春节假期，科技产品DeepSeek热度飙升。即便平时对科技新闻不关注的长辈，也对其有所耳闻，上次引发如此高关注度的AI大模型还是OpenAI的ChatGPT。
然而，大红大紫背后，DeepSeek遭受连续高强度网络攻击，官网常无法正常生成内容，即便关闭联网搜索，具备深度推理能力的DeepSeek-R1在线模型也受影响。好在有华为等科技公司支持，第三方平台接入DeepSeek的API，让稳定在线使用成为可能。
有人不满足于线上访问，如小雷就想在春节期间把DeepSeek大模型部署到本地。实践后发现，打造“AI电脑”并非易事。
无论何种大模型，在本地部署，难点在于获取对应资源和命令。且本地大模型虽为训练好的成品，但需一定硬件基础才能有好体验。
首先可到Ollama官网下载桌面端应用，它像承载本地大模型的“容器”，在其模型库中，除DeepSeek外，还有许多开源大模型。
Ollama桌面端无控制界面，下载大模型需在官网模型库找到对应代码，复制到PowerShell中执行数据拉取和安装。
小雷选的是DeepSeek-R1模型的7b版本，有70亿参数，占用4.7GB。本地大模型参数量越大，语言理解、文本生成等能力越强，但对电脑计算能力要求也越高。
一般运行1.5B参数模型，最低需4GB显存GPU和16GB内存，否则用CPU计算，负担大且推理时间长。满血版DeepSeek-R1参数量为671b，体积达404GB，个人部署选1.5b- 8b参数较合适。
模型数据拉取后自动安装，完成后可在PowerShell窗口调取DeepSeek-R1模型，输入问题即可推理生成。
不过，每次开机都要打开PowerShell激活大模型，对普通用户不便。小雷在Docker应用上添加Open-WebUI组件，让DeepSeek-R1能通过浏览器交互，并具备联系上下文能力。
需先下载Docker桌面端并完成安装，再打开PowerShell界面复制执行相应指令。使用NVIDIA GPU的用户指令不同。
拉取大模型文件和Open WebUI组件耗时较长，网络不佳时可能出现下载进度丢失问题。
安装完成后，在Docker应用中勾选启动Open-WebUI组件，点击链接可跳转网页，此时就拥有了“AI电脑”。
小雷体验发现，部署步骤不算复杂，主要耗时在搜索命令行、安装资源及拉取安装组件上。Ollama和Docker可通过百度搜索，有兴趣和动手能力的用户可尝试。
当然，本地部署大模型方法不止一种，如华为的ModelEngine，具备一站式训练优化和一键部署能力，面向企业端开发。
国内AI大模型网页端服务齐全，本地部署意义何在？一方面，本地大模型数据和对话记录离线存储，推理响应快，可避免敏感内容泄露，在无网环境也能使用；另一方面，支持开源模型，用户可灵活扩展切换、优化集成，操作空间大。
小雷用机械革命无界14X安装DeepSeek-R1 7b模型，该电脑无独立显卡，不在推荐配置内。这导致模型生成内容需更多推理时间和资源占用。
如讨论“饭后胀气”问题，大模型思考30秒 – 1分钟才能生成答案，期间电脑负载高，CPU和内存几近占满。但答案有一定参考价值。
小雷对DeepSeek拟人化思考过程感兴趣，其推理过程能激发普通用户兴趣。将同样问题放在网页端，出现“服务器繁忙”反馈，此时本地部署虽能力不强，但至少能访问。
用概率题提问本地DeepSeek-R17b，网页端持续繁忙，本地模型列举多种情况后混入之前问题内容，未给出答案。只能说数学题对其较复杂，本地大模型推理时电脑负载大。
从开源角度，本地大模型扩张性和可玩性强，但部署不易，需动手能力强的用户挖掘玩法。
现阶段，本地大模型生成能力难与线上媲美，适合动手能力强的电脑用户折腾，能带来功能便利，但普通用户部署有难度。
小雷部署本地DeepSeek大模型只为新鲜，平均生成用时20秒起步，除离线使用外，普通生成需求体验不如在线大模型。
读取文件分析、联网收集数据分析等能力需用户自行折腾，删除大模型数据也需学习步骤，否则会占系统盘空间。
DeepSeek走开源道路，主要是为打响市场影响力，占据市场地位，吸引行业围绕建立服务体系。国内众多大模型平台接入其API就是开源成果。
未来，DeepSeek完成行业应用渗透后，个人本地部署可能变简单。至于其发展如何难以预测，虽服务不稳定是短痛，但提高市场占比后，本地部署或许不再必要。
