYJUU6mx) | พอสำหรับระบบ + เผื่อโมเดลล้น |
| SSD | [NVMe 1 TB](https://dashboard.privatebrainos.com/go/6pzDKnqICi) | โมเดลตัวละ 4–9 GB เก็บได้สิบกว่าตัว |
| CPU | รุ่นกลางรุ่นไหนก็ได้ | **ไม่ต้องแพง** ถ้าโมเดลอยู่บนการ์ดจอ CPU แทบไม่ทำงาน |
รันได้: Llama 3.1 8B · Gemma 2 9B · Phi-3 · Qwen 7B — ทั้งหมดที่ Q4
ทางลัดที่หลายคนมองข้าม: ถ้ามีเครื่องเดิมอยู่แล้ว การซื้อ เฉพาะการ์ดจอ มาเปลี่ยนมักคุ้มกว่าประกอบใหม่ทั้งชุดมาก
งบ 40,000 บาท — จุดที่คุ้มที่สุด
ถ้าจะแนะนำงบเดียว ผมเลือกระดับนี้ เพราะเป็นจุดที่ VRAM 16 GB เอื้อมถึง ซึ่งเปิดประตูสู่โมเดล 14B ที่เก่งขึ้นแบบรู้สึกได้ ไม่ใช่ดีขึ้นแค่ในกระดาษ
| ชิ้นส่วน | ที่แนะนำ |
|---|---|
| การ์ดจอ | [RTX 5060 Ti 16GB](https://dashboard.privatebrainos.com/go/6ffn9EWUOu) |
| แรม | [32 GB (2×16)](https://dashboard.privatebrainos.com/go/9KgYJUU6mx) |
| SSD | [NVMe 1 TB](https://dashboard.privatebrainos.com/go/6pzDKnqICi) |
| จอ | [27" IPS](https://trend-dee.com/?cat=tech) ถ้ายังไม่มี |
รันได้: ทุกอย่างในงบ 20,000 บวก โมเดล 14B ที่ Q4 และรันสองโมเดลพร้อมกันได้ (เช่น ตัวหนึ่งตอบแชท อีกตัวทำ embedding ให้ระบบค้นเอกสาร)
ความต่างที่รู้สึกได้จริงคือ การให้เหตุผลหลายขั้น และงานเขียนโค้ดที่ยาวขึ้น ซึ่ง 8B มักหลุด
งบ 80,000 บาท — เมื่อ AI คือเครื่องมือทำงานจริง
ระดับนี้เหมาะกับคนที่ใช้ AI ทำงานทุกวัน ไม่ใช่ลองเล่น เป้าหมายคือ VRAM 24 GB ขึ้นไป
| ชิ้นส่วน | ที่แนะนำ |
|---|---|
| การ์ดจอ | VRAM 24 GB (RTX 4090 มือสอง / 5090 / การ์ดสาย workstation) |
| แรม | 64 GB |
| SSD | NVMe 2 TB |
| ไฟสำรอง | [UPS](https://dashboard.privatebrainos.com/go/9pcou3OIz2) — ไฟดับกลางการเทรนคือเสียเวลาเปล่า |
รันได้: โมเดล 32B ที่ Q4 ซึ่งใกล้เคียงของบนคลาวด์ในงานหลายอย่าง และเริ่มทำ fine-tune ด้วย LoRA ได้จริง
แล้ว Mac ล่ะ
Mac ที่ใช้ Apple Silicon มีข้อได้เปรียบเฉพาะตัว — unified memory ทำให้ GPU ใช้แรมของเครื่องเป็น VRAM ได้ตรง ๆ
- Mac 16 GB ≈ ทำได้เท่าเครื่อง PC VRAM 8–12 GB
- Mac 32 GB ≈ รัน 14B ได้สบาย
- Mac 64 GB ขึ้นไป ≈ แตะ 32B ได้
ข้อเสียคือราคาต่อ GB แพงกว่า และอัปเกรดทีหลังไม่ได้เลย ต้องซื้อแรมให้พอตั้งแต่วันแรก
3 อย่างที่ไม่ควรเสียเงิน
1. CPU รุ่นท็อป — ถ้าโมเดลอยู่บน VRAM ทั้งก้อน CPU แทบไม่ได้ทำงาน เอาเงินส่วนต่างไปเพิ่ม VRAM คุ้มกว่ามาก
2. แรมความเร็วสูงพิเศษ — ความจุสำคัญกว่าความเร็ว 32 GB ธรรมดาชนะ 16 GB ที่เร็วกว่าเสมอในงานนี้
3. การ์ดจอใหม่ที่ VRAM น้อย — การ์ดรุ่นใหม่กว่าแต่ VRAM 8 GB แพ้ การ์ดเก่ากว่าที่มี 16 GB สำหรับงานนี้ ตัวเลขรุ่นไม่สำคัญเท่าตัวเลข VRAM
เริ่มยังไงหลังประกอบเสร็จ
ติดตั้ง Ollama แล้วสั่ง:
ollama run llama3.1
เท่านั้นจริง ๆ ไม่ต้องตั้งค่าอะไรเพิ่ม โมเดลจะถูกดาวน์โหลดและรันบนการ์ดจอให้เอง
อยากรู้ว่าเครื่องที่มีอยู่ตอนนี้รันอะไรได้บ้างก่อนตัดสินใจซื้อ อ่านต่อได้ที่ คู่มือเลือก Local LLM ให้เหมาะกับเครื่องคุณ
---
บทความนี้มีลิงก์แนะนำสินค้า หากซื้อผ่านลิงก์ บล็อกอาจได้รับค่าแนะนำเล็กน้อยโดยราคาที่คุณจ่ายไม่เปลี่ยน — เราเลือกเฉพาะของที่ใช้ได้จริงกับสเปคในบทความนี้เท่านั้น
