핵심 요점
- 허브: Intel N100/N150 미니 PC 또는 Raspberry Pi 5가 Home Assistant를 실행합니다
- Frigate: Intel 내장 GPU(OpenVINO) 또는 Hailo-8L M.2 모듈이 카메라 감지를 가속합니다 — Google Coral은 이제 레거시입니다
- 스토리지: 녹화 영상은 SSD, 카메라 여러 대를 상시 운영한다면 NAS
- 로컬 LLM 업그레이드: Ryzen 미니 PC(RAM 32GB) 또는 중고 RTX 3090 서버
- 중고 RTX 3090(24GB, 약 $600–800)이 최대 약 70B 모델까지 가장 가성비가 좋습니다
- 구매 전에 HA 단독인지 HA + 카메라 + 로컬 AI인지 결정하십시오. 그 선택이 적합한 기기를 바꿉니다
허브에 필요한 것
Home Assistant 자체는 가볍고 평범한 하드웨어에서 실행됩니다. 높은 요구 사항은 Frigate 카메라 감지와 로컬 LLM에서 옵니다. 허브만이 아니라 추가할 것을 고려하여 기기 크기를 결정하십시오.
- 허브는 장치 제어 및 자동화에 거의 연산이 필요하지 않습니다.
- Frigate 객체 감지에는 가속기가 필요합니다. OpenVINO를 통한 Intel 내장 GPU가 대부분의 구성을 처리하며, Hailo-8L 또는 Hailo-8 M.2 모듈이 성능을 더합니다. Google Coral USB/M.2 TPU는 여전히 작동하지만 이제 레거시이며 Frigate는 신규 구성에 더 이상 권장하지 않습니다.
- 대형 Whisper 모델과 로컬 LLM 추론이 가장 까다로운 워크로드입니다. 이에 맞춰 RAM과 GPU/NPU를 계획하십시오.
- 카메라 녹화는 SSD에 저장하고, 카메라 여러 대를 상시 운영하게 되면 NAS로 옮기십시오.
Raspberry Pi
Raspberry Pi 5는 일반적인 스마트 홈 용도로 Home Assistant를 실행하는 가장 저전력인 방법입니다. LLM 추론과 대형 Whisper 모델에는 어려움을 겪으며, 2026년 D램 공급 부족으로 보드 가격이 크게 올랐습니다.
- 장치 제어, 자동화, 소형 로컬 음성 설정에 탁월합니다.
- Pi에서의 LLM 추론은 매우 소형이고 느린 모델에만 제한됩니다. Frigate 감지를 원한다면 Hailo-8L M.2 HAT와 함께 사용하십시오.
- 저전력으로 기본 기능만 원한다면 Pi 5를 선택하십시오. 8GB와 16GB 모델이 실용적이지만, 2026년 메모리 가격 상승으로 16GB 보드는 출시 당시 가격(약 $120)보다 훨씬 비싸졌습니다.
- 바로 사용 가능한 어플라이언스를 원한다면 Home Assistant Green이 즉시 사용 가능한 상태로 출시됩니다(2026년 기준 약 $199). Home Assistant Yellow는 2026년 초에 단종되었습니다.
미니 PC (LLM을 위한 여유 공간)
미니 PC는 Home Assistant와 로컬 AI를 하나의 기기에서 실행하는 최고의 선택입니다. 충분한 RAM과 고성능 내장 GPU 또는 NPU를 갖추고 있습니다. 성능, 크기, 비용의 균형이 잡혀 있습니다.
- 저전력 Intel N100/N150 미니 PC는 Home Assistant를 실행하고 Intel 내장 GPU(OpenVINO)로 Frigate를 가속합니다 — 허브+카메라 기기의 실용적인 기본 선택입니다. Beelink EQ14(Intel N150)는 약 $190–220입니다.
- 같은 기기에서 로컬 LLM을 원한다면 RAM 32GB의 Ryzen 미니 PC로 업그레이드하십시오. Beelink SER8(Ryzen 7 8845HS, 약 $649)은 Ollama로 Qwen3 8B나 Llama 3.1 8B 모델을 실용적인 속도로 실행합니다. 낮은 지연 시간을 위해 RAM과 고성능 내장 GPU 또는 NPU를 우선시하십시오.
- 구체적인 선택은 Home Assistant + 로컬 AI를 위한 최고의 미니 PC와 크로스 클러스터 로컬 LLM을 위한 최고의 미니 PC를 참조하십시오.
NAS
NAS는 충분한 CPU와 RAM이 있다면 스토리지 및 Frigate 녹화와 함께 컨테이너에서 Home Assistant를 호스팅할 수 있습니다. 이미 보유하고 있다면 편리합니다.
- 스토리지와 홈 자동화 서비스를 결합하기에 적합합니다.
