DeepSeek引发本地AI部署潮 开源模型推动热潮

连续三年，新年伊始的AI突破都成为科技行业的热门话题。从ChatGPT到o1，再到今年的DeepSeek，这些技术不断引发关注。与前两年OpenAI公司的ChatGPT不同，由于开源特性，DeepSeek不仅可以在网上使用，还吸引了很多人尝试本地化部署，社交平台上出现了大量相关教程。

大语言模型的本地化部署并非新鲜事。在DeepSeek之前，Meta AI公司的Llama模型就已在个人PC和智能手机上广泛部署。一些厂商也将运行本地大模型的能力作为卖点，例如荣耀Magic6搭载第三代骁龙8芯片，支持7B参数的AI端侧大模型。

随着DeepSeek在今年年初展现出媲美ChatGPT o1的能力，加之其开源属性，用户可以通过本地部署获得离线AI能力。配合检索增强生成，还能构建基于自身需求的知识库，方便随时查询信息，且无需担心敏感数据上传云端造成泄漏。

DeepSeek提供了多种参数量级的大模型，包括1.5B、7B、8B、14B、32B、70B、671B。一般来说，旗舰手机可以部署至7B，普通电脑可在8B和14B之间选择，而高性能电脑则能运行32B。更高参数量级的模型通常部署在云端，以利用更强算力，这也是国内云平台纷纷宣传提供DeepSeek支持的原因之一。

参数量与最终本地AI的工作能力正相关。例如，14B模型比8B模型在信息理解和生成内容质量上有明显提升，致幻率也大幅降低。同理，32B大模型在工作能力上的提升更为显著。

可运行模型的参数量大小与智能手机的RAM密切相关。移动设备因CPU和GPU共享内存，具有一定优势。目前手机一般最低8GB起步，足以应对多线程任务和多媒体需求，因此运行7B模型不成问题。但如苹果iPhone 15 Pro系列起的8GB RAM机型，难以运行8B模型，因为其他线程仍需占用部分资源。