Zanus AI私有服务器多少钱，还是自己搭建更划算？

截至 2026 年 10 月，Zanus AI 的销售内容

Zanus AI 向企业销售私有 AI 服务器。大多数搜索该产品的用户，其核心诉求是了解自行构建同类私有 AI 服务器的成本。简而言之，该设备是一个无需代码的“开箱即用”方案，价格需询价获取，交付时已完成配置，且完全可以在断网环境下运行。自行构建的版本则需要租用 GPU（图形处理器）服务器，在推理服务器、聊天界面、向量数据库和代理框架之上运行开源权重 LLM（大语言模型），且需要一名具备 Linux 操作能力的人员进行维护。选择哪种路径取决于四个因素：由谁负责工程实施、数据允许存放的位置、机房能否支持 6 kW 的电力负载，以及每天实际消耗的 Token 数量。

本文关于 Zanus 的所有信息均来自 zanusai.com 以及 zanus.ai/pricing 后台的实时定价数据，数据采集时间为 2026 年 10 月 17 日；服务器页面及价格信息于 2026 年 10 月 20 日再次核实。该公司自述为“一家专注于高科技 AI 解决方案与工程的美国私营 C 型公司，总部位于佛罗里达州庞帕诺比奇”，其官网将其归类为大劳德代尔堡地区。公司称其硬件和软件均为“在美国设计和组装”。

该产品分为三个层级。Front Office AI 是面向客户的交互端：处理电话、网页聊天、报价和预约。Back Office AI 被其官网称为“公司 AI 操作系统”，Airtight AI 页面显示其包含“15 个以上模块”。网站列出的功能包括 AI 聊天、客户记录、任务、文档、日程安排、自动化流程以及 AI API（应用程序接口）。针对“我们是否需要配备开发人员？”这一问题，Back Office 页面回答：“不需要。你只需要了解业务流程的人员即可。”第三层是 Private On-Premises AI，即部署在企业内部 Zanus 硬件上的同一套系统。网站菜单现将其归类为 Airtight AI，即“本地部署 AI 服务器”，并称其为独立于托管计划之外的产品。它运行“Zanus OS”，以“永久许可，完全所有”的形式销售，并支持“物理隔离（air-gap）”，在断网环境下可通过离线更新包进行升级。服务器页面还列出了第二款设备，即 On-Prem Tokens Server：采用相同的硬件和 Zanus OS，作为“纯生成式端点”，提供兼容 OpenAI 的 API，但不包含任何业务模块，这是 Zanus 所售产品中最接近下文所述“自行构建方案”的设备。

关于模型，服务器页面称该设备运行“领先的开源权重系列”，在配置时“与您共同选择和调整规模”，并且“可以随时更换或添加模型：新权重通过下载获取”。页面未提及具体的模型系列、GPU 型号、RAM 或存储容量，仅提到“RAID 10 NVMe”。关于电力，描述本地部署系列的 Airtight AI 页面称，服务器使用“标准交流电路”、“您建筑物内现有的插座”，支持 90 至 240 V、50 或 60 Hz 的自动电压调节，安装仅需“四个标准电源插座”。服务器页面给出“最大 6 kW”的满载功耗，并描述该设备静音且适合办公环境，无需专用机房。关于价格，该设备采用“RFQ”（询价）模式，根据“GPU 显存（模型）、RAM/上下文以及每日 Token 量”进行规模定价。硬件没有公开价格。托管版的 Front Office 在 2026 年 10 月 20 日的实时定价数据中列出了价格。其五个捆绑计划从每月 329 美元的 AI ANSWER 到每月 2,495 美元的 AI PRIVATE 不等，年费分别为 3,290 美元至 24,950 美元。按年支付比分十二个月支付节省约 16.7%，且 AI PRIVATE 仅提供年度订阅，其实际账单为每年 24,950 美元。相同组件也提供单项购买，每项每月 49 美元起，捆绑购买比单项购买节省约 25% 至 30%。这些计划均不包含上述硬件设备。即使是描述为“在您自己的隔离环境中完整运行”的 AI PRIVATE，也属于托管租户。根据 2026 年 10 月 17 日读取的 Front Office 定价页面，任何希望在本地部署 AI 的用户都会被引导至 AI 服务器页面，这被视为“独立产品，需询价”。服务器交付周期约为三周，包含配置服务。

