DeepSeek兴起以后，本地部署AI大模型逐渐走进了大众视野，对比云端版本，本地部署的优势很明显，不需要联网，告别遇到“服务器繁忙，请稍后再试”这种问题，而且数据库存在本地，同时具有隐私性，保护数据安全。
因为显著降低了部署成本，使得不少消费级电脑都能轻松玩转，变成超级私人AI助理。不过毕竟需要依靠自身硬件来跑AI大模型，虽然成本降低了不少， 但也不是没有门槛，只不过相对较低一些。目前DeepSeek开源特性，开发者跑出了五花八门的模型，专业名词叫蒸馏模型，这些蒸馏模型有些专门为低配电脑训练，让入门级硬件也能跑本地部署AI大模型，不过在运行的精度方面肯定没有那些高配满血版高了，可以说将一分钱一分货的理论发挥的淋漓尽致。
目前完整版模型为671B，此外它还有70B、c、14B、8B、7B、1.5B六个原始蒸馏模型，而六个原始蒸馏还被个人开发者训练除了各种量化版本，以满足不同平台、行业用户的需求。1.5B是原始最小的模型，搭载一般4G显存和8GB内存的显卡游戏本就能跑。而使用单张显卡不考虑魔改和多卡的话，一般消费级电脑的顶点在32B、70B的蒸馏模型，需要20GB以上显卡搭配64GB以上内存。其实从数字也能看出来高配版和低配版蒸馏模型的差异，1.5B和32B、70B不在一个量级。
我们这次来玩一玩DeepSeek本地部署，给大家出一套简易版本部署教程，首先准备了一套电脑平台，配置如下：
这次我们使用了了AMD 锐龙9 9950X3D这款最新发布的处理器，兼具游戏以及生产力，目前在这双端都做到了业界领先。而为了能让这款处理器可以跑满性能，我们搭配技嘉X870 A ELITE WE7 ICE主板，这是一款纯白主板，拥有16+2+2相供电模组，配备全覆盖式散热装甲，足够AMD 锐龙9 9950X3D发挥出全部实力。同时这款主板拓展能力不俗，不仅提供PCIe 5.0显卡插槽以及M.2插槽，还在I/O区域板载12个USB接口，包括两个最新的USB 4接口。目前这款转还提供4年质保以及1年换新服务，售后无忧。
显卡为AORUS GeForce RTX 5090 D MASTER ICE 32G，这款显卡采用GB202核心，使用与上一代相同的TSMC 4nm定制工艺（TSMC 4nm 4N NVIDIA CustomProcess），芯片面积750mm2。拥有21760个CUDA，Boost频率为2655MHz。 采用32GB GDDR7显存，位宽为512bit，显存带宽达到了1792 GB/s，光栅单元和纹理单元为176和680。
显示器为技嘉FO32U2P OLED显示器，这是一款4K顶级桌面显示器，采用QD-OLED面板，拥有240Hz刷新率以及0.03ms响应时间，还经过ClearMR 13000认证以及HDR400认证，提供了更加真实的画面表现。
在部署之前，我们首先要确定使用的容器，也就是启动器，玩过Stable Diffusion对此应该不会陌生，大名鼎鼎的秋叶启动器就是一种容器。目前很多支持DeepSeek的容器，根据自己的需求搜索容器官网去下载即可，我们这次先使用的是LM Studio。
LM Studio对于新手还是非常友好的，界面简洁干净，逻辑清晰，我们安装打开点击下方齿轮设置，可以调节成简体中文，不过目前中文仅限于一些基础界面和功能调节。
来到正式界面，与大家网页端看到的样式其实差不多，顶部是加载模型的地方，我们下载了一个32B版本的模型，加载后直接对话即可。
加载模型时能设置一些细节，比如字数、CPU步进之类的，底部种子玩过Stable Diffusion都知道是什么，用来跑出和其他人接近的生成结果。
左侧放大镜图标里是LM Studio的模型库，里面提供一些蒸馏后的DeepSeek R1，可以看到很多版本，有27B、12B、4B等训练好的模型，可以根据需求下载，模型越高级需求的容量也就越大，比如我们使用的32B版本就需要18个GB以上。
如果不使用LM Studio里面的模型而是下载了独立的模型也没问题，找到左侧图表中的文件见惨淡，顶部会给出模型目录，将模型拷贝进去即可，就可以在第一步的加载模型顶部栏中找到它去使用。
我们这里使用了这个32B模型进行了对话，响应速度极快，整个对话内容生成不到几秒钟。这得益于整个平台性能确实很强大，在跑这个模型时，显存使用了21.5GB左右，内存利用了9GB左右。对于这种大语言模型，显存和内存的容量很关键，这套技嘉平台，AORUS GeForce RTX 5090 D MASTER ICE 32G有32GB大显存，内存容量高达64GB，没有达到上限，就可以让这写硬件本身性能发挥出来，所以很轻松就能让本地32B模型快速响应。
注意如果你的模型太过高级，需求量超出你的显存和内存容量，记得不要强行跑，因为生成的速度会很慢，1分钟可能都生成不了几个字，比如降低一下蒸馏版本，选择合适自己的模型。
AMD 锐龙9 9950X3D占用率也只有10%，这样在生成时闲暇之余也可以做些别的日常，比如看视频，玩一玩显存足够的游戏。
不过本地模型也有局限性，那就是信息取决于模型，如果你的模型数据库里没有包含相应的信息，它就不会给你想要的答案。比如我们这个模型模型库的时间在2024年，所以我下面问的这个关于AMD 锐龙9 9950X3D的问题它就没有准确回应，而是用错误数据填充了答案。因此在涉及数据相关的内容时，还是需要谨慎一些，AI目前毕竟只是辅助工具。
总结来看，DeepSeek确实降低了AI大语言类本地部署的门槛，目前消费级电脑是可以去尽心体验的，相较于云端响应速度更快，只服务于你一人，也能针对性下载相应的模型来满足自身定制需求。缺点则是依旧有一定门槛，并且吐过不常更新模型数据库信息的话，不能实时解答热点问题，整体操作也确实没有云端简单，毕竟现在很多人连压缩包都解不明白，那确实不太好上手。