隨著深度求索(DeepSeek)大模型的發(fā)布引發(fā)行業(yè)熱議，研華科技基于昇騰Atlas平臺邊緣AI Box MIC-ATL3S正式發(fā)布與Deepseek R1模型的部署流程。該平臺依托昇騰芯片的強大異構計算能力，結合研華邊緣AI Box高可靠特點，通過模型輕量化、算子適配等技術實現(xiàn)大模型邊緣端部署。

硬件部署/

CPU：Atlas 310P

10個DaVinciV200 AI core，主頻最高達1.08GHz

16個64位TaishanV200M處理器核，核主頻最高1.9GHz

8個DaVinciV200 Vector core，主頻最高達1GHz

內存：24G LPDDR4

AI算力：176TOPS INT8

操作系統(tǒng)：OpenEuler

模型：DeepSeek-R1

推理模型/

根據MIC-ATL3S硬件規(guī)格，我們選取了DeepSeek-R1-Distill-Qwen-1.5B這個精度和對硬件配置要求相對平衡的蒸餾模型進行適配和部署。

部署步驟/

昇騰310P + openEuler22.03部署deepseek-R1

1. 安裝驅動包以及CANN

前往昇騰社區(qū)獲當前芯片版本的驅動、FW、以及CANN(昇騰異構計算架構)

driver：Ascend-hdk-310p-npu-driver_xxxxx_linux-aarch64_chip-enable.run Firmware：Ascend-hdk-310p-npu-firmware_xxxxx_chip-enable.run CANN：Ascend-cann-toolkit_xxxxx_linux-aarch64.run

2. 安裝依賴組件

3. 安裝mindspore (昇思模型框架)

4. DeepSeek-R1模型拉取

拉取模型指令，以1.5B為例

yum install git-lfs -y git lfs install git clone https://ai.gitee.com/hf-models/DeepSeek-R1-Distill-Qwen-1.5B

克隆完成示例如下，包含HF完整的倉庫：

5. 模型轉換

下載后的模型為safetensors格式，還不能直接使用，先用transformers轉換為ONNX格式，再使用atc轉換為OM(昇騰)格式才能使用。

創(chuàng)建python腳本將safetensors格式轉換為ONNX格式，最終轉換為OM格式。

執(zhí)行腳本后會生成對應模型文件，生成對應格式模型文件 執(zhí)行：

Python3 convert.py ./convert.sh

最后，需要用一個簡單的python腳本去做互動窗口，運行指令：python3 deepseek_r1.py

示例：

總結：目前研華進行MIC-ATL3S適配更多Deepseek模型，以及與生態(tài)伙伴展開具體應用場景測試，后續(xù)我們會持續(xù)公布研華邊緣AI平臺產品的部署&測試內容，敬請關注。

研華昇騰310系列邊緣AI平臺

研華基于昇騰Atlas 310系列平臺開發(fā)出三款不同形態(tài)的邊緣AI產品：工業(yè)標準化AI模組、邊緣AI開發(fā)套件以及邊緣AI盒子。此系列產品算力高達176 Tops，專注于工業(yè)場景下的細分應用。同時，在軟件方面，研華聚焦底層開發(fā)，定期更新SDK套件以滿足客戶的開發(fā)需求，并自主研發(fā)工業(yè)領域遠程部署和管理工具。