AI-infrastruktur för produktion
Vektordatabaser och GPU-servrar är de två pelarna i moderna AI-stackar. Vi erbjuder båda. Qdrant eller ChromaDB för embeddings, RAG och semantisk sökning; GPU-servrar för träning, finjustering och inferens av dina egna modeller. Dina data stannar i EU, fakturorna innehåller EU-moms med omvänd skattskyldighet för B2B, och GDPR-efterlevnad finns på plats från första minuten.
Vektordatabaser — RAG, embeddings, sökning
Vektordatabaser är grunden för appar som drivs av LLM:er. De lagrar dokumentens embeddings och hittar likheter på millisekunder. Välj den databas du föredrar — vi hostar alla i EU med fakturering med EU-moms. Varje databas levereras med en förinstallerad Python-klient och exempel på Jupyter-notebooks.
Qdrant
Byggd i Rust, hög prestanda, redo för produktion. Idealisk för RAG-appar med miljontals embeddings. HNSW-index, metadatafiltrering, snapshots.
ChromaDB
Den enklaste vektordatabasen att använda. Perfekt för prototyper och mindre AI-appar. Python först, automatiska embeddings från OpenAI eller Sentence Transformers.
Weaviate
Dataschema med metadata. Hybridsökning (vektor + taggfilter). Inbyggda generativa AI-moduler, GraphQL API.
pgvector
Tillägg till PostgreSQL. Använder du redan Postgres lägger du till vektorer utan en ny databas. Full integration med befintliga tabeller och SQL-transaktioner.
GPU-servrar — RTX PRO 4000 och RTX PRO 6000
Professionella NVIDIA-kort med färdig CUDA-miljö. För finjustering, LLM-inferens, datorseende och 3D-rendering. Månads- eller årsfakturering, med 10 DevOps-timmar inkluderade varje månad. Alla GPU:er levereras med CUDA 12.4, cuDNN 9, PyTorch 2.4, TensorFlow 2.18, JAX och Hugging Face Transformers förinstallerade.
Kostnad för typiska AI-arbetsbelastningar
Exempelscenarier och deras månadskostnad på vår infrastruktur. Priserna hämtas live från våra aktuella planer, exklusive moms. Jämfört med priserna hos OpenAI / AWS Bedrock / Anthropic lönar sig en egen infrastruktur i många fall redan vid 50–100 tusen anrop per månad.
| AI-arbetsbelastning | Konfiguration | Kostnad/månad |
|---|---|---|
| RAG för 1 miljon dokument (dokumentchatt) | VPS 32G + Qdrant + OpenAI API | från 240 EUR |
| Semantisk sökning för en butik (50 000 artikelnummer) | VPS 16G + pgvector + Sentence Transformers | från 100 EUR |
| Inferens med Llama 3 70B (~5 000 frågor/dag) | GPU-server RTX PRO 6000 + vLLM | från 4 000 EUR |
| Träning av en egen OCR-modell (datorseende) | GPU-server RTX PRO 4000 (månadsvis) | från 800 EUR |
| LLM 70B i produktion med lastbalansering | 2× GPU-server RTX PRO 6000 + Kubernetes | från 8 000 EUR |
AI-pipeline i produktion — 5 steg
Så ser ett typiskt AI-projekt i produktion ut, från idé till färdig app. För varje steg har vi färdig infrastruktur och beprövade mönster, så att du slipper uppfinna allt från grunden.
Dataförberedelse
Indexering av dokument, textrensning, normalisering. Python-skript på en VPS, med utdata till MinIO (S3-kompatibelt) eller PostgreSQL.
Generering av embeddings
OpenAI text-embedding-3-large, Cohere eller en lokal modell (Sentence Transformers, BGE-M3). Embeddings skrivs till Qdrant eller pgvector.
Retrieval + RAG
En FastAPI-/Next.js-app skickar en fråga, vektordatabasen returnerar de K bästa dokumenten och kontexten läggs till i LLM:ens prompt.
LLM-inferens
Välj: Claude/GPT via API (snabbaste starten) eller en lokal LLM på GPU (full kontroll, lägre kostnad i stor skala).