以上为公开规格。下文内容均未对其进行补充或推测。

自行搭建时，同一台私有 AI 服务器的组成

该设备将 4 项可自行租用和组装的组件打包在一起：GPU、用于加载开放权重模型的推理服务器、供用户使用的聊天界面，以及配合自动化层将文档转换为答案的向量存储。Linux 部分一个下午即可完成。业务模块需要数周，这段差距才是两条路径的真正区别。

先选择服务器。仅使用 CPU、配备 16 GB 到 32 GB RAM 的 VPS（虚拟专用服务器）可以运行 7B 和 8B 模型，但一次只能供 1 或 2 人使用，实际速度应在依赖它之前以每秒生成的 token 数进行测量。配备 24 GB VRAM（显卡上的内存）的租用 GPU 可以足够快地运行 8B 模型，适合小型团队；在 4-bit 量化下，它还可以容纳约 30B 的模型。48 GB 到 80 GB 对应 70B 级别。不同显卡可容纳哪些模型，请参阅不同内存容量下可自行托管的 AI 模型。

安装推理服务器。Ollama 的 Linux 安装只需一行命令，完整步骤请参阅在 VPS 上运行 Ollama 以自行托管 LLM：

curl -fsSL https://ollama.com/install.sh | sh
sudo systemctl status ollama
ollama -v

systemctl status ollama 应为 active (running)。在没有 GPU 的机器上，安装程序会输出 WARNING: No NVIDIA/AMD GPU detected. Ollama will run in CPU-only mode. 并继续执行。这适合测试，但对用户来说速度较慢。

拉取模型并访问 API。该服务只在回环地址的 11434 端口上监听：

ollama pull qwen3:8b
curl http://127.0.0.1:11434/api/generate \
  -d '{"model":"qwen3:8b","prompt":"Reply with one word: ready","stream":false}'

正常响应是一个包含 response 字段和 "done":true 的 JSON 对象。若响应为 {"error":"model requires more system memory (6.4 GiB) than is available (3.8 GiB)"}，并显示你自己的两个数值，表示权重无法装入 RAM。此时应选择更小的模型或更低的量化级别。

添加聊天界面。Open WebUI 通常是首选。其 README 为 Ollama 与 Open WebUI 运行在同一主机上的情况提供了一条命令：

docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui --restart always \
  ghcr.io/open-webui/open-webui:main

访问服务器地址的 3000 端口，创建第一个账户（该账户会成为管理员），然后打开模型列表。如果列表为空，原因是上面的回环绑定：在容器内，host.docker.internal 解析为主机的 Docker 网桥地址，而 Ollama 只监听 127.0.0.1，因此连接被拒绝。docker logs open-webui 会显示 Cannot connect to host host.docker.internal:11434。通过 systemd 覆盖配置修复：

sudo systemctl edit ollama

[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"

sudo systemctl daemon-reload
sudo systemctl restart ollama

0.0.0.0 表示所有网络接口，包括公网接口。从此以后，除非防火墙阻止 11434 端口，否则该 API 可从互联网访问；同时，API 本身没有密码保护。因此，在加载任何公司文档之前，请先保护 Ollama API 端点。如果 Open WebUI 过于占用资源，也有更轻量的 Open WebUI 替代方案可连接同一端口。

添加向量存储。Qdrant 以一个容器运行。将其绑定到回环地址，因为只有服务器上的应用应能访问它：

docker run -d --name qdrant --restart always \
  -p 127.0.0.1:6333:6333 -p 127.0.0.1:6334:6334 \
  -v qdrant_storage:/qdrant/storage \
  qdrant/qdrant
curl http://127.0.0.1:6333/collections

