私有LLM基礎設施 — LLL Inc. 建置並營運的地端部署、代管與共享GPU平台 LLL Inc. - 私有LLM基礎設施

為什麼需要私有LLM平台

如今，大多數AI應用都是透過公開API運作：提示詞離開您的網路，傳送到供應商的伺服器，再取得回應。對許多工作情境而言，這是合理的取捨。但當提示詞中包含的內容——內部文件、客戶資料、原始碼，或任何無法交給第三方的保密義務資訊——是您希望留在自有基礎設施內部的東西時，這種取捨就不再合理。

私有LLM平台正是替代方案：大型語言模型運行在您自己掌控的硬體上，或由LLL代您營運，而非依賴共享的公開服務。

LLL在自有的內部環境中建置並營運私有LLM基礎設施——這正是我們在客戶承諾自行建置之前，用來向潛在客戶展示平台的同一套環境。這不是我們首次在紙上談兵的新業務領域，而是我們已在營運的基礎設施的延伸。

三種營運形態

並不存在唯一「正確」的部署形式。三種形態各自在某個使用規模下最具成本優勢——沒有一種形態在所有規模下都占優。

形態	說明
地端部署（自有場地）	GPU硬體安裝在您自己的建築物內。設備從第一天起就是您的資本資產。
代管服務	LLL代您安置並營運硬體——電力、散熱、UPS、網路連線和監控皆包含在月費中。
共享基礎設施	完全無需購買硬體。您在LLL已營運的基礎設施上以單位計費租用GPU/VRAM容量。

地端部署通常在持續、高負載、可預測的使用情境下最具成本優勢——前提是您的建築物能夠承受相應的電力與散熱負載（參見下文「設備市場現況」）。代管服務在保留硬體所有權的同時，免除了設施方面的負擔。共享基礎設施則兩者皆免，但需按單位付費，而非擁有底層容量。三者中哪一種真正適合特定工作負載，正是30天PoC旨在解答的問題——在看到您的實際數據之前，我們不會預設推薦其中一種。

完整建置包含的內容

針對單一使用情境的完整建置圍繞四個要素展開：

環境建置：在所選部署形態上配置並設定推論堆疊
RAG（檢索增強生成）：將模型連接到您自己的文件和知識庫，使回答基於您的資料，而非模型的通用訓練知識
與現有系統整合：將平台接入團隊已在使用的工具，而非交付一個無人開啟的獨立聊天視窗
教育訓練：協助團隊掌握平台的使用方式，以及在相關情況下的維運方式

建議模型配置

下表中的權重數值為FP8精度——量化說明請見表格下方。

級別	格式	權重（FP8）	定位
32B級	Dense	約32GB	商業使用的實用下限
70B級	Dense	約70GB	預設建議 — 單台機器，規模相當於全公司通用的ChatGPT等效方案
122B-A10B	MoE（啟用10B）	約125GB	適用於更高併發使用
400B級	MoE（啟用17B）	約400GB	目前部署範圍內的最高級別
35B-A3B	MoE（啟用3B）	約35GB	僅用於分流／護欄角色 — 並非按回答模型的規模與定位設計

量化下限：FP8。 我們的標準配置不會低於FP8（例如4bit/INT4量化）。測試顯示，進一步量化會明顯降低日語商業任務的準確率，因此即便可能在紙面上降低硬體成本，我們也不會將其作為預設建議提供。

投資費用

以下價格皆為美元（USD），是我們直接向客戶報價的金額——而非內部成本數字。

合作方式	價格	備註
30天PoC	$6,000（50人以下團隊為$3,000）	在任何硬體投資之前，針對您自己的工作負載驗證可行性。若繼續推進，費用全額折抵完整建置——詳見30天私有LLM PoC
完整建置（單一使用情境）	$8,000–$22,000，視規模而定	環境建置、RAG、與現有系統整合及教育訓練（見上文）
持續維護與維運	每月$300–$1,300	依GPU數量分級
代管服務	每月$300–$1,600	依功耗分級。包含電力、散熱、UPS、網路連線和監控
共享基礎設施	每24GB VRAM單位每月起價$300	無需購買硬體

設備市場現況

GPU與伺服器記憶體的價格持續劇烈上漲，就目前的市場訊號來看，這種緊縮態勢預計會持續到2027年——這是由AI相關需求驅動的，而非暫時性短缺。我們不在本頁公布固定的設備價格：目前硬體價格變動速度極快，今天公布的具體數字到您閱讀時很可能已經過時，且無論如何都會因地區與採購管道而異。

作為規模的大致參考：單一GPU或少量GPU配置——足以運行上述32B下限模型——與為70B級預設方案配置的完整8-GPU建置相比，屬於明顯不同數量級的投資；後者作為完整建置，價格落在美元六位數區間的較低端（low six figures）。為400B級層級配置的多節點方案又會再上一個台階。每提升一個層級，設備投資都會躍升至明顯更高的價位區間——這正是30天PoC存在的部分原因：在為任何層級定價之前，先確定您的工作負載實際需要哪個層級。

記憶體是僅次於GPU本身的第二大成本項目——圍繞768GB VRAM建置的系統通常需要超過1TB的系統記憶體來支援，這也是記憶體價格幾乎與GPU價格同步上漲的原因之一。若需針對您實際採購地區與配置的目前設備報價，請與我們聯繫，而非依賴可能已經過時的數字。

