目前我见到的全网硬件成本最低运行DeepSeek R1 671b满血版完整指南（翻译）

Deepseek AI本地推理设备搭建

好消息：基于我们一直使用的AMD EPYC Rome基准系统获得了稳定性能表现😁 这套初始配置依然出色！设备拥有者现在可以在Q4 671b完整模型上获得4.25-3.5 TPS（每秒令牌数）。完整版16K以上上下文窗口的模型体验远胜精简版，值得投入。纯CPU运行时可同时运行视觉模型等小型模型。

2024/02/01补充参数：

空载功耗：60W（未接GPU）

满载功耗：260W

当前内存速度：2400（3200可能有性能提升）

本地AI CPU计算硬件

若已按我之前的3090四卡指南装机，恭喜你！7702依然强劲。建议升级同价位性能更强的CPU，但本文结果基于7702。MZ32-AR0主板通过16个DDR4 3200内存插槽可轻松实现512GB-1TB内存扩容（注意：不能混用LRDIMM和RDIMM内存！）

本地AI设备组件

• 机架框架 $55

• MZ32-AR0主板 $500

• 420mm水冷 Corsair h170i elite capellix xt $170

• EPYC水冷支架

• AMD EPYC 7702（64核）$650 / 7V13 $599 / 7C13 $735

• 512GB 2400 ECC内存 $400

• 1TB NVMe 三星980 Pro $75

• 850W电源 $80（纯CPU推理够用，需接GPU建议1600W）

(2025年1月29日报价)

总成本约$2000（使用512GB 2400内存和7702时）。建议优先升级7C13/7V13 CPU，其次768GB内存，最后考虑3200内存。

服务器架设要点

1. 内存散热：用4个80mm风扇组成风墙直吹内存条

2. 主板升级：MZ32-AR0 V3版主板直接支持Milan架构CPU

3. BIOS设置：NPS=1、SMT关闭、cTDP=200、BoostFmax=3400等

本地AI软件部署

Ubuntu 24基础安装

1. 通过BMC管理界面挂载Ubuntu 24.04 ISO

2. BIOS设置：UEFI/Legacy模式、性能优先配置

3. 网络配置：使用netplan设置静态IP

Ollama安装步骤

# 安装基础工具``sudo apt install -y htop git glances nano``   ``# 下载安装Ollama``curl -L <https://ollama.com/download/ollama-linux-amd64.tgz> -o ollama.tgz``sudo tar -C /usr -xzf ollama.tgz``sudo useradd -r -s /bin/false -U -m -d /usr/share/ollama ollama``   ``# 服务配置``sudo nano /etc/systemd/system/ollama.service``# 添加环境变量：``Environment=OLLAMA_NUM_PARALLEL=62``Environment=OLLAMA_KEEP_ALIVE=3h

OpenWEBUI部署

# 安装Docker``sudo apt-get install docker-ce``   ``# 部署Dockge管理界面``sudo mkdir -p /opt/stacks /opt/dockge``cd /opt/dockge``sudo curl -O <https://raw.githubusercontent.com/louislam/dockge/master/compose.yaml>``docker compose up -d``   ``# OpenWEBUI配置``version: "3.3"``services:`  `open-webui:`    `ports:`      `- 7000:8080`    `image: ghcr.io/open-webui/open-webui:latest``   

性能优化建议

1. 上下文长度设置为16384（16K）

2. 线程数设为62（保留2个核心）

3. 启用mlock防止内存分页

4. 保持连接存活时间3小时

完整配置后可实现3.5-4.25 TPS的推理速度。该方案虽需技术调试，但能获得完整版模型的优质体验。后续将推出llama.cpp等框架的优化指南。

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