在全新安装中，检查会返回 {"result":{"collections":[]},"status":"ok"}，并附带一个耗时字段。Open WebUI 内置的文档存储足以应对小型文档库；当智能体框架需要直接查询嵌入向量时，再使用 Qdrant。

如果同时使用的人数超过少数几人，请将 Ollama 替换为 vLLM。vLLM 可以在 GPU 上批处理多个用户的请求。官方镜像包含完整安装内容：

docker run -d --runtime nvidia --gpus all \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -p 127.0.0.1:8000:8000 --ipc=host \
  vllm/vllm-openai:latest --model Qwen/Qwen3-8B

如果 Docker 报告 could not select device driver，并提到 GPU capabilities，说明尚未安装 NVIDIA Container Toolkit，因此 Docker 无法将显卡提供给容器。安装该工具包并重启 Docker，然后再次运行命令。每种服务器适用的场景请参阅Ollama 与 vLLM 的比较。

最后一层就是该设备所称的模块。在租用方案中，它是一个智能体框架：从向量存储读取数据、调用模型、对其他系统执行操作，并记录执行内容。不同候选方案及其适用场景请参阅最佳的自托管 AI 智能体。如果智能体需要跨会话记住用户，自托管的 Mem0 记忆服务器可以提供该功能。在完成配置之前，这些功能都不存在；而这正是你实际为该设备支付的部分。

成本：将报价与月度账单进行对比

这里没有可供填写的 Zanus 数字，编造一个数字不仅无益，反而会造成误导。该网站明确说明了报价的计算依据：模型所需的 GPU 显存、上下文所需的 RAM，以及您每天处理的 token 数量。这些变量同样决定租用方案的价格，因此您至少可以据此客观构建对比。

租用方案的成本包括 GPU 的固定月租，以及运行它所需的人员工时。无论显卡处于空闲状态还是满负载运行，月租都不会变化。因此，与按 token 计费的 API 对比时，应计算盈亏平衡点：用月租除以您原本会使用的 API 每百万 token 的综合价格，所得结果就是每月必须实际处理的百万 token 数量（乘以 1,000,000 即为 token 数量），达到这一数量后，购买 GPU 的成本才会低于购买 token。在低于该处理量时，API 的成本更低。相关计算，以及空闲时间和批处理大小带来的问题，见 GPU VPS 与 API token：盈亏平衡点在哪里。

设备方案的成本结构不同：包括一次性资本支出、永久软件许可证、电费，以及在报价时根据每天的 token 处理量完成的容量规划。根据当前处理量制定的报价同时也是容量上限。超过该容量后需要重新获取报价，而租用 GPU 只需调整方案。

谁负责工程工作

这类设备的宣传点是：不需要任何人负责工程开发。当被问到“我们这边需要开发人员吗？”时，供应商会回答：“不需要。您需要的是了解业务流程的人。”这正是关键所在。您仍然需要推动业务流程变更，因为员工必须学习新工具，还需要有人上传知识库内容并编写电话菜单，但不要求任何人了解 systemd unit 是什么。

租用方案需要安排一名人员。此人必须能够独立完成上述所有命令，并持续负责这些工作。具体来说，此人负责操作系统更新、Docker 镜像、防火墙和 TLS（传输层安全）证书、向量存储和聊天记录的备份、模型更新，以及监控工作；当内核更新导致 GPU 驱动损坏时，监控还必须能够发出提醒。首次安装应安排 1 天，之后每月安排数小时。然后还要为实际业务工作安排时间：租用方案不会自带客户表、供应商列表、日历或预约流程。这些都需要针对现有系统编写集成，或者配置 agent framework，并在其行为异常时负责处理。如果没有员工愿意承担这项工作，那么“无需开发人员”这个答案的价值就超过任何硬件规格。

数据存储在哪里

这台设备最有力的优势在于物理隔离。“您的数据永远不会离开办公场所：不使用云服务、不共享、不允许第三方访问”意味着，即使断开网络，您仍可继续使用这台设备。对于诊所或律师事务所，如果合同规定数据必须留在本地，这就是决定性因素，任何 VPS 都无法做到这一点。

