成本打到6万以下 手把手教你用4路锐炫™ 显卡+至强® W跑DeepSeek

凭借卓越性能表现与先天开源优势，DeepSeek 正迅速成为全球扩展大模型应用实践的一大“圆心”。作为英特尔在 GPU 领域的重要布局，英特尔锐炫™ 显卡既是游戏党与视频生产力工作者的新欢，也可用作计算卡，对 DeepSeek 提供加速支持，为企业用户部署相关 AI 应用提供一条全新的高价性比实现路径。具体来说，就是与英特尔^® 至强^® 可扩展处理器或英特尔^® 至强^® W处理器搭配，以多卡配置的型态来运行和加速 DeepSeek 推理任务。

本文将在 DeepSeek-R1- Distill-Qwen-32B 推理场景下，以面向企业级应用且成本最低可控制在 5-6 万元人民币的 4 路英特尔锐炫™ A770 显卡 + 至强^® W处理器的解决方案为例，详细阐述搭建硬件环境、配置驱动与软件、优化参数设置等步骤，手把手教大家部署和配置这一方案。

图. 安装 4 路英特尔锐炫™ A770 显卡的 AI 工作站

– 在 BIOS 设置中，将 Re-Size BAR Support 设为 [Enabled]

1.2 软件安装配置

– 安装操作系统 Ubuntu22.04.1 LTS

（镜像文件可访问 https://old

releases.ubuntu.com/releases/22.04.1/ubuntu-22.04.1-desktop-amd64.iso 获取）。

– 进行硬件验证，你要为每块 GPU 显卡都配备足额功耗来保证其工作正常。安装完操作系统后，可通过以下命令检查英特尔锐炫™ A770 显卡是否正常加载：

~$ lspci | grep 56a018:00.0 VGA compatible controller: Intel Corporation Device 56a0 (rev 08)36:00.0 VGA compatible controller: Intel Corporation Device 56a0 (rev 08)54:00.0 VGA compatible controller: Intel Corporation Device 56a0 (rev 08)cc:00.0 VGA compatible controller: Intel Corporation Device 56a0 (rev 08)

左滑查看更多

– 在确保 APT 网络已连接，且你的账号已具有 sudo 权限的情况下，需严格按以下步骤安装驱动程序：

~$ wget -qO - https://repositories.intel.com/gpu/intel-graphics.key | sudo gpg --yes --dearmor --output /usr/share/keyrings/intel-graphics.gpg~$ echo "deb [arch=amd64,i386 signed-by=/usr/share/keyrings/intel-graphics.gpg] https://repositories.intel.com/gpu/ubuntu jammy/lts/2350 unified" | sudo tee /etc/apt/sources.list.d/intel-gpu-jammy.list]# sudo apt update

左滑查看更多

– 如果内核版本不是 6.5.0-35，则通过以下命令安装 6.5.0-35 版本：

~$ sudo apt-get install -y linux-image-6.5.0-35-generic linux-headers-6.5.0-35-generic linux-modules-6.5.0-35-generic linux-modules-extra-6.5.0-35-generic~$ sudo apt install intel-i915-dkms~$ sudo vim /etc/default/grubGRUB_DEFAULT="Advanced options for Ubuntu>Ubuntu, with Linux 6.5.0-35-generic"~$ sudo update-grub~$ sudo reboot

左滑查看更多

– 然后通过以下命令安装计算、媒体和显示运行时库：

~$ sudo apt install -y intel-opencl-icd intel-level-zero-gpu level-zero intel-media-va-driver-non-free libmfx1 libmfxgen1 libvpl2 libegl-mesa0 libegl1-mesa libegl1-mesa-dev libgbm1 libgl1-mesa-dev libgl1-mesa-dri libglapi-mesa libgles2-mesa-dev libglx-mesa0 libigdgmm12 libxatracker2 mesa-va-drivers mesa-vdpau-drivers mesa-vulkan-drivers va-driver-all vainfo hwinfo clinfo

