DeepSeek R1全参数模型一个可能的本地部署方案

沉宝

DeepSeek一夜爆火，现在联网服务拥堵不堪。当晨老大号召自建farm的时候，本人开始认真考虑本地部署。 KTransfomer的报道也在第一时间见到，并设想了一个以此为基础的装机方案。然后呢，就“铲后抑郁”了。如今很多内容都在网友[大黑蚊子]的记录（链接）中讨论过了，但具体的装机方案大概还有一些价值，还是写出来吧。

- J/ x9 a. [* l! p; gDeepSeek R1原版是一个参数量高达671B的大模型，虽然比之其它頂尖的人工智能模型在硬件要求上已经大大降低，但个人部署全尺寸模型，依然难度不小。为了便于在低端硬件上运行，出现了一系列蒸馏版减少参数量（以 Qwen2.5 或 Llama 为构架，参数范围从 1.5B、7B、8B、14B、32B 到 70B）。另一个思路是参数量化，例如1.58bit和4bit。一般来说，LLM训练时使用高精度（例如 32位浮点数），而推理时使用低精度（16位浮点数或者更低）即可。1.58bit是把这一趋势推到极端（只有0、1和-1三种状态）。有人试验了DeepSeek全尺寸模型的1.58bit的量化版，结论基本可用，有时候说话可能有点“冲”，圆润平衡上差一些。4bit版效果已经相当好了。至于[xiejin77]担忧的量化影响反馈精度或者稳定性，理论上有可能，但实际影响需要大量的对比实验加以证实或者证伪。
: Z. ^5 R7 E, H) k7 [( Y
8 b' M: J$ s5 W1 ~下面讨论具体装机方案。首先定一下目标。目标用户：个人或者小团体。鉴于这个模型现在典型的应用场景都是文字的输入和输出，跨网络合用的难度并不大（因为不需要占据太多的网络带宽）。单机，预算定位$5000左右。应该属于一个人咬咬牙能冲得上去，小范围集资（10人以内的那种）能够轻易支付。目标性能：DeepSeek R1全尺寸671B的4bit量化版，输出速度与人的阅读速度差不多即可（个人使用，太快了没有必要），约 5-10 tokens/s。这样的预算，这样的目标，显然需要KTransfomer技术加成才有可能达到。饶是如此，也得按市场最低价加DIY省着来。

. W2 i+ S" d% a( h1 P第一步：内存的大小。将模型的参数全部放入内存是必须的。如果还用硬盘空间扩展出来的虚拟内存，那速度肯定慢的不行。DeepSeek参数精度16bit（BF16）时需要 1342GB的存储空间，4bit量化版所需空间为其¼，再加上程序和操作系统所需，512GB应该可以了。这么大的内存，普通PC机主板肯定不行，要上服务器的。鉴于当前DDR4的内存条比 DDR5还是要便宜不少，所以选择DDR4。

第二：CPU和主板。CPU我选AMD Zen3架构（ Zen3是DDR4的最后一代）的服务器芯片EPYC 7C13, 64 core 128 threads, 市场价仅$700+。它与正式发布的7713结构一致，频率略低，有人怀疑类似于Intel的 ES（工程样品）。主板支持Milan的SP3主板即可。唯一要注意的是内存插槽数，根据DDR4单条内存的容量大小，要能够插出512GB来。
% h9 [" P1 G: u6 ]3 M* h
0 C5 [* j9 `# p; Y
第三：显卡。双3090或者单4090。4090不好买，用两块3090大致能抵上一块4090。

% s# d# p4 V' C* [  f$ I8 f- w# z3 F第四：硬盘。这个要求真不高，如果机器仅仅是为了跑DeepSeek，一个4 TB
（或者两个2 TB）的nvme就够用了。（想当初我在爱坛上发记录推荐固态盘时，一块4TB的才$150）

其它：说3点。1)普通PC机箱。2)散热避免使用服务器的暴力风扇（ PC机箱也缺乏服务器的风道结构）。如果散热量大，考虑用水冷。3)如果单台大功率电源太贵，可以用两台小的给主板和显卡分别供电。如此需要双电源同步启动板或者同步线，但那东西淘宝上也就人民币10块钱。
- N- t$ r, A% I( L; V- }
* s: U  g* [3 y5 r3 o% }# E8 F5 B最后汇总一下。数字为能够淘到的大致美元价，可以接受二手货，+、-表示向上下浮动不超过15%

RAM 512GB DDR4       1000+
- h. t/ P5 L6 X0 j7 p( ZCPU 7C13或相当           700+
2 @7 Q# e) L  |, ], h主板（单路即可）         500
0 E( s$ t2 Y) I# K  ?显卡 3090                  1000- ×2
/ C" f, E& }) g- f! G固态硬盘                     200+
) H* x4 j; M5 U其它 机箱、电源、散热器等
, H( N1 _8 G$ O( }
' K. k4 h9 ], ]1 I1 P1 y+ j, w1 ~

