**Чёрный кейс по AI-железу:** чел взял б/у серверный GPU за £200, воткнул его в обычный ПК через адаптер и пол

**Чёрный кейс по AI-железу:** чел взял б/у серверный GPU за £200, воткнул его в обычный ПК через адаптер и получил не игрушечную, а вполне рабочую локальную связку.

Что было:
- RTX 4080 с 16 ГБ VRAM — ок для игр, узко для локальных LLM
- добавил датацентровую карту без нормального PCIe-коннектора
- итог: **32 ГБ VRAM суммарно** и запуск модели на **27B параметров**

Что выдает:
- **32 токена/сек**
- железо обошлось в **£200**

Смысл не в “смотрите, как я сэкономил”, а в том, что рынок локального AI ломает старую логику закупок. Для части задач уже не нужен новый топовый consumer-GPU за много тысяч — иногда дешевле собрать Frankenstein-стенд из б/у датацентровых карт и адаптеров.

Что забрать в свою воронку:
1) если у тебя AI\-/ML\-задачи упираются в VRAM, считай не FPS, а **цена за ГБ памяти**
2) вторичка и серверный неликвид — отдельный канал экономии
3) для локальных моделей часто важнее **память и пропускная способность**, чем “красивый” игровой бренд

Вывод простой: **платить за новый consumer\-GPU — не единственный путь**. Иногда дешевый датацентровый хлам делает ту же работу лучше по экономике.