左滑查看更多

– 通过以下命令将当前用户添加到 render 组：

~$ sudo gpasswd -a $(USER) render~$ sudo newgrp render

左滑查看更多

– 驱动程序安装完成后，建议使用以下命令进行验证：

~$ clinfo | grep "Driver Version"Driver Version                                  23.43.27642.67

左滑查看更多

1.3 在英特尔^® 至强^® W 平台上设置 GPU 的 HDMI 显示

– 首先禁用 ast 卡：

~$ sudo vim /etc/modprobe.d/blacklist.conf

– 在文件底部添加“blacklist ast”：

~$ sudo update-initramfs -u

左滑查看更多

– 然后将窗口系统配置为 wayland 模式：

~$ sudo vim /etc/gdm3/custom/conf

左滑查看更多

– 将 WaylandEnable 设置为 true：

– 完成后更新初始 RAM 文件系统（initramfs）并重启系统，然后将 HDMI 线插入第一块英特尔锐炫™ A770 显卡即可完成显示终端设置。

]# sudo update-initramfs -u~$ sudo reboot

左滑查看更多

1.4 监控工具 xpu-smi 安装

– 可根据 xpumanager repo 安装用于监控和管理 XPU 设备状态信息的 xpu-smi 工具。下载 xpumanager 并执行以下命令：

~$ wget https://github.com/intel/xpumanager/releases/download/V1.2.27/xpu-smi_1.2.27_20240103.051106.5eeb3f13.u22.04_amd64.deb  --no-check-certificate~$ sudo apt install ./xpu-smi_1.2.27_20240103.051106.5eeb3f13.u22.04_amd64.deb ~$ xpu-smi discovery

左滑查看更多

– 结果显示如下：

2.1 容器（Docker）安装及服务设置

– 用户可通过 Docker，在英特尔锐炫™ A770 显卡上使用 IPEX-LLM 开展 vLLM 服务。

Docker 的安装可参考：

https://docs.docker.com/engine/install/ubuntu/

– 通过以下命令，设置 CPU 主频至最大睿频，并将显卡锁频至 2.4GHz：

~$ apt-get install linux-tools-6.5.0-35-generic linux-cloud-tools-6.5.0-35-generic# Query max turbo frequency, like W3445, Max Turbo Frequency is 4.8GHz:~$ sudo cpupower frequency-set -d 4.8GHz~$ sudo xpu-smi config -d 0 -t 0 --frequencyrange 2400,2400~$ sudo xpu-smi config -d 1 -t 0 --frequencyrange 2400,2400~$ sudo xpu-smi config -d 2 -t 0 --frequencyrange 2400,2400~$ sudo xpu-smi config -d 3 -t 0 --frequencyrange 2400,2400

左滑查看更多

2.2 安装并启动 vLLM 服务

– 下载并安装以下 vllm 版本：

~$ docker pull intelanalytics/ipex-llm-serving-xpu:2.2.0-b11

左滑查看更多

– 从 https://hf-mirror.com  下载 LLM 模型到本地文件夹中（例如：/home/worker/LLM）。

– 从 https://hf-mirror.com/collections/deepseek-ai/deepseek-r1-678e1e131c0169c0bc89728d  下载蒸馏版模型。

– 将以下脚本放入 /home/intel/Demo-4xArc 中的  bachkend-ipex-docker.sh 文件（以下操作都以 DeepSeek-R1-Distill-Qwen-32B 版为例）：

#!/bin/bashexport DOCKER_IMAGE=intelanalytics/ipex-llm-serving-xpu:2.2.0-b11export CONTAINER_NAME=ipex-llm-b11
docker rm -f $CONTAINER_NAMEsudo docker run – itd --privileged --net=host --device=/dev/dri --name=$CONTAINER_NAME -v /home/intel/LLM:/llm/models/ -v /home/intel/Demo-4xArc:/llm/workspace --shm-size="32g" $DOCKER_IMAGE

– 将以下脚本放入 vllm-deepseek-r1-distill-qwen-32b-openaikey.sh 文件:

#!/bin/bashmodel="/llm/models/Deepseek-R1-Distill-Qwen-32B"served_model_name="DeepSeek-R1-Distill-Qwen-32B"
export SYCL_CACHE_PERSISTENT=1export CCL_WORKER_COUNT=2export FI_PROVIDER=shmexport CCL_ATL_TRANSPORT=ofiexport CCL_ZE_IPC_EXCHANGE=socketsexport CCL_ATL_SHM=1
export USE_XETLA=OFFexport SYCL_PI_LEVEL_ZERO_USE_IMMEDIATE_COMMANDLISTS=2export TORCH_LLM_ALLREDUCE=0
export CCL_SAME_STREAM=1export CCL_BLOCKING_WAIT=0
source /opt/intel/1ccl-wks/setvars.sh
python -m ipex_llm.vllm.xpu.entrypoints.openai.api_server --served-model-name $served_model_name --port 8001--model $model --trust-remote-code --gpu-memory-utilization 0.9 --device xpu --dtype float16 --enforce-eager --load-in-low-bit fp8 --max-model-len 9000 --max-num-batched-tokens 9000 --max-num-segs 32 --api-key intel123 --tensor-parallel-size 4 --disable-async-output-proc --distributed-executor-backend ray

– 然后启动容器和 vLLM 服务：

~$ sudo bash backend-ipex-docker.sh~$ docker exec -it ipex-llm-b11 bash~$ cd workspace & bash vllm-deepseek-r1-distill-qwen-32b-openaikey.sh

左滑查看更多

– 如下日志表明 DeepSeek 推理服务已启动成功：

2.3 使用 Chatbox AI 进行性能测试

– 开发者可以在本地使用 Chatbox AI 进行 LLM 推理性能测试。如 DeepSeek 推理服务 IP 为 192.168.10.110，在 Windows PowerShell 中执行以下命令并输入密码，将远程服务端口映射到本地：

User> ssh -L 8001:localhost:8001 worker@192.168.10.110

左滑查看更多

– 打开 Chatbox AI 的 Url（ https://web.chatboxai.app/  ）

– 选择 “User My Own API Key / Local Model”，点击 “Add Custom Provider”，并根据下图所示进行配置，手动输入 DeepSeek 整流的模型名称等信息：

– 由此，使用者可以在 Chatbox AI 中向大语言模型提问，测试其推理性能：

左滑查看更多

– vllm 服务日志能够显示当前的性能状况，如图中所示，基于多路英特尔锐炫™ A770 显卡的推理服务一直有着 30+ tokens/s 的性能表现。

本部署指南虽然是围绕 4 路英特尔锐炫™ A770 显卡的方案展开，且以 DeepSeek-R1-Distill-Qwen-32B 版为例，但我们的实践探索并未局限于此。

一方面，该解决方案可对 DeepSeek 各个蒸馏版提供同样灵活的支持。使用者可通过调整输入模型名称，以及设定并行使用的显卡数量来进行调整（使用 –tensor-parallel-size 参数来控制）。

另一方面，多路英特尔锐炫™ 显卡 + 英特尔^® 至强^® 可扩展处理器 /至强^® W 处理器方案的关键目标，还是锁定在 DeepSeek- R1-671B 这一性能巅峰版本上，其配置与优化方法很快就会与大家见面。预计其技术路径会同时覆盖基于 KTransformer，能更充分发挥至强^® 处理器内置 AI 加速技术 AMX 潜能的方案，以及 GPU 配置密度更高的单机 16 路英特尔锐炫™ 显卡的方案。

另一个值得期待的进展，就是专为生产力应用打造的新一代英特尔锐炫™ 显卡 B580 24G 显存版本也正向我们走来，其 4 张卡即可提供 96GB 的显存容量，意味着用户可在单机中更轻松地部署更大参数量的 DeepSeek 服务（例如 DeepSeek- R1-671B 版本），进而能在实战中以较低的成本和较为便捷的部署方式，开启不缩水的 DeepSeek 服务。