一台五年前的旧笔记本，退役后能干什么？有人把它改成常驻家庭服务器，还顺手在核显上跑起了一个小模型——而那块独立显卡，从头到尾没被碰过。

打开网易新闻 查看精彩图片

这台机器是宏碁 Nitro 5，配置为 RTX 3050 Ti 移动版、酷睿 i7-11800H 和 16GB 内存。这套组合当年还算体面，如今则要精打细算地用。独显要承担的任务不少：Jellyfin 给全家转码串流，Sunshine 偶尔把低多边形游戏推到电视上。既然独显已经满负荷，再拿它跑一个后台任务就没什么道理。

真正让这件事变得必要的，是家里长辈的用机习惯。他们会把银行对账单、保险文件、医疗报告、账单等材料直接上传到 Gemini 或 ChatGPT 里求解释。方便是方便，但把真正私密的文件发到别人的服务器上，让人不太放心。

于是目标变得很小：不需要造一个 ChatGPT 替代品，只要一个跑在核显上的 2B 模型，托管在私有服务器上，当全家的文档助手，回答问题时不把文件发到任何地方。它跑起来之后，同一网络下的手机和笔记本都能连上它。

把模型钉在核显上

在弱笔记本上跑模型，llama.cpp 是最省事的选择。它不需要什么花哨配置，指给一个模型、再给一个运行位置就行。关键在于，这个"位置"必须是英特尔核显，而不是 RTX 3050 Ti。

为了明确调用英特尔 GPU，用的是 llama.cpp 的 Vulkan 构建版本。把设备固定到 Vulkan0（即核显）后，模型的层被推到集成显卡上；同时跑一条 nvidia-smi -l 1 命令观察，可以看到 llama.cpp 完全没有计入 RTX 的利用率。这正是目的所在——独显必须被排除在外。

模型选的是 Liquid AI 的 LFM3-VL-2B。它是一个小型视觉语言模型，这一点很关键，因为需要它看懂文档和图片，而不只是回答文字提问。使用它需要 llama.cpp 的 11960 或更新的构建版本。

推理跑通之后，把 llama.cpp 变成局域网服务器，整个项目就变了性质：家里每个人都能和这个聊天机器人对话，家庭网络里的每台设备都能访问它。笔记本保持有线连接，其他无线设备通过手机上设好的一个 Chrome 快捷方式访问模型。

慢，但够用

需要让所有人接受的一点是：跑在核显上的本地模型，在智力上不会让人惊艳，也替代不了 ChatGPT 或 Gemini。但凡是需要总结医疗报告、银行对账单，或者从不想细读的文件里提取要点，它就该是首选。它做不了细腻的推理，预期要放低。

速度也确实不快，生成速度稳定在每秒 6 个 token。真正的等待在读取环节：把一份两页的扫描版租房协议交给它，将近四分钟才吐出第一个字。

LFM3-VL 也不能真正处理 PDF，所有内容都得先截图再上传，多了一道不必要的步骤。但面对机密文件里的高敏感信息，这点麻烦是值得的，何况这类情况并不常发生。其余场景，交给长辈们已经熟悉的 Gemini 就好。

速度上的限制在这里并不重要，因为它主要是后台助手，不是聊天机器人。笔记本可以安静地在角落里工作，家里各处通过手机和笔记本访问它，敏感文档始终留在自己的网络内。

这套方案对大多数人并不合适——没有性能可炫耀，"跑分"也拿不出手。它刻意保持 modest，只做一件不光鲜却对家庭有价值的事。也正因如此，这台旧笔记本在 2026 年显得比它应有的样子有用得多：它只需要待在那里，安静干活，等家里有人需要看懂一份文件。这一次，慢的那个选项，反而是更让人信任的那个。