史上最全DeepSeek私有部署：全量蒸馏量化、异构多机分布式、Win&Mac&Linux、国产卡一键部署

自 DeepSeek R1 发布以来，私有部署需求迅速增长，然而很多教程仍停留在单机量化模型层面，比如基于 Ollama 或 LM Studio 运行蒸馏量化版 DeepSeek R1。这种方式虽然简单，但在实际应用中存在诸多局限：

• 单机算力受限：单机资源不足，无法运行全量版本
• 部署配置复杂：部分方案需要下载合并模型分片，甚至手动编译推理框架
• 并发吞吐受限：Ollama 等方案难以支持高并发、大规模推理
• 国产适配问题：无法在国产芯片（如昇腾、海光） 设备上运行

这些挑战让用户在模型部署过程中投入大量时间精力，但最终可能仍然难以找到理想的私有部署方案。

针对这些问题，GPUStack[1] 提供了一种更灵活高效的解决方案，让 DeepSeek R1 的满血、量化和蒸馏版本在 Windows、Linux、Mac 和多机异构环境下都能实现一键部署。

为什么选择 GPUStack？

GPUStack（https://github.com/gpustack/gpustack/）是一个 100% 开源的私有模型服务平台，基于Apache许可，用户可以免费使用。在 DeepSeek R1 发布时便第一时间提供支持，并针对不同的部署需求进行了优化：

• 支持异构分布式推理，突破单机算力限制
• 高并发 & 高吞吐优化，适用于生产环境
• 跨平台支持（Windows / Linux / Mac）
• 异构硬件兼容（NVIDIA、AMD、昇腾、海光等）

接下来，我们将通过几个典型的部署案例，展示 GPUStack 在不同环境下的兼容性和模型部署方案。

以桌面场景和生产场景为例，GPUStack 对各种部署场景都提供了强大的支持：

桌面场景

单机运行小参数量模型

在 Windows 和 macOS 桌面设备上，单机运行 DeepSeek R1 1.5B ~ 14B 等小参数模型。如果显存不足，GPUStack 也支持将部分模型权重加载到内存，实现 GPU & CPU 混合推理，确保在有限硬件资源下的运行。

分布式推理运行大参数量模型

当单机无法满足模型运行需求时，GPUStack 支持跨主机分布式推理。例如：

多机分布式推理

• 使用一台 Mac Studio 可以运行 Unsloth 最低动态量化（1.58-bit） 的DeekSeek R1 671B 模型，更高的量化和动态量化版本可以通过分布式推理功能，使用两台 Mac Studio 分布式运行。还可以灵活多卡切分比例和满足更多的场景需求，例如更多的分布式节点和更大的上下文设置。

异构分布式推理

使用：

• 一台 Ubuntu 服务器，搭载 NVIDIA RTX 4090（24GB VRAM）
• 一台 Windows 主机，搭载 AMD Radeon RX 7800（16GB VRAM）
• 一台 MacBook Pro，搭载 M4 Pro，拥有 36GB 统一内存

聚合这些异构设备的 GPU 资源，运行单机无法运行的 DeepSeek-R1 32B 或 70B 量化蒸馏模型，充分利用多台设备的算力来提供推理。

生产场景

UI 全自动多机部署超大模型

在 2 台 8 卡 NVIDIA A100 服务器上，一键开启 GPUStack 的多机分布式推理功能，通过 UI 配置全自动实现跨多机运行 DeepSeek R1 671B 量化版本，突破单机显存限制，高效执行超大规模模型推理。

高并发高吞吐的生产部署

在需要高并发、高吞吐、低延迟的生产环境中，使用 vLLM 高效部署推理 DeepSeek R1 全量版或蒸馏版，充分利用推理加速技术支撑大规模并发请求，提升推理效率。

国产硬件适配

在昇腾、海光等国产 GPU 上，GPUStack 也提供适配支持。例如，在 8 卡海光 K100_AI 上运行 DeepSeek R1 671B 量化或蒸馏版本，充分发挥国产硬件的计算能力，实现自主可控的私有化部署方案。

对于诸如上述的各种部署场景，GPUStack 都能根据环境自动选择最佳部署方案，提供自动化的一键部署，用户不需要繁琐的部署配置。同时用户也拥有自主控制部署的灵活性。

以下是 DeepSeek R1 各个蒸馏模型和满血 671B 模型在不同量化精度下的显存需求及相应推荐硬件，供在各种场景下部署提供参考：

不同的模型、量化方式、上下文大小、推理参数设置或多卡并行配置对显存需求各不相同。对于 GGUF 模型，可以使用模型资源测算工具 GGUF Parser（https://github.com/gpustack/gguf-parser-go）来手动计算的显存需求。实际部署时，GPUStack 会自动计算并分配适合的显存资源，无需用户手动配置。

GPUStack 不仅仅是 LLM 推理框架，除了 大语言模型（LLM），GPUStack 还支持多种 生成式 AI 模型，覆盖更广泛的应用场景，包括：

• 多模态模型：如 Qwen2.5-VL、InternVL 2.5
• 图像生成模型：如 Stable Diffusion、Flux
• 语音模型（STT/TTS）：如 Whisper、CosyVoice
• Embedding 模型：如 BGE、BCE、Jina
• Reranker 模型：如 BGE Reranker、Jina Reranker