Övervakning och utvärdering
Frågeloggar i Loki, latenser i Prometheus, OpenAI-kostnader i Grafana. Kvalitetsutvärdering via LangSmith eller ditt eget benchmark.
Vad du kan bygga
Företagsassistent (RAG)
Indexera företagets dokument i Qdrant, koppla in Claude eller GPT via API och få kontextmedvetna svar. Låg svarslatens. Flerspråkiga embeddings, tokenizer anpassad efter ditt språk.
Semantisk sökning
Sök efter betydelse i stället för nyckelord. Kunder i e-handel ser en konverteringsökning på över 30 %. Hanterar böjningsrika språk på ett smidigt sätt.
Egenhostad LLM (Llama, Mistral)
Din egen modell på en GPU-server. Inga data skickas till OpenAI/Anthropic. Full kontroll, GDPR-säkert. vLLM eller Ollama för enkel inferens.
Datorseende i produktion
Felupptäckt, OCR, objektigenkänning. Träna på din egen datamängd med en RTX PRO 6000. YOLO, Detectron2, Segment Anything Model.
GDPR-efterlevnad för AI-appar
AI är ett känsligt område ur GDPR-synpunkt — träningsdata, embeddings, frågeloggar. Vår lösning minimerar risken genom att hålla alla data i EU och ge dig full kontroll över behandlingen.
- Alla data (dokument, embeddings, loggar) finns i datacenter i EU — ingen överföring till USA, Storbritannien eller Asien
- Möjlighet att använda lokala LLM:er (Llama, Mistral) i stället för OpenAI/Anthropic — ingen dataöverföring till USA
- Frågeloggar sparas högst 90 dagar, med möjlighet till tidigare radering på begäran
- Embeddings är härledda data — fullständig radering är möjlig genom omindexering efter anonymisering av källan
- Granskningslogg för varje åtkomst till vektordatabasen (vem, när, vilken fråga)
- Kostnadsfritt personuppgiftsbiträdesavtal (DPA) i enlighet med artikel 28 i GDPR
Vanliga frågor
Kan jag använda OpenAI / Anthropic med en vektordatabas i EU?
Ja. Du behåller vektordatabasen (Qdrant/ChromaDB) hos oss i EU. Till LLM:en skickar du bara de K bästa kontextutdragen + användarens fråga. Våra exempel visar hur du minimerar dataöverföringen.
Hur stor modell kan jag köra på era GPU:er?
Llama 3 8B / Mistral 7B körs smidigt på RTX PRO 4000 (24 GB), som passar modeller upp till omkring 14 miljarder parametrar. Llama 3 70B kräver RTX PRO 6000 (96 GB). Mixtral 8x22B och större: flera GPU-servrar. Vi hjälper dig att välja.
Hur lång tid tar det att sätta upp AI-miljön?
Miljön är förinstallerad — CUDA, PyTorch, TF, vLLM, Ollama. Första inferensen efter 5 minuter. För anpassade lösningar (en specifik modell, finjustering) går det vanligtvis på 1–3 timmar med vår hjälp.
Stöder ni finjustering av egna modeller?
Ja. RTX PRO 6000 (96 GB VRAM) klarar finjustering av modeller på upp till 70 miljarder parametrar med LoRA/QLoRA. RTX PRO 4000 (24 GB) räcker för lätt finjustering av små modeller. Fullständig träning av modeller i GPT-klass ryms inte på en enda GPU-server.
Kan jag använda Pinecone när Qdrant finns hos er?
Ja. Pinecone är en extern tjänst som faktureras efter användning; Qdrant körs på din egen VPS i EU, dina data lämnar aldrig din server och kostnaden är VPS:ens fasta månadspris. Vi sköter migreringen från Pinecone till Qdrant inom dina inkluderade DevOps-timmar.
Välj en GPU eller VPS med vektordatabas
GPU-servrar med RTX PRO 4000 eller RTX PRO 6000 och VPS med förinstallerad Qdrant; aktuella priser finns på sidan med planer. GPU:er faktureras månadsvis eller årsvis, med 10 DevOps-timmar i månaden.
Se GPU-planer →