Tóm tắt trước khi bắt đầu

  • Ba máy Mac Mini M4 Pro, workstation RTX 5060 Ti và máy lưu trữ cá nhân chia việc rõ ràng: giao dịch, xử lý nặng và trung tâm dữ liệu.
  • Kết nối qua Redhat MCP AI, phản hồi STT ~3,4 giây, LLM 25-28 token/giây, độ tương đồng văn bản 0,9956.
  • Giới hạn: cần cấu hình mạng ổn định và sao lưu thường xuyên; không phải giải pháp tức thì cho mọi người.

Làm sao phân chia công việc cho ba máy để không chồng chéo?

Mac Mini M4 Pro đảm nhận vai trò máy chính cho các tác vụ đòi hỏi tốc độ cao như làm việc trong ngày, mở MetaTrader 5 giao dịch vàng và sử dụng ứng dụng iCafeFX. Tôi cần phản hồi nhanh nhất ở đây vì giao dịch vàng liên quan đến quyết định thời gian thực.

Máy lưu trữ cá nhân đóng vai trò trung tâm dữ liệu, lưu trữ mọi thông tin sinh ra từ hai máy còn lại. Nó neo giữ toàn bộ hệ thống thành một thể thống nhất. Mọi dữ liệu đều được lưu tại đây, bất kể là dữ liệu giao dịch vàng, lịch sử giá hay các công việc AI đã thực hiện.

Windows Workstation trang bị RTX 5060 Ti là máy chuyên dụng cho tác vụ nặng. Tôi dùng nó để huấn luyện mô hình AI và các công việc render đòi hỏi sức mạnh xử lý cao. Đây là nơi thử nghiệm với các mô hình khác nhau, đặc biệt là mô hình FLUX dùng cho tạo ảnh và mô hình Typhoon cho các tác vụ ngôn ngữ tự nhiên phức tạp.

Ba máy phối hợp với nhau thế nào để chạy trơn tru?

Điều quan trọng nhất là sự phối hợp giữa ba máy này. Tôi sử dụng Redhat MCP AI làm trung gian kết nối dữ liệu giữa các máy, cho phép chia sẻ và sử dụng dữ liệu liên tục. Khi làm việc trên Mac Mini và cần sử dụng mô hình nằm trên Windows Workstation, dữ liệu có thể được gửi đến máy đó nhanh chóng.

Xây dựng quy trình làm việc hiệu quả đòi hỏi thời gian đáng kể, đặc biệt là việc đảm bảo mỗi máy hiểu vai trò của mình và hoạt động đồng thời mà không bị nhầm lẫn. Máy lưu trữ cá nhân đóng vai trò trung tâm dữ liệu giúp kết nối này diễn ra suôn sẻ.

Nếu bạn muốn biết cách hệ thống AI tự động theo dõi giá vàng mỗi sáng hoạt động, xem thêm tại hệ thống phân tích vàng tự động hàng sáng.

Hiệu suất thực tế của hệ thống này ra sao?

Sau khi triển khai hệ thống một thời gian, tôi đã đo lường hiệu suất thực tế, đặc biệt trong các tác vụ AI. Công việc chuyển đổi giọng nói thành văn bản có thể phản hồi chỉ trong ~3,4 giây, rất nhanh cho loại công việc này. Mô hình ngôn ngữ chạy trên máy có thể xử lý với tốc độ 25-28 token/giây, đủ cho sử dụng hàng ngày.

Kiểm tra độ tương đồng văn bản (text similarity) cho kết quả lên đến 0,9956, cho thấy hệ thống hoạt động chính xác. Bất kể là giao dịch vàng hay các tác vụ AI, tất cả đều có thể chạy song song mượt mà mà không gặp vấn đề về hiệu suất.

Để hiểu rõ hơn về cách chọn GPU phù hợp cho các tác vụ AI này, tham khảo hướng dẫn chọn GPU cho giao dịch AI.

Tôi học được gì từ việc cài đặt hệ thống nhiều máy?

Cài đặt hệ thống nhiều máy tính không hề dễ dàng. Tôi đã học được nhiều bài học, đặc biệt là về quản lý kết nối mạng và chia sẻ tệp. Điều quan trọng là xác định rõ vai trò để mỗi máy biết mình có thể làm gì và không thể làm gì.

Một điều nữa là đảm bảo dữ liệu quan trọng được sao lưu thường xuyên. Với máy lưu trữ cá nhân đóng vai trò trung tâm dữ liệu, tôi yên tâm rằng mọi dữ liệu đều an toàn và có thể truy cập từ bất kỳ máy nào trong hệ thống.

Nếu bạn quan tâm đến cách kiểm tra hiệu suất GPU trước khi đầu tư, xem thêm tại bài kiểm tra hiệu suất GPU cho AI.

Bước tiếp theo cho hệ thống này là gì?

Trong tương lai, tôi có kế hoạch phát triển hệ thống này tốt hơn, đặc biệt là trong việc kết nối giữa hệ thống AI và giao dịch vàng, để tạo ra mô hình có thể phân tích xu hướng vàng tốt hơn. Thử nghiệm với các mô hình mới nhằm nâng cao hiệu suất làm việc cũng là một mục tiêu mà tôi hướng tới.

Bạn có thể bắt đầu bằng cách xác định vai trò cụ thể cho từng thiết bị trong hệ thống của mình, sau đó cài đặt phần mềm trung gian để kết nối chúng một cách có hệ thống.