大黑蚊子

说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径了
' g+ E1 v2 u" |  M; f; \在硬件选型上面我倒是有点儿不同意见，鉴于章明星他们在0.3版里使用amx指令集加速，那么支持amx的Intel至强可扩展CPU应该是要好于AMD的EYPC的，具体来说现在Intel最新款是6代至强，退而求其次选择四代或者五代至强应该也满足要求。章明星团队他们的硬件好像也是双路Xeon 6430
. `. a- C& b! Z  Z% j4 z% I3 F+ v但是这个成本可能要比你说的EPYC要高不少，但总的来说应该还在可承受的范围之内
显卡的双路配置好像不是特别必须的，主要是4bit量化版需要14g显存，所以如果有一块3090先用着应该问题也不会太大，实在不行多买一块也可以
: v/ f, t$ \9 n3 F! a* q) ^+ o% E
0 k- j) F, ?- B% g) k" y周末去华强北转转去，看看二手服务器有啥准系统能够直接上手的

马鹿

我看到了国内AI的商机。。。 攒小配置的AI模型！

马鹿

关于方案， 我直接问过deepseek。。。

马鹿

大黑蚊子 发表于 2025-2-20 03:27
说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径 ...

真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

testjhy

马鹿 发表于 2025-2-20 21:45
& Q5 A  g1 t  a- c真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

社长，美国不是与国内PC价格差不多吗？也仿照沉宝蚊行攒一台呗，

马鹿

testjhy 发表于 2025-2-20 09:50
社长，美国不是与国内PC价格差不多吗？也仿照沉宝蚊行攒一台呗，

攒了以后干啥呢？

testjhy

' w/ }" t! X2 M8 `$ i# p4 g

这是大华股份根据国产芯片的一体机，估计是华为提供的方案供各家贴牌

大黑蚊子

testjhy 发表于 2025-2-20 23:32
% B- {, w3 c2 v这是大华股份根据国产芯片的一体机，

/ t5 ]9 w, N5 g8 Q* W& U! {2 N大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
我在自家电脑上搞了一个7B的模型试了下，真的是不太行
我估计32B和70B也都不太行
这个帖子里讨论的应该是直接上手671B的满血量化版，1.58或者4bit版本，这个据多个信源反馈效果挺好的
/ @) O; t' H$ N; @* ^- p* y* E
* K6 D+ u. }' K6 F
( h; e$ ?2 Z3 p; \, |' ^- K不过这个单子我倒是可以拿着去嘲笑下大华的朋友“你们钻钱眼里了？搞这个文字游戏骗钱”

testjhy

马鹿 发表于 2025-2-20 23:19
攒了以后干啥呢？

1 `8 Q  F( Q$ E) s想干啥就干啥，吃喝玩乐，

testjhy

大黑蚊子 发表于 2025-2-20 23:38
( Z6 h1 a5 K" _8 @大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
. z0 g; @4 f$ W3 [2 G我在自家电脑上搞了一个7B的模型试了下， ...

找了一个非剪裁图，看了一个新闻，华为提供方案，有60多家企业响应，大华可能是比较快的，找不到价格，

大黑蚊子

testjhy 发表于 2025-2-20 23:45
找了一个非剪裁图，看了一个新闻，华为提供方案，有60多家企业响应，大华可能是比较快的，找不到价格，{: ...

, H" v9 v! L( h3 u  f1 {  ~我要是鼓捣这玩意儿，肯定是找二手硬件啥的，全新设备的价格那还是相当辣手的
' I7 t# |' j5 b打听了一下Intel的至强4代CPU，现在全球缺货，嘿嘿
去华强北看看有没有QS版本，可能一块就要6000人民币至少

马鹿

大黑蚊子 发表于 2025-2-20 10:38
+ D$ f( S) q5 L1 |3 S8 l" o7 r2 y大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
我在自家电脑上搞了一个7B的模型试了下， ...

2 r- K7 Y) v2 |0 U+ P: F好奇你攒个模型做啥？

大黑蚊子

马鹿 发表于 2025-2-20 23:53
. v/ S$ k: D, n' A8 X. {  @4 R$ E好奇你攒个模型做啥？

7 o: i" {. S* V2 z3 p2 g9 {, z
玩啊，好奇啊，这很可能是通向新世界的大门
有这个条件的话，干嘛不玩？
! H" Z! G" `( ?) b& @3 W0 j
+ \+ ?8 Z2 N( @+ ?! L! ^9 C2 p9 @% e现在大部分人还在懵逼状态中，只是知道个大模型的东西，具体怎么搭，个人知识库怎么建，私有服务怎么处理...好玩的需求多着呢
& |3 b/ Y  E4 i) a" L9 V
DeepSeek的出现，极大降低了大模型训练和部署的总体成本
  H" W. w) z% t; IKTransformer架构的出现，打响了极大降低大模型部署和私有知识库服务的硬件成本的第一枪
* c  ^/ i1 o. o4 `  C
% E6 s* Y9 T+ d* s) j这种能够降低90%成本的新技术出现，大概率后面会蕴藏着10亿级别的新的相关应用和服务空间
: q4 G4 N/ L. G  |; t. m/ S玩的过程中也可以吸收很多其他的知识，认识其他稀奇古怪的人，包赚的啊

沉宝

大黑蚊子 发表于 2025-2-20 16:27
说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径 ...

