量子位消息，一个开源项目在 GitHub 上走热：它尝试在笔记本上运行 7000 亿参数的 GLM 模型，并尝试不依赖 GPU，而是把 SSD 当作显存使用。标题中的“无 GPU 也行？”既是卖点，也留下待验证空间。
消息之所以受关注，在于它触碰到大模型本地部署的现实瓶颈——显存。7000 亿参数级别的模型通常需要昂贵、稀缺的 GPU 资源，普通开发者很难在个人设备上运行。如果 SSD 能在一定程度上承担显存角色，即便速度不及 GPU 显存，也意味着超大模型的本地推理门槛可能被拉低。项目被归类为开源，代码与方法可被社区查看、复现和改进。
但标题的问号也提示边界。SSD 当显存，绕不开存储与计算之间的带宽、延迟差距，以及频繁读写对 SSD 寿命和稳定性的影响。它能否在真实笔记本上稳定运行 7000 亿参数 GLM，实际速度、可用性和适用范围如何，仍需看项目实现与社区测试，不能仅凭标题下结论。
对 AI 从业者而言，这一热点的价值不只是演示，而是指向一种思路：在 GPU 之外，重新组合 CPU、内存与 SSD 等硬件资源，让大模型部署更便宜、更普及。GitHub 热度说明，本地大模型与低成本推理仍是强需求。项目能否从“火爆”走向日常可用，值得持续观察。