无论是个人开发者的桌面端，还是企业级数据中心，GPUStack 都能提供高效、灵活的私有部署方案，帮助用户轻松运行各类 AI 模型。

GPUStack 不仅仅是一个推理框架，它具备整体的部署、管理与运维解决方案，让大模型部署变得更加简单和高效，包括：

• 国产硬件支持：兼容昇腾、海光、摩尔线程等异构算力芯片
• 模型管理：支持模型升级、推理引擎多版本并存、离线部署
• 高可用：多实例负载均衡，确保高效稳定的推理表现
• 监控 & 可视化：提供 GPU/LLM 观测指标、Dashboard 仪表板
• 安全控制：用户管理、API 认证授权，满足企业级需求

如何安装 GPUStack？ 如果你对 GPUStack 感兴趣，可以参考以下步骤进行安装部署。

安装 GPUStack

脚本一键安装

安装要求参考：https://docs.gpustack.ai/latest/installation/installation-requirements/

GPUStack 支持脚本一键安装、容器安装、pip 安装等各种安装方式，这里使用脚本方式安装。

在 Linux 或 macOS 上：

通过以下命令在线安装，安装完成需要输入 sudo 密码启动服务，这个步骤需要联网下载各种依赖包，网络不好可能需要花费十几到几十分钟的时间：

curl -sfL https://get.gpustack.ai | INSTALL_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple sh -s -

在 Windows 上：

以管理员身份运行 Powershell，通过以下命令在线安装，这个步骤需要联网下载各种依赖包，网络不好可能需要花费十几到几十分钟的时间：

$env:INSTALL_INDEX_URL = "https://pypi.tuna.tsinghua.edu.cn/simple"
Invoke-Expression (Invoke-WebRequest -Uri "https://get.gpustack.ai" -UseBasicParsing).Content

当看到以下输出时，说明已经成功部署并启动了 GPUStack：

[INFO]  Install complete.

GPUStack UI is available at http://localhost.
Default username is 'admin'.
To get the default password, run 'cat /var/lib/gpustack/initial_admin_password'.

CLI "gpustack" is available from the command line. (You may need to open a new terminal or re-login for the PATH changes to take effect.)

接下来按照脚本输出的指引，拿到登录 GPUStack 的初始密码，执行以下命令：

在 Linux 或 macOS 上：

cat /var/lib/gpustack/initial_admin_password

在 Windows 上：

Get-Content -Path (Join-Path -Path $env:APPDATA -ChildPath "gpustack\initial_admin_password") -Raw

在浏览器访问 GPUStack UI，用户名 admin，密码为上面获得的初始密码。

重新设置密码后，进入 GPUStack：

纳管 GPU 资源

GPUStack 支持纳管 Linux、Windows 和 macOS 设备的异构 GPU 资源，步骤如下。

其他节点需要通过认证 Token 加入 GPUStack 集群，在 GPUStack Server 节点执行以下命令获取 Token：

在 Linux 或 macOS 上：

cat /var/lib/gpustack/token

在 Windows 上：

Get-Content -Path (Join-Path -Path $env:APPDATA -ChildPath "gpustack\token") -Raw

拿到 Token 后，在其他节点上运行以下命令添加 Worker 到 GPUStack，纳管这些节点的 GPU（将其中的 http://YOUR_IP_ADDRESS 替换为你的 GPUStack 访问地址，将 YOUR_TOKEN 替换为用于添加 Worker 的认证 Token）：

在 Linux 或 macOS 上：

curl -sfL https://get.gpustack.ai | INSTALL_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple sh -s - --server-url http://YOUR_IP_ADDRESS --token YOUR_TOKEN

在 Windows 上：

$env:INSTALL_INDEX_URL = "https://pypi.tuna.tsinghua.edu.cn/simple"
Invoke-Expression "& { $((Invoke-WebRequest -Uri "https://get.gpustack.ai" -UseBasicParsing).Content) } -- --server-url http://YOUR_IP_ADDRESS --token YOUR_TOKEN"

通过以上步骤，我们已经安装好 GPUStack 并纳管了多个 GPU 节点，接下来就可以使用这些 GPU 资源来部署所需的各种 DeekSeek R1 满血、量化、蒸馏模型和其他模型了。

总结

以上是关于如何安装 GPUStack 并在不同场景下部署 DeekSeek R1 模型的使用教程。你可以点击原文访问项目的开源仓库：https://github.com/gpustack/gpustack，了解更多信息。

GPUStack 是一个低门槛、易上手、开箱即用的私有大模型服务平台。它可以轻松整合并利用各种异构 GPU 资源，方便快捷地为生成式 AI 应用和应用开发人员部署所需的各种 AI 模型。

GPUStack 背后的研发团队具有全球顶级开源项目经验，项目的功能设计和文档都很完整，团队自项目初期便面向全球用户，当前已有大量国内外开源用户。团队致力于将国产开源项目推广到全球，值得关注。

在开始体验 GPUStack 之前，记得在其 GitHub 仓库给项目点个 Star 以资鼓励，在新版本发布时也能收到更新通知。

参考资料

[1]

GPUStack: https://github.com/gpustack/gpustack