AI模型训练对服务器有以下要求：

1. 计算资源：需要高性能的多核心CPU和高性能GPU来处理大规模数据和复杂模型。

2. 存储资源：需要大容量且高速的存储设备来存储大规模的数据集和模型参数。

3. 分布式训练：使用分布式训练框架将训练任务分配到多台机器上进行并行计算，需要考虑网络连接的速度和稳定性。

4. 操作系统和电源：选择稳定的操作系统和电源等硬件设备以保证训练的效率和速度。

5. 内存：足够的内存容量，以支持模型训练过程中的数据处理。

6. 冷却系统：高效的冷却系统以防止硬件过热。

7. 软件和框架支持：支持常用的机器学习框架，如TensorFlow、PyTorch等。

8. 安全性：确保数据和模型的安全。

9. 可扩展性：随着模型复杂度的增加，可能需要更多的资源，因此服务器配置需要具备一定的扩展性。

根据具体的模型大小和训练任务，可能需要对上述某些要求进行调整。