对于租用方案，应明确说明：VPS 是位于他人数据中心的一台计算机。您的提示词、文档、模型回答和向量索引都将在服务提供商拥有的主机内存中处理，并存储在服务提供商可以物理接触的磁盘上。VPS 上的“私有 AI”只表示数据不提供给模型供应商，也不直接暴露在公网中，仅此而已。您的托管服务提供商仍可访问这些数据。客户或审计人员询问数据存放位置时，您得到的将是某个城市的名称，而不是您所在建筑内某个房间的名称。静态加密可以在磁盘被取走时保护磁盘上的数据，但无法保护模型生成回答时仍位于内存中的数据。

即使只是这种程度的隐私，也需要进行配置，并非默认提供。上面的 Open WebUI 命令会在所有网络接口上发布端口 3000，因此在将其置于私有网络或反向代理之后、关闭注册并设置组权限之前，其登录页面都位于公网。TLS 可以加密连接，但无法阻止陌生人访问。Open WebUI 的共享指南还指出：“共享对话框也可以将聊天上传到 Open WebUI Community 网站”。因此，如果任何数据都不得离开服务器，请在管理设置中关闭 Community Sharing，或在首次启动前设置 ENABLE_COMMUNITY_SHARING=false。

折中方案是使用您自己的硬件，将其放在租用的机架中，或使用没有其他租户共享的专用服务器。这样既保留了租用方案的模型选择自由和月度费用模式，又消除了大部分物理隔离差距。但这也会带回设备方案所省去的工作：必须有人组装这台机器。

电力与空间

6 kW 的机器并非办公 PC，但根据供应商的说法，它也不需要重新布线。Zanus 的 Airtight AI 页面在介绍其本地部署产品线时称，服务器运行在“标准交流电路”上，即“您大楼内现有的插座”，只需插入“四个标准电源插座”，并支持 90 至 240 V 的自动电压调节。针对“需要专业电工？需要三相电？”的问题，其回答为否，并补充道“无需重新布线，无需申请许可”。服务器概览页面在 6 kW 数值旁仍显示“标准 50A 电路 @ 115/220V”的标识。算术逻辑印证了这一点：在 115 V 电压下，6 kW 的总功率约为 52 A，即四个插座每个分担约 13 A，因此 50 A 是机器的总负载，而非需要安装的单条电路。美国标准墙壁插座通常位于 15 A 或 20 A 的电路上，如果四个插座共用一个电路，满载时会导致跳闸。因此，请务必确认放置设备的四个插座是否位于独立的电路上，并询问您所获报价的配置具体要求哪种布置方式。该网站称设备运行安静且适合办公环境，仅在工作时达到峰值功耗。空载功耗未公布。

电力是唯一可以量化的运营成本，因为它是算术问题。在 6 kW 功率下，满载运行每小时消耗 6 kWh 电量：

[
  {
    "label": "1 h/day at full load",
    "kwh_per_month": 180,
    "cost_usd_month": 27
  },
  {
    "label": "4 h/day at full load",
    "kwh_per_month": 720,
    "cost_usd_month": 108
  },
  {
    "label": "8 h/day at full load",
    "kwh_per_month": 1440,
    "cost_usd_month": 216
  },
  {
    "label": "24 h/day at full load",
    "kwh_per_month": "4,320",
    "cost_usd_month": 648
  }
]

一台每天工作一小时的设备，按每 kWh 0.15 美元计算，每月成本约为 27 美元。一台全天候满载运行的设备则消耗 4,320 kWh 电量，成本约为 648 美元。供应商给出的数据是满载时“约 1 美元/小时”，这意味着其电价标准比图表假设的要高，因此请使用您当地的实际电价。所有这些能量最终都会以热量形式从机器中散发，峰值时约为每小时 20,000 BTU（英制热量单位），这部分热量必须由机房的空调系统移除。

