對于“AI模型是顯存殺手”這事，我想就算那些沒有本地部署過，甚至沒有特別關注過我們顯卡和筆記本評測中的AI體驗部分的玩家應該也知道這個事實——畢竟從年初到現在，DeepSeek已經足夠火爆，以至于公園下棋老大爺都能給您編排出一段AI界的三國演義出來.....回到本文的主題，今天我們還是聊聊本地部署DeepSeek模型這事。

首先還是要說明的是，我們部署的是DeepSeek-R1蒸餾模型，而不是DeepSeek-R1 671B。老實說，671B的滿血版確實超出普通玩家的范疇了，和個人范疇內的“性價比”更是毫不相關。不過，蒸餾模型還是能做不少事情的，比如用于翻譯服務，而且本地部署有很多好處，除了老生常談的隱私問題外，還能避免“服務器繁忙，請稍后再試”這種情況發生。

然而就算是蒸餾模型，對于顯卡的要求也是相當高。這里不說DeepSeek-R1蒸餾模型中最大的DeepSeek-R1-Distill-Llama-70B了，就算是排第二的DeepSeek-R1-Distill-Qwen-32B，要想單卡運行的話您至少需要一張RTX 5090或者RTX 4090。考慮到它倆現時的價格，這仍然算不上是很“性價比”。那么，還有什么便宜大碗的方案呢？

那當然還是有的，而且可能比買二手顯卡這事還要穩——兩張英特爾銳炫A770 16GB便是個值得嘗試的方案。別被雙卡這個概念嚇到，以顯存容量去評判的話，兩張銳炫A770加一塊也就3600元，可是要比RTX 4070還要實惠。唯一有要求的可能是您的主板和電源，前者是PCIe速度，后者自然是兩張A770的功耗了。

“大顯存支持：16GB GDDR6顯存（顯存帶寬560GB/s）為大型模型訓練和推理提供了充足的資源，尤其適合需要高顯存容量的AI應用和內容創作場景。”——節選自DeepSeek-R1對銳炫A770 16GB的評價。

測試平臺

本次測試的平臺是英特爾大全套，處理器是酷睿Ultra 9 285K。其實在這次測試中，CPU反而不太重要，拿顆酷睿Ultra 5也行。重點反而是主板，最好選一些兩個PCIe 5.0 x8插槽的主板。

您也許會問為什么我給出這樣的建議但是卻用了技嘉Z890 AORUS MASTER這塊配置為PCIe 5.0 x16（CPU）、PCIe 4.0 x1（芯片組）和PCIe 4.0 x4（芯片組）各一個的主板。原因也很簡單，本來打算用的Z890主板的Killer網卡比較新，在本次系統里似乎暫時缺乏驅動支持，于是就這樣了。

前期準備

目前這個方案只能在Linux環境下面用，因此安裝系統便成了首先要解決的問題。根據英特爾樹外驅動的要求，我安裝了Ubuntu 22.04.1（內核是Kernel 6.5.0-35-generic）。因為Linux基本離不開終端操作，所以接下來我會說得簡要一點，畢竟要把一大段命令當成正文頗有種水字數的感覺，不利于閱讀（我就假定在讀本文的各位和我一樣略懂點Ubuntu就好了，反正也就用到sudo apt install這些命令）。

裝完系統之后便是樹外驅動了。反正照著英特爾的文檔添加軟件源，然后裝上intel-i915-dkms和intel-fw-gpu這兩個軟件包，把當前用戶分到渲染組就可以了。

重啟后，用lspci或者xpu-smi（這個需要額外安裝）可以看到兩張銳炫A770 16GB已經就位。至于多出來的那個non-VGA設備則是酷睿Ultra的NPU，不用去管它。

接下來的操作就很簡單了，畢竟我們是通過docker來運行前后端的，如果玩過NAS的話應該知道docker有多好用——只要您有一個足夠良好的網絡。不過我們有現成的鏡像和腳本，倒不用進行拉取這一步，如果您要照做的話，請拉取open-webui（前端）和intelanalytics/ipex-llm-serving-xpu:2.2.0-b12-client（后端）這兩個鏡像。腳本的話可以結合最下面的鏈接，同時參考下面的截圖。

這里順便說一下ipex-llm是什么，它是一個為英特爾GPU打造的LLM加速庫，支持核顯、銳炫獨立顯卡和數據中心顯卡等設備，并已經和llama.cpp、Ollama和vLLM等框架無縫集成。

最后是AI模型DeepSeek-R1-Distill-Qwen-32B-AWQ，這個用huggingface-cli下載就行。記得把環境變量改成鏡像站hf-mirror.com，可以提高下載速度；還有就是把模型下到本地文件夾里面，不使用huggingface-cli的緩存系統。

