过去三年，越来越多的高校开始开设AI相关课程，从本科到研究生，从计算机专业到交叉学科，几乎每个理工科院系都在布局人工智能教学。但随之而来的一个实际问题非常具体——学生做模型训练的时候，用什么设备？
用学生自己的笔记本？跑个MNIST手写数字识别还行，跑个ResNet或者Transformer直接卡死。用云端GPU？一个班几十个学生并发使用，一个学期下来的费用可以让教务处长血压飙升。用学院的计算集群？排队等资源的时间比训练时间还长。
于是很多实验室开始想一个折中方案：在实验室里搭建一套本地的AI PC集群，专门供学生日常学习和模型训练使用。这篇文章，我从实际搭建的角度，讲清楚一套面向教学场景的AI PC集群该怎么规划、怎么配、怎么用。
教学场景的AI算力需求有它自己的特点。学生跑模型的时间集中、任务小型化、并发需求高、出错率高、不追求极致性能——这几个特征决定了教学集群的设计方向和企业级平台完全不同。
并发要求高。 一个班30个学生，很可能同时提交训练任务。虽然每个任务都不大，但需要系统能同时支持多人使用，互不干扰。
任务小型化。 学生作业和课程项目通常是小规模数据集、小模型——LeNet、ResNet-18、简单的Transformer、轻量级LLM微调。真正跑大模型训练的学生属于少数。
出错率高。 代码写错、环境配置出错、路径不对、版本冲突……学生操作过程中各种问题。集群需要提供相对独立的环境隔离，一个学生把系统搞乱了不会影响其他人。
预算有限。 高校实验室采购有明确的预算约束，需要精打细算。不能像企业数据中心那样按最优性能配置，需要在性能、价格和数量之间找到合适的平衡点。
基于上面的需求特征，教学集群的硬件选型思路是：单机性能不需要拉到最满，但要有足够的节点数量和内存容量来支撑并发。
计算节点（学生用机）： 这是集群的核心。建议配置搭载主流CPU和集成显卡的迷你主机，配备大容量内存和SSD，单台功耗控制在合理范围内，支持静音部署，适合放置在实验室环境中。华一精品的PB1202定位中端市场，搭载AMD R5-6600H处理器（6核12线程），集成Radeon 660M显卡，配备16GB LPDDR5内存和512GB SSD，整机功耗约45W，能够满足大多数课程项目的训练需求，可以胜任学生日常模型训练任务。
存储节点： 建议配置一台独立的网络存储设备，用于存放数据集、模型文件和训练日志，采用万兆网络连接计算节点，提升数据读写效率。配置时注意预留足够容量以应对多个课程数据集的存储需求。
管理节点： 配置一台配置稍高的机器，安装Linux系统，用于集群管理、用户认证、作业调度和环境监控。这台机器不需要太高算力，但需要有足够的存储空间用于备份和日志归档。
网络架构： 计算节点通过千兆以太网连接到核心交换机，管理节点和存储节点建议使用万兆连接，以提升数据集加载速度。学生通过实验室局域网访问集群，采用固定IP分配和MAC地址绑定，限制仅实验室内部网络可访问，保障集群运行环境的安全可控。
操作系统： 统一安装Ubuntu 22.04 LTS，这是AI教学最常用的系统版本，稳定且对新硬件支持良好。所有节点使用统一镜像安装，批量配置环境。建议为每个学生创建独立账号，设置磁盘配额防止空间滥用。
环境配置： 使用Anaconda统一管理Python环境，学生可以创建自己的虚拟环境安装不同版本的依赖库。预装PyTorch、TensorFlow、Jupyter等常用工具，配置好CUDA和GPU驱动（如果使用独立显卡节点），确保学生拿到账号就能直接使用。
使用规范： 建议制定简单的使用规范：训练任务超过2小时的需要提前报备、禁止在登录节点运行大规模任务、及时清理不再使用的数据和模型文件。这些规范可以在学期初向学生说明，减少后续管理问题。
环境一致性： 使用统一的环境配置，确保学生在实验室集群上和在自己笔记本上跑代码的结果一致。如果学生的笔记本性能不足，可以在集群上训练，然后把模型文件下载回本地做测试。
以30人的班级为例，配置6台PB1202作为计算节点，每台2480元，合计14880元。一台存储节点约5000元，一台管理节点约4000元。网络设备约2000元，机柜和布线约1500元。设备总投入约27380元。此外，机柜和布线等配套设施费用约1500元，使总投入控制在3万元以内。
按5年使用周期计算，年均硬件成本约5500元。相比云端方案（30个学生每人每月200元云GPU额度，年约72000元），本地集群方案的年均成本仅为云端方案的十分之一左右，且数据不出实验室，隐私和安全性更有保障。
一套3万元级别的AI PC集群，能让一个班级的学生在真实硬件上跑模型训练，而不是在笔记本上忍受漫长的等待，也不是在云端刷爆预算。教学的目的是让学生掌握真实环境下的AI开发技能，本地集群提供了可控、可重复、可管理的训练环境，而这恰恰是云端共享环境难以替代的。
如果你正在为教育实验室规划AI算力基础设施，欢迎联系华一精品，我们提供从设备选型、集群部署到教学环境配置的全套解决方案。