9 o  J8 A" C1 d8 r2 x这取决于对问题的理解和取舍。首先在大模型计算中，GPU的能力远远强于CPU，即使那个CPU有amx指令加速。所以在预算有限的前提下，应该尽量省下钱来加强GPU。当然如果实测一块3090够用了，那更好。
- ?: p" r6 Z% h. @( O: Q* Z
对比EPYC与Xeon 6530方案。Xeon 6530 2023年底发布，还比较新，主板加CPU的折扣有限。而EPYC Milan则要旧得多，有大批从数据中心退下来的二手货可选。即便有amx加成，但架不住7713的核多，单挑的话还是应该7713赢。而双路7713的话只不过比我的原方案多一颗U的钱，其它几乎不用改。个人认为CPU的第一位作用是保障参数全部装载在内存，计算加速还在其次。章明星团队的努力是充分挖掘手头现有硬件的全部潜力，amx加速是新版才加上去的，可见并非重中之重。

pcb

大黑蚊子 发表于 2025-2-20 23:53
. m# h. I; h. e. a6 J我要是鼓捣这玩意儿，肯定是找二手硬件啥的，全新设备的价格那还是相当辣手的
! y0 v4 D& ]/ b9 q2 _) ?打听了一下Intel的至强4代C ...

"至强" 是 Xeon？

马鹿

大黑蚊子 发表于 2025-2-20 11:03
玩啊，好奇啊，这很可能是通向新世界的大门
: P, l8 v. Z- C) H4 Z有这个条件的话，干嘛不玩？

握手， 我也是，就是好奇。 也同样认为这是通向新时代的大门。

xut6688

在本地部署满血版的DeepSeek R1, 性价比太低了，还不如用各个云厂商的API。 自己学习，玩一玩用云API就好。至于本地部署的蒸馏R1，我试过各个版本包括70B的，效果都不好，和原版差太远。我自己玩着用本地部署的模型做了一个RAG应用，最后发现蒸馏R1还不如原版的QWen2.5 32B。

大黑蚊子

xut6688 发表于 2025-2-21 05:30
在本地部署满血版的DeepSeek R1, 性价比太低了，还不如用各个云厂商的API。 自己学习，玩一玩用云API就好。 ...

! P0 i. W+ `' Y4 r1 ]. `$ ?( {( n所以为啥盯着671B的版本呢，就是这个原因，其他版本的性价比其实都不好。
/ D9 M# y" E/ ~) P
2 r* }( t4 X4 ~1 j# M目前有海量的本地部署满血版DeepSeek的需求，因为太多的数据受商业或者法规的限制不能上网，这个部署的整体过程是有很大市场需求的。
5 l+ M, [+ w& @2 ]
1 F) m3 Z& r. p1 GDS和KT的诞生，不是拉低了对算力的需求，而是通过降低成本做大了整体算力需求。

而且部署过程中的调优和配参，踩过的坑，以及反复琢磨和资料学习的成果都是自己的。
* h: w# V2 U+ w- d% x0 V; k4 H
) C  B) d" o6 }  o4 i2 G; U4 e再说了，都是二手硬件，搭完之后上闲鱼卖掉，亏不了多少钱

大黑蚊子

沉宝 发表于 2025-2-21 00:16
& f' p2 H& Z. i9 E# ?0 T3 @这取决于对问题的理解和取舍。首先在大模型计算中，GPU的能力远远强于CPU，即使那个CPU有amx指令加速。所 ...

我建议你再看一下KTransformers的相关资料
这个玩意儿的本质是在低并发（甚至是单并发）的情况下，高度依赖CPU/DRAM带宽，从而降低GPU需求的降本做法。
DDR5换DDR4的话，带宽砍半，对应token的数量就要起码减半
CPU的带宽再砍半的话，又要丢失速度
  l+ X# U3 V; k, w0 \& b3 Y7 C5 w' ]如果CPU/DRAM带宽不够的话，甚至3090可能都喂不满，无限下降螺旋在降低成本的同时会极大影响使用效果
9 I6 \3 ~( X# I/ K' Y0 D对于咱们来说，跑起来不是胜利，能够最低限度可用才是核心需求所在啊
! H/ H3 [7 ~# U* v我觉得起码要搞个输出4-6token/s才行吧
按你这个方案我估计可能1-2token都悬