對了，如果您不打算更改上面的腳本內容，這里建議把下載的所有東西都扔到根目錄下的/model文件夾中。

參考閱讀1：樹外驅動安裝《Installing Data Center GPU: LTS Releases》

參考閱讀2：通過docker部署AI服務《vLLM Serving with IPEX-LLM on Intel GPUs via Docker》

實際體驗

準備工作完了之后，接下來就非常簡單了，用腳本啟動前后端容器，并啟動后端應用即可。

在本地機上訪問127.0.0.1:8080就能見到Open WebUI的主界面了，這個服務是對局域網開放的，所以我們也可以用連到同一個網絡的設備去訪問它，比如手機和平板。

接下來的界面相信大家就很熟悉了，就和平時用的網頁chatbot一樣。只不過這一次所有的服務都運行于本地，不受網絡波動的影響，拔掉路由器的WAN口也一切如常。

來看看它的運行速度。單個用戶訪問時，平均生成速度在26 tokens/s左右。在上圖的演示里面，我們讓它用HTML寫了個貪吃蛇，完成后右側就出現了窗口，可以馬上進行游玩。另外，還可以根據需求叫AI修改代碼，比如這次我叫它把貪吃蛇改成自動運行，這樣截圖會方便一點。

單用戶使用

但這顯然還不是這套平臺的極限。我們試了試在三臺設備（本機 + 另一臺電腦 + 手機）上同時訪問AI服務，平均生成速度可以達到66tokens/s。無論在哪臺設備上，AI都沒有出現卡殼的現象，輸出文字的速度很快。

多用戶使用

附加內容：如何切換模型？

正當我們體驗DeepSeek-R1蒸餾模型的時候，國內另一家實力同樣強勁的大模型團隊通義發布了他們的推理模型QwQ-32B。該模型在AIME24、LiveBench等多個基準測試中表現出不弱于DeepSeek-R1 671B也就是滿血版DeepSeek-R1的實力，更是要比上面運行的蒸餾模型要強得多。因此我們也在這里介紹一下如何把模型切換成QwQ-32B（以及其他你想體驗的模型）。

來源：Qwen博客

首先還是用huggingface-cli把QwQ-32B的模型拖到/model文件夾中，我們這次選擇的是QwQ-32B-AWQ，也就是用AWQ量化的版本。

接下來只需要修改上面圖片中的ds.sh腳本就行，當然，這里建議直接復制一份并重命名為QwQ.sh再進行修改，便于日后操作。要修改的地方不多，就是前面兩行的路徑和命名而已。做好這部分工作后重啟一下后端容器，用腳本啟動即可。

我這里沒有改名，直接保存了

至于QwQ-32B-AWQ在這套平臺上的運行情況和蒸餾模型時類似，平均生成速度也是26 token/s。另外我們特意用xpu-smi監測了兩張顯卡的顯存占用情況，每張顯卡各消耗了14GB顯存左右，合起來大約是28GB。如果要僅用一張卡處理這么大的模型，那預算真的要花上不少。

總結

總的來說，兩張銳炫A770 16GB確實是一個性價比較高的本地部署AI方案。正如我在開頭所說，不把二手設備算在內的話，現在3600元您真的很難買到一張NVIDIA或者AMD的大顯存顯卡，但是一口氣買兩張銳炫A770 16GB（甚至還是OC版）是完全有可能的，更進一步地說，由于單卡價格的足夠實惠，你還可以買更多張去運行參數量更大的模型（當然，這時候主板和處理器會比銳炫A770要貴得多）。除了硬件上足夠有性價比外，我們還要強調一下軟件上的優勢：銳炫顯卡有著來自英特爾完善的驅動和加速庫支持，部署時docker鏡像一拉就完事，然后運行時雙卡都能拼盡全力，這些點也是相當重要的。

接下來也說說這個方案的一些注意的點。首先就是功耗和發熱了，雖然您不會每分鐘都向AI提問，但是如果把它當作一臺全時運行的AI服務器的話，累積下來的耗電（還有制造的熱量）還是挺“可觀”的。其次就是部署的難度問題，如果您不是從事計算機方面的工作，用Ubuntu這些Linux發行版還是一件蠻有挑戰性的事——事實上在測試過程中，我也因為太久沒搗鼓路由器和NAS而忘掉一些命令的用法，只好不停地“--help”。

不過話說回來，這兩種情況在未來都是可以改變的。英特爾表示在未來，玩家將可以用2塊銳炫B580搭建AI服務器，以及加入對Windows 11的支持，對于絕大部分的玩家來說，后者尤其是好事。當然，如果你只是想簡單體驗英特爾硬件的AI性能，也可以直接下載英特爾AI Playground這個應用就是了。

審核編輯 黃宇