🚀 写在前面

值友们好！最近NAS圈最火的话题是什么？毫无疑问是「在NAS上跑本地AI」。

以前提到NAS，大家第一反应是存文件、跑Docker、搭影音库。但现在不一样了——随着Ollama、AnythingLLM这些工具成熟，NAS已经从「存储中心」进化成了「个人AI服务器」。

更棒的是：完全免费，数据不出门，无论你是群晖老用户还是极空间新手，都能一键搞定。今天我就把自己折腾两周的经验整理出来，给想上车但不知道怎么下手的值友一个完整指南。

📌 课代表总结

✅ NAS + Ollama = 本地AI推理服务器

✅ 支持 DeepSeek / Llama / Qwen 等主流模型

✅ 最低配置：4核CPU + 8GB内存 + Docker

✅ 推荐入手：极空间Z4Pro / 绿联DX4800 Plus / 威联通TS-464C

💡 为什么要在NAS上跑AI？

很多人觉得「AI不是用云端GPT就行了吗？」，两台NAS的钱够买几年会员了，有必要吗？

还真有必要。我列举几个真实场景：

数据隐私——公司的技术文档、自己的日记、家庭照片，你愿意上传到云端AI处理吗？本地跑AI，所有数据不出NAS。 持续可用——GPT宕机、API限流、网络波动……这些都不影响你本地部署的模型。 无限调用——没有额度限制，没有Token计费，想聊多久聊多久。 知识库挂载——把NAS里的资料（PDF、Markdown、代码）喂给AI，变成你的个人知识库。

当然，本地模型的智能程度确实比不上GPT-4o，但像DeepSeek-R1 7B、Llama 3.1 8B这些开源模型，写代码、整理笔记、回答常识问题已经相当够用了。

⚙️ 硬件门槛一览

这里我整理了市面上主流NAS跑AI的实测表现：

NAS型号CPU内存可跑模型推理速度参考价格

绿联DX4800 PlusIntel N1008GB7B以下🔥 12-15 tok/s¥1800 极空间Z4ProIntel N30516GB7-13B🔥 15-20 tok/s¥2500 威联通TS-464CIntel N50958GB7B以下✅ 8-12 tok/s¥2200 群晖DS224+Intel Celeron J41256GB3B以下⚠️ 5-8 tok/s¥2300 飞牛OS（DIY）i3-1210032GB13-70B🔥🔥 30+ tok/s~¥3000

注：推理速度基于DeepSeek-R1 7B Q4量化版测试，使用CPU推理。若NAS支持NVIDIA GPU直通，性能可翻数倍。

我的建议：如果想玩NAS+AI，至少选Intel N100/N305级别的CPU，内存不低于8GB。群晖J系列就别想了，跑个3B模型都费劲。

🛠️ 实操：Ollama一键部署

废话不多说，直接上干货。以极空间Z4Pro为例（群晖/威联通操作类似）：

Step 1：SSH进NAS

先在NAS控制面板开启SSH，然后用终端连上去：

ssh admin@你的NAS_IP

Step 2：安装Ollama（一行命令）

极空间/绿联（有Docker图形界面）

在Docker管理器中搜索 ollama/ollama，直接拉取运行

命令行装

docker run -d --name ollama
-v /路径/ollama:/root/.ollama
-p 11434:11434
ollama/ollama

Step 3：下载并运行模型

进入容器

docker exec -it ollama ollama pull deepseek-r1:7b

或者选更轻量的模型

docker exec -it ollama ollama pull qwen2.5:7b

测试运行

docker exec -it ollama ollama run deepseek-r1:7b

看到模型开始回复，恭喜！你的NAS已经变身AI服务器了 🎉

🧠 AnythingLLM：搭建个人知识库

光有模型还不够，接下来我们把它变成「认识你数据的AI」。

AnythingLLM 是一个开源的知识库工具，能把PDF、Word、网页内容向量化存储，然后让AI基于你的资料回答问题。对NAS用户来说，就是把你存储的资料变成可检索的知识库。

部署AnythingLLM

docker run -d --name anythingllm
-v /路径/anythingllm:/app/server/storage
-p 3001:3001
mintplexlabs/anythingllm

访问 http://你的NAS_IP:3001，设置LLM Provider选择Ollama，模型填入 deepseek-r1:7b，API地址填 http://你的NAS_IP:11434。

然后你就可以把NAS里的技术文档、产品说明书、学习笔记全部拖进去，AI自动学习——以后问它「去年买的那个NAS怎么设置RAID」，它能从你的资料里精准找到答案。

📱 手机远程调用

部署完了只在电脑上用？那太浪费了。搭配 Cherry Studio 客户端（支持iOS/Android/桌面），配置Ollama API地址：

API地址：http://你的NAS_IP:11434 模型：deepseek-r1:7b（或你下载的其他模型） 密钥：随便填（本地不需要验证）

这样你出门在外，掏出手机就能调用家里NAS上的AI，全程走你自己的网络，没有任何数据外泄风险。

📊 优缺点总结

✅ 优点⚠️ 缺点

完全免费，零成本调用智能水平不如GPT-4o/Claude 数据100%本地，隐私无忧需要NAS有较强CPU（N100起步） 无调用限制，随便聊7B模型中文理解偶尔翻车 结合知识库，打造专属AI部署有一定门槛（需Docker基础） 手机也能远程调用大型模型加载慢（首次5-10分钟）

👨‍💻 课代表推荐

🏆 如果要买一台NAS跑AI：

首选：极空间Z4Pro（N305 / 16GB）

🔸 约¥2500，性能在品牌NAS中最强

🔸 16GB内存可跑7B-13B模型

🔸 Docker管理器内置，点几下就能部署Ollama

🔸 远程访问自带，无需折腾内网穿透

性价比之选：绿联DX4800 Plus（N100 / 8GB）

🔸 约¥1800，入门级NAS+AI首选

🔸 N100跑7B模型勉强够用（12-15 tok/s）

🔸 UGOS系统Docker支持完善

不推荐：群晖DS2xx系列、威联通TS-2xx系列——J系列CPU跑AI体验极差，5 tok/s以下基本没法用。

💬 最后说两句

NAS跑AI这件事，放在两年前想都不敢想——存储设备还能当AI服务器用？但现在Ollama + 开源模型把门槛降到了几乎为零。只要你的NAS有Docker支持，就能免费拥有一个隐私安全、不限次数、随时在线的个人AI助手。

对NAS发烧友来说，这可能是2026年最值得折腾的玩法。如果你已经在NAS上跑上了AI，欢迎在评论区分享你的配置和体验！

—— 全文完 ——