选择租赁模式时，电力和冷却费用已包含在租金内，由数据中心提供商承担电路负载。其代价是您无法查看电表：无论 GPU 方案每天工作一小时还是 24 小时，费用都是一样的。

模型选择

该设备附带的模型由您在配置时选定，均来自“领先的开源权重系列”。页面说明新权重可通过下载获取。供应商页面称这些模型由 Zanus 工程师“安装、测试并优化”，并由“Zanus 工程师进行更新”。由于公开文档未说明具体包含哪些系列、如何在 Zanus OS 内部进行替换，以及是否可以加载供应商列表之外的模型，请在签约前咨询清楚。

租赁路径下，只要您的推理服务器支持，即可运行任何具有公开权重且内存足以容纳的模型。一旦新发布的开源权重模型进入 Ollama 库，即可通过 ollama pull 获取；或者在 vLLM 支持其架构（无论是原生支持还是通过 Transformers 建模后端支持）后，将其 Hugging Face 仓库名称传递给 vLLM 即可使用。对于大型模型系列，这种情况通常在发布当天就会发生，但无法保证，因此若您计划使用本周发布的新模型，请务必提前确认。如果您需要特定的量化版本或自行微调的模型，可以 将 GGUF 文件导入 Ollama。此方案同样存在局限：您需要自行负责评估工作。由于无人为您预估模型与文档的匹配度或每日 Token 处理量，第一个月通常用于测试哪些模型在速度上达标，以及 您的内存能够支持哪种量化级别。

私有 AI 应答服务：项目中的一个模块

许多针对“私有 AI 服务器”的流量实际上是在寻找电话接待员，因此需将该场景单独处理。

在 Zanus 方面，电话代理是 Front Office AI 的一部分，名为 AI Phone。根据 2026 年 10 月 20 日读取的实时定价数据，该服务“24/7 全天候在第一声铃响时应答”，“呼叫者可用 40 种语言中的任意一种自由交谈”，且“可按功能选择语音和角色”，并支持自定义电话号码和 IVR（交互式语音应答）菜单。查看供应商 FAQ 旁边的语言说明，其中提到“包含英语；40 种语言作为专业构建的一次性包提供”，按包收费，因此除英语外，每种语言均需额外购买。该电话代理仅作为托管服务出售。截至 2026 年 10 月 17 日，AI Phone 单独售价为每月 99 美元（每年 990 美元），包含一名操作员；最便宜的套餐 AI ANSWER 每月 329 美元，增加了聊天、电子邮件、网页表单、预约和虚拟形象功能；以上价格均截至 2026 年 10 月 20 日。供应商称 Front Office “在专为您公司提供的私有 Cloudflare 环境中运行”，“无需服务器”。Front Office 的任何计划均不提供本地部署选项：即使是最高级的 AI PRIVATE 计划，也只是一个隔离的托管环境；若用户希望在自有建筑内使用 AI，供应商会引导其使用其本地 AI 服务器，这属于“独立产品”。该服务使用的语音模型及其回复延迟均未公开。

在自建路径上，语音代理与上述聊天栈是不同的项目，且难度更高。它需要四个额外组件：电话接入点（SIP 中继，SIP 即会话发起协议，或提供音频的电话 API）、语音转文字（STT）、LLM 以及文字转语音（TTS）。所有组件必须串联，以确保呼叫者在说完一句话后约一秒内听到回复。每个环节都会增加延迟，因此模型必须轻量化，且 GPU 必须靠近处理端。关于 STT 和 TTS 部分、本地运行的引擎及其速度，请参考 在 VPS 上自托管语音转文字和文字转语音。预计电话代理的开发周期将比上述整个聊天栈更长，且第一个版本可能会出现打断呼叫者的情况。如果接待员是您的唯一需求，托管语音产品（包括 Zanus 自己的 Front Office 计划）是更快捷的路径，而聊天服务器只会分散精力。

决策准则

当以下四个条件全部满足时，请购买硬件设备：合同或监管要求数据必须保留在本地；员工中无人具备运行 Linux 的能力；设备放置处拥有四个独立的标准电源插座；且页面上的模块与您的实际工作内容相符。报价即为节省工程师人力成本的费用。在签署合同前，请务必以书面形式获取型号列表及更换流程。

