本地部署AI，选择显卡时需要考虑的因素主要包括：
1. 计算能力：对于深度学习模型的训练和推理，GPU的计算性能是关键。NVIDIA Tesla系列和AMD Radeon Instinct系列都是高性能的GPU卡，它们能够提供足够的算力来训练复杂的AI模型。
2. 显存容量：深度学习模型通常需要大量的内存来存储数据。因此，显卡的显存容量也是一个重要考虑因素。一般来说，显存越大，支持的模型规模也越大。
3. 价格：在预算有限的情况下，性价比也是一个重要的考量点。一些显卡虽然性能不如顶级产品，但价格更亲民，适合预算有限的用户。
4. 兼容性：确保所选显卡与你的硬件系统（如CPU、主板、电源等）兼容。此外，还需要考虑操作系统的支持情况。
5. 能耗：AI训练通常需要较长时间，因此，低功耗的显卡可以节省能源消耗。
6. 散热性能：AI训练过程中会产生大量热量，因此，良好的散热性能对于保持显卡稳定工作至关重要。
7. 扩展性：随着项目的发展，可能需要添加更多的GPU进行并行计算。选择一个具有良好扩展性的显卡是一个明智的选择。
8. 品牌和售后服务：选择一个信誉良好的品牌，并确保其提供可靠的售后服务，以便在遇到问题时能够得到及时解决。
基于上述因素，以下是几个推荐的显卡选项：
1. NVIDIA Tesla V100/V100S：这是NVIDIA推出的一款专为AI训练设计的GPU，拥有巨大的显存容量和强大的计算性能。它支持多种张量核心架构，可以适应不同类型的深度学习任务。
2. NVIDIA GTX 1080 Ti/1080 Ti Founders Edition：虽然不是专门为AI训练设计的，但这款显卡的性能依然非常强大，显存容量也足够大，可以应对一些中等规模的AI模型。
3. AMD Radeon Instinct 2：这款显卡是AMD推出的一款面向AI训练的GPU，拥有较大的显存容量和强大的计算性能。它支持多种张量核心架构，可以适应不同类型的深度学习任务。
4. NVIDIA RTX 3090/3090 Ti：如果预算充足，可以选择这款高端显卡。它不仅拥有强大的计算性能，还具备优秀的能效比和出色的散热性能。
总的来说，选择本地部署AI的显卡时，应根据项目需求和预算来决定。如果只是进行简单的图像处理或者游戏，那么普通的显卡就足够了；但如果需要进行复杂的深度学习任务，那么就需要选择性能更强的GPU卡。