我們事先坦誠說明的事項

電力、散熱、UPS、備用電源、監控和降噪需求因建築物而異，差異極大，因此我們不會在提案中將其列為固定金額——這些費用會在現場勘查後個別報價。

作為一般參考：氣冷通常可支援每機櫃約20kW以內的負載；超過這個水準，通常就需要液冷或設施層面的改造。即便是紙面上看似微小的變更——例如增加配電容量——在部分場地也曾產生實際且不容小覷的成本。相較於給出無法兌現的數字，我們更願意坦誠告知：存在這樣一項設施預算，且需要現場勘查。

您的資料實際流向何處

「私有」描述的是推論運行的位置，而非您的網路架構。在地端部署或代管部署中，提示詞和生成的回應會在您自有基礎設施內的伺服器上處理——不會傳送到公開的通用AI服務。這是關於運算發生位置的說明。

這並非關於您網路邊界的聲明。VPN、防火牆、存取控制，以及在網路層面如何保護該基礎設施的其他一切，都是獨立的設計決策——我們可以就此提供建議，但預設不包含在本服務範圍內。

模型、資料與調校成果的所有權

基礎設施專案會引出與應用程式專案相同的所有權問題，並延伸至LLM平台特有的內容：不僅是周邊程式碼，還包括調校後的模型產物、檢索索引和評估結果。

調校與RAG產物歸您所有：建置過程中產生的任何微調權重、提示詞／檢索設定和評估資料集，都會作為交付物移交——不會僅保留在LLL控制的基礎設施上，那樣會使其成為一種依賴，而非資產。
無模型鎖定：建置圍繞標準的、相容OpenAI的推論介面（見下文）設計，因此可以更換底層模型——不同的開放權重模型、不同的GPU供應商、不同的代管安排——而無需重寫您的整合層。
無供應商鎖定：同一套標準推論堆疊適用於地端、代管和共享部署。日後從一種部署形態切換到另一種，無需重新架構應用程式與模型的溝通方式。
您的資料始終由您掌控：用於評估和RAG的文件與提示詞始終處於您的管控之下——與上文資料在地化的說明一致。

這正是LLL在每個專案中都貫徹的反鎖定原則：與模型無關的設計、標準的推論堆疊，以及一個您隨時可以遷移到其他供應商的建置——而非一個必須依賴LLL持續參與才能運行的方案。

如何選擇合適的部署形態

問題	指向
基於稽核、安全政策或會計原因，您是否需要硬體作為自有的資本資產？	地端部署
您是否希望獲得該能力，但不承擔設施工作（電力、散熱、UPS、監控）？	代管服務
使用量是否較輕、不穩定，或仍處於驗證階段？	共享基礎設施
使用量是否重且持續，您的設施能否支撐這個負載？	在這個規模下，地端部署通常更具優勢

以上皆非放諸四海皆準的答案——它們只是起點。針對特定工作負載的正確答案，以及合適的模型規模，正是下文的30天PoC旨在依據您自己的數據、而非經驗法則來確定的。

開始行動

在了解私有LLM是否真正符合您的準確率與延遲標準之前，就投入六位數的設備預算，或簽訂多年期的代管／共享合約，是一項真實的風險——概念驗證的存在，正是為了消除這項風險。

30天私有LLM PoC 在LLL已營運的基礎設施上進行，針對您自己的文件和工作負載（而非通用基準測試）測試準確率和延遲，最後提供一份書面報告：哪種部署形態合適、哪種模型層級合適，以及完整建置的成本估算。若您繼續推進，PoC費用將全額折抵該建置費用。

常見問題

問：我們必須購買硬體才能知道這是否適合我們嗎？ 答：不需要。30天PoC在LLL已於內部建置並營運的基礎設施上進行。報告會告訴您——如果決定繼續——應該購買什麼，或租用什麼，或委託我們代管什麼。

問：70B是否始終是正確的模型規模？ 答：這是我們的預設建議起點，規模相當於單台機器上全公司通用的ChatGPT等效方案。準確率要求較低的工作負載可運行在32B下限；併發使用量大的工作負載可能需要122B-A10B或400B級MoE層級。PoC報告會給出有理由支撐的具體層級建議，而非預設方案。

問：為了節省硬體成本，我們可以量化到FP8以下嗎？ 答：可以，但我們不建議將其作為預設選項。我們的測試顯示，低於FP8會明顯降低日語商業任務的準確率，因此即便可能降低硬體費用，我們的標準配置仍堅持這條底線。

問：建置完成後，我們是否會被鎖定在LLL，或特定的模型／GPU供應商上？ 答：不會，這是設計使然。推論層是標準的、相容OpenAI的介面，因此底層的模型和代管安排都可以變更，而無需重寫您的整合——詳見上文「模型、資料與調校成果的所有權」。

問：本頁價格不包含哪些內容？ 答：特定場地的工作——電力、散熱、UPS、備用電源、監控和降噪——因建築物而異，差異過大，無法在未經現場勘查的情況下報價。現場勘查前我們可以分享的參考數字，詳見上文「我們事先坦誠說明的事項」。

開始對話

想知道私有LLM平台是否適合您的工作負載嗎？

預約諮詢

LLL Inc. - 來自馬來西亞的私有LLM基礎設施 地端部署 · 代管 · 共享 — 無鎖定

私有LLM基礎設施 — 建置並營運您自己的AI平台