Self hosted AI: нейросети на своём сервере, термины и чек-лист
Подробности, цифры, термины и чек-лист по теме «Self hosted AI: нейросети на своём сервере». Страница справочника целиком: Self hosted AI.
Коротко о теме
Self hosted AI на своём сервере: Ollama и Open WebUI для чата, AnythingLLM для базы знаний, ComfyUI для картинок, набор n8n. Лицензии и железо.
Подробности по разделам
Какое железо нужно своему ИИ: процессор или видеокарта
Облачные серверы с GPU оплачиваются по часам, цена по запросу, аванс от 5 000 ₽ (на 14 октября 2026). Если своя модель не обязательна, а нужен только интерфейс у себя, подключите Open WebUI к OpenAI-совместимому API и платите за токены: так данные чатов остаются на вашем сервере, а модель работает у провайдера.
Self hosted база знаний с ИИ на своих документах
Для ответов клиентам оставьте проверку человеком и показывайте ссылку на источник рядом с ответом.
Ключевые цифры
- Набор от команды n8n: n8n, Ollama, векторная база Qdrant и PostgreSQL, запуск одним docker compose с профилем cpu, gpu-nvidia или gpu-amd.
Термины на странице
- GPU
- GPU это видеокарта. На сервере её используют для нейросетей, рендера и расчётов.
- n8n
- n8n это программа для автоматизации: связывает сервисы сценариями без программирования.
- Ollama
- Ollama запускает языковые модели на своём компьютере или сервере одной командой.
- LLM
- LLM это большая языковая модель. Для запуска на своём сервере ей нужна видеопамять или много оперативной.
- PostgreSQL
- PostgreSQL это база данных для приложений с большими объёмами и сложными запросами.
- Self-hosted
- Self-hosted значит, что программа работает на вашем сервере, а данные остаются у вас.
- SSH
- SSH это защищённое подключение к серверу через командную строку. Вход по ключу безопаснее, чем по паролю.
- Облачный сервер
- Облачный сервер это VPS, ресурсы которого можно менять на ходу, а оплата часто почасовая.
Что проверить
- Посчитайте видеопамять под модель до заказа сервера.
- Начните с почасовой оплаты и выключайте сервер после работы.
- Проверьте драйверы и версию CUDA под ваш фреймворк.
- Выберите конфигурацию по памяти и диску под задачу, процессор обычно вторичен.
- Проверьте тип виртуализации: KVM даёт свою систему и гарантированные ресурсы.
- Уточните, входит ли IPv4 и сколько стоит трафик сверх пакета.