DeepSeek火了，游戏服主自建RAG知识库要多大显存才够？

开服三年，玩家群里的问题越来越像客服工单：卡在登录界面、充值不到账、某个MOD和插件冲突、封号申诉流程怎么走。过去靠三五个管理员轮班复制粘贴答案，现在玩家用上了AI，直接在群里@机器人问。想自建一套RAG知识库——把FAQ、活动规则、后台工单记录喂给模型，让它按文档回答——第一个问题就卡住：要买多大显存的机器？和直接买SaaS比，到底谁便宜？这篇按游戏私服/联机服主的真实场景把账拆开算。

先算显存：7B、14B还是直接上API

RAG的显存开销分两块：向量检索和生成模型。检索侧（Embedding+BGE这类模型）很轻，1~2GB显存足够撑几百到几千条文档；真正吃显存的是生成模型。通用经验量级：

• 7B模型，INT4量化约5~6GB显存可跑，FP16约14~16GB；
• 14B模型，INT4约9~10GB，FP16约28GB；
• 32B模型，INT4约18~20GB，FP16基本要双卡；
• 并发不是线性叠加，但首字延迟和并发数强相关。10人同时提问，7B INT4在单张16GB卡上通常还能扛住，30人以上就开始排队。

对游戏服主来说，知识库主要是FAQ、开服公告、充值规则、封禁申诉模板，语义不复杂，7B~14B的指令微调模型加一份好文档，回答质量已经够用。真正要警惕的是文档切分太碎、召回不准，导致模型胡编——这属于工程问题，不是加显存能解决的。判断标准很简单：先用一台能跑7B INT4的机器做两周试点，统计玩家提问的命中率和人工接管率，再决定是否升级到14B。

成本账：云GPU、物理机、SaaS三本账

方案一：公有云GPU按量或包月。一张16GB级别的推理卡，包月通常在数百到一两千元区间，24GB卡更高；按量计费适合夜间低峰，但24小时在线的客服机器人包月更稳。云GPU的好处是弹性、免运维，坏处是长期跑成本高，且数据和模型权重放在别人机器上，玩家手机号、充值记录这类信息要过一遍合规评估。

方案二：自购或租用GPU物理机。以入门推理卡（如1050 Ti、1080、WX 7100这类）为例，租用价可以压到一两百到七八百元每月，比云GPU包月便宜一个量级。但要注意：这些卡跑7B INT4可以，跑14B FP16就吃力；显存4GB的老卡只能做Embedding或小模型实验。私服团队通常不需要训练，只做推理，所以「够用就好」是核心原则。带宽也要算进去：知识库检索和模型推理都在内网完成，对外只需要一个Web入口，10M带宽撑几十个并发提问一般够用，但如果要做玩家上传截图、语音问答，带宽就得往上加。

方案三：SaaS知识库。按坐席或按调用量计费，小团队月费常见在几十到几百元区间，看似最便宜。但隐性成本在于：文档要上传到第三方、回答风格难定制、和游戏后台工单系统打通通常要额外付费或走API。玩家问「我昨晚充的648为什么没到账」，SaaS机器人答不了，还是得人工查库。真正的判断标准是：如果知识库回答的问题80%以上是通用FAQ，SaaS更省；如果一半以上要查玩家账号、订单、封禁记录，自建才划算。

怎么落地：从一台机器到一条流水线

可执行的最小路径：第一步，整理文档，把FAQ、公告、申诉模板按主题切成300~500字的块，加元数据（版本、生效日期）；第二步，用Ollama或vLLM部署7B指令模型，Embedding模型单独跑；第三步，接一个轻量检索层，玩家提问先向量召回Top3~5文档块，再拼进提示词；第四步，留人工接管入口，回答置信度低时转工单。避坑要点：不要一上来就上14B+长上下文，显存和延迟都会翻倍；不要把后台数据库直接暴露给模型，用只读视图；模型权重和玩家数据尽量放在同一地区，跨境传输要评估合规。

选购推荐

如果团队刚起步，只想验证RAG问答效果，香港显卡物理服务器2*E5-2660（1050 Ti）是更稳的起点：64G内存、240G SSD加1T HDD，1050 Ti的4GB显存跑7B INT4和Embedding模型足够，196.35元/月的量级对私服团队压力很小，香港机房对内地玩家延迟也相对友好。若后续要跑14B量化模型或更高并发，可考虑硅谷GPU服务器 IV，1080显卡、双E5-2680、32GB内存、100M带宽，748元/月，适合把知识库和游戏后台工单系统放在同一台机器上做联调。两台都不是训练卡，定位就是推理和验证，别指望拿它们微调模型。

决策建议：先用SaaS或一台入门GPU物理机跑两周试点，统计人工接管率；接管率低于20%且问题以通用FAQ为主，继续用SaaS或低配物理机即可；接管率高于40%、大量问题要查账号和订单，再考虑升级到14B模型和更高显存的机器。显存不是越大越好，能覆盖真实并发和召回质量的那一档，就是最省钱的那一档。