- NAS에 부가 기능을 위한 CPU/RAM 여유가 있는지 확인하십시오.
- NAS에서의 LLM 추론은 하드웨어에 따라 다릅니다. 많은 NAS에는 고성능 GPU가 없습니다. 예시: Synology DS925+ 또는 DS225+; UGREEN NASync 모델은 내장 로컬 LLM 옵션을 제공합니다.
전용 서버 (LLM 업그레이드)
개별 GPU를 갖춘 전용 서버는 많은 카메라와 함께 더 큰 로컬 LLM을 실행하기 위한 업그레이드 경로입니다. 더 높은 비용과 전력으로 가장 많은 여유를 제공합니다.
- 중고 RTX 3090(VRAM 24GB, 2026년 중고 기준 약 $600–800)이 Q4 기준 최대 약 70B 모델까지 가장 가성비가 좋습니다. RTX 3060(12GB, 중고 약 $150–180)은 예산 내에서 7B–13B 모델을 처리합니다.
- 카메라가 많거나, 대형 LLM을 실행하거나, 여러 사용자가 있는 경우에 가장 적합합니다. 미니 PC보다 전력 소비와 비용이 높습니다.
- 기본적인 스마트 홈에는 과도합니다. 대용량 로컬 AI 사용에 예약하고, 안정성을 위해 Home Assistant 허브는 별도의 저전력 기기에 유지하십시오.
HA 단독 대 HA + AI 선택
HA 단독에는 Pi, HA + 로컬 AI에는 미니 PC를 선택하십시오. 이 단일 결정이 올바른 하드웨어를 결정합니다. 워크로드에 맞게 기기를 선택하십시오.
| 하드웨어 | 상대적 가격 | HA 단독 | 로컬 LLM 실행 가능 | Frigate 가속 |
|---|---|---|---|---|
| Raspberry Pi 5 | 저가 | 가능 | 매우 소형만, 느림 | Hailo-8L M.2 HAT |
| Intel N100/N150 미니 PC | 중가 | 가능 | 소형 모델 | Intel 내장 GPU(OpenVINO) |
| Ryzen 미니 PC | 중가 | 가능 | 가능 (7B–8B) | 내장 GPU 또는 Hailo M.2 |
| NAS | 중~고가 | 가능 (컨테이너) | 하드웨어에 따라 다름 | 모델에 따라 다름 |
| 서버 + 중고 RTX 3090 | 고가 | 가능 | 가능 (최대 약 70B) | 개별 GPU |
자주 묻는 질문
Frigate는 어떤 하드웨어를 권장합니까?
신규 구성에는 OpenVINO를 통한 Intel 내장 GPU, 또는 감지 성능을 더 원한다면 Hailo-8L(보급형)이나 Hailo-8(고성능) M.2 모듈을 Frigate가 권장합니다. Google Coral USB/M.2 TPU는 여전히 작동하지만 이제 레거시이며, 매우 저전력 하드웨어를 제외하고는 신규 설치에 더 이상 권장되지 않습니다.
Raspberry Pi도 로컬 LLM을 실행할 수 있습니까?
Pi는 매우 소형 모델만 느리게 실행할 수 있으므로 반응이 빠른 로컬 LLM 어시스턴트에는 이상적이지 않습니다. Home Assistant와 기본 음성은 잘 처리하지만 로컬 AI에는 고성능 내장 GPU나 NPU가 있는 미니 PC, 또는 중고 RTX 3090 서버가 더 나은 선택입니다.
RAM이 얼마나 필요합니까?
Home Assistant 단독은 몇 GB면 충분합니다. 같은 기기에서 소형 로컬 LLM과 다른 AI 서비스를 실행하려면 더 많은 RAM이 도움이 됩니다. RAM 32GB의 미니 PC는 Qwen3 8B나 Llama 3.1 8B 모델을 원활하게 유지합니다. 실행할 모델 크기에 맞게 RAM을 선택하십시오.
어떤 미니 PC를 구매해야 합니까?
HA + 카메라라면 Intel N100/N150 미니 PC가 OpenVINO로 Frigate를 가속합니다. HA + 로컬 LLM이라면 RAM 32GB의 Ryzen 미니 PC로 업그레이드하십시오. 구체적인 선택은 Home Assistant + 로컬 AI를 위한 최고의 미니 PC 가이드를 참조하십시오.
기기 하나로 충분합니까, 두 개가 필요합니까?
미니 PC 하나로 Home Assistant와 소형 로컬 LLM을 함께 실행하는 것이 가장 간단합니다. 안정성을 위해 허브를 저전력 기기에서 매우 안정적으로 유지하고 무거운 AI를 중고 RTX 3090 서버 같은 별도 기기에 오프로드하려면 두 기기로 나누십시오.