当满足以下条件时，请选择租赁并自行构建：有一名专职人员负责管理服务器；数据可以存放在您已审核过的托管服务商处；您希望自行选择硬件型号；且您的使用量稳定，使得按月支付 GPU 费用比上述盈亏平衡点处的 Token 计费更划算。您可以获得推理服务器支持的任何开源权重模型（通常在模型发布后很快即可使用），且账单金额下个月即可调整。同时，您需要自行完成所有的集成工作。

当使用量具有突发性或规模较小时，请使用 API：数据不敏感，无人愿意维护基础设施，且您需要本周内投入使用。在低于盈亏平衡点的情况下，API 成本更低，且启动速度最快。如果后续 Token 账单或数据策略要求，您可以再增加一层自托管服务。

FAQ

Zanus AI 实际上销售什么产品？

截至 2026 年 10 月，zanusai.com 描述了三个层级的产品。Front Office AI 作为托管方案，处理电话、网页聊天、报价和预订。Back Office AI 是该公司的 AI 操作系统，包含“15 个以上模块”，且供应商称无需开发人员参与。Private On-Premises AI 现以 Airtight AI 的名义作为独立产品列出，它是运行在 Zanus 硬件上的相同软件，在您的办公场所内运行“Zanus OS”，以完全所有权和支持物理隔离（air-gap）的方式销售。硬件价格需通过询价（RFQ）获取。供应商称其仅需四个标准电源插座即可运行，无需电工、重新布线或申请许可，其服务器页面显示最大功耗为 6 kW。该公司总部位于佛罗里达州庞帕诺比奇。

Zanus AI 私有服务器的价格是多少？

硬件没有公开价格。服务器页面显示“价格需询价”，具体取决于 GPU 显存、内存以及您每天的 Token 使用量。截至 2026 年 10 月 20 日，托管的 Front Office 套餐价格从每月 329 美元到 2,495 美元不等，或每年 3,290 美元到 24,950 美元不等；单个组件可按需购买，每月 49 美元起，AI Phone 为 99 美元。这些均为托管订阅服务，不提供本地部署选项，因此它们不对硬件设备定价。若要进行比较，请使用相同的变量计算租赁路径的成本，并算出其与 API Token 成本的盈亏平衡点。

我可以在没有 GPU 的 VPS 上构建私有 AI 服务器吗？

可以，适用于少量用户和小型模型。一台配备 16 GB 到 32 GB 内存的纯 CPU VPS 可以通过 Ollama 运行 7B 和 8B 模型，速度为每秒几个 Token，这足以测试文档助手。但对于团队同时使用或对响应时间有要求的语音代理来说，这并不足够。在投入生产使用前，请先在您的方案上测量每秒 Token 数。

在 VPS 上自托管 LLM 真的私密吗？

它可以对模型供应商和公网保持私密，但前提是您必须进行相应配置：防火墙需拦截 11434 端口，聊天界面仅可通过私有网络或配置了关闭注册及权限限制的 TLS 反向代理访问，且必须关闭 Open WebUI 的社区共享（Community Sharing）功能，以防止任何人将聊天记录上传到 Open WebUI 社区网站。TLS 仅加密连接，无法阻止陌生人访问登录页面。托管服务商是一个例外：其员工可以访问磁盘，且其宿主机在内存中运行模型。如果合同规定数据必须保留在您的办公场所内，VPS 则不符合要求。您自己的硬件（位于办公室或租用的机架中）才符合要求。

自建路径包含电话接待功能吗？

开箱即用版本不包含。语音代理是一个独立项目：它涉及电话接入点、语音转文字（STT）、LLM 以及文字转语音（TTS），这些组件必须紧密串联，以确保呼叫者能在约一秒内听到回复。这是租赁路径中最困难的部分，也是托管语音产品（包括 Zanus 的 Front Office 套餐）最能节省时间的地方。