一、前言：哪个发烧友能抵挡本地部署大模型的诱惑
今年年初，横空出世的DeepSeek AI大模型火爆出圈，一夜过后人人都在谈论DeepSeek大模型，而已经进入第二年的AI PC方面，自然也不会落后。
相对于直接付费使用成熟的AI应用，DeepSeek完全开源的特性也让更多发烧友乐于在本地部署，充分利用越发强大的硬件AI性能。
但是对于主流的笔记本平台，在本地运行DeepSeek大模型，效果如何呢？
我们找来了当下比较新的轻薄本，Intel平台和AMD平台各一台，测试一下不同平台在本地运行DeepSeek大模型的表现。
当然我们在本地部署的DeepSeek只能是蒸馏版，因为满血版DeepSeek-R1模型高达671b的参数根本不是小飞机平台所能容纳的，好在还有六个蒸馏后不同规模的小模型，方便玩家根据自己的硬件配置选择合适的模型规模。
DeepSeek-R1大模型和由它蒸馏而来的六个小模型都是开源的，每个人都可以下载部署到自己的设备上。
选择合适的模型规模，关键就在于运行设备的显存或内存容量，当然对于普通玩家，特别是笔记本用户来说，主要还是看内存大小。
这也就是AI PC概念出现以来，电脑的内存容量已经普遍从32GB起步的原因，就连被戏称“用金子做内存”的苹果，最新的Mac Mini M4也把内存升级到16GB起步。
二、测试平台介绍：各有优势 但都是最强移动处理器的竞争者
条件所限，我们没有找到两台完全对等的笔记本进行对比，只能选取比较接近的配置，分别搭载了Intel酷睿Ultra 9 285H处理器、AMD锐龙AI 9 HX370处理器，都是各自平台轻薄本能搭载的最强处理器，定位上旗鼓相当。
Intel酷睿Ultra 9 285H处理器基于Arrow Lake架构，拥有6个性能核，8个能效核和2个低功耗能效核，一共16核心，但不支持超线程技术，所以总线程数也是16， 性能核最大睿频频率为5.4GHz，拥有24MB高速缓存。
它内建Intel锐炫140T显卡，包含8个Xe核心，同时还内置NPU，能够提供高达13 TOPS的算力。
CPU+GPU+NPU全平台总算力达到99 TOPS，为本地运行大模型提供了很好的支撑。
AMD锐龙AI 9 HX370处理器基于Zen 5架构，4个Zen 5核心和8个Zen 5c核心，支持超线程技术，总共是12个核心24线程，最高加速频率为5.1GHz，拥有12MB的L2 高速缓存和24MB的L3 高速缓存。
内建AMD Radeon 890M显卡，包含16个GPU核心。
当然也有独立的NPU引擎，而且算力高达55 TOPS，是迄今最强的。
需要注意的是，Intel酷睿Ultra 9 285H处理器的TDP高达45W，AMD锐龙AI 9 HX370处理器的TDP只有28W。
当然，Intel和AMD都允许笔记本制造商根据具体产品设计，在一定范围内设定处理器功耗。
我们这次准备的两台笔记本，Intel方面是一台轻薄本，实际烤机测试CPU稳定释放功率只有35W左右，而AMD方面是一台全能本，还搭载了一块NVIDIA RTX 4060Laptop独立显卡（已禁用），拥有更强劲的散热配置和功耗表现，实际烤机测试中可以稳定释放高达60W的功率。
笔记本平台并不像台式机主板一样可以方便地在BIOS中对CPU功耗性能等进行限制，所以这个测试并不是一个非常严谨的性能对比测试，只能说分别测试一下各自的表现情况和我们的使用体验，请读者朋友们自行比较。
三、DeepSeek-R1模型测试：iGPU算力也可流畅运行本地部署的14B模型
Ollama是一个开源的大语言部署服务工具，只需iGPU即可部署大模型。
我们这次测试就是基于Ollama框架，在本地部署DeepSeek-R1的蒸馏版模型，测试使用iGPU的运行效率。
Ollama作为一个开源软件，功能依赖全球开发者的共同维护，自然也会有一些特别的分支。
我们此次测试，专门找来了针对 intel 推理框架和AMD ROCm推理框架分别优化过的Ollama版本，更能体现Intel和AMD硬件在各自最佳环境下的运行效率。
（左侧为Intel酷睿Ultra 9 285H运行截图，右侧为AMD锐龙AI 9 HX370运行截图）
为了避免图形UI造成的延迟和对性能的影响，我们直接在命令行中同DeepSeek-R1:14B模型进行对话，我们准备了4个问题，分别是：
你是谁？
最简单的问题，用来检查DeepSeek大模型是否正确工作。
模仿李白的风格，写一首七律·登月。
简单的文字写作能力。
一亿之内最大的质数是多少？
数学能力其实不是DeepSeek这种推理模型的长处，但也可以测试一下。
帮我写一份5月份前往南疆的旅行攻略。
对DeepSeek的语义理解/推理能力和文字写作能力进行测试。
同样我们对DeepSeek-R1大模型另外两个更小规模的蒸馏版本7B和1.5B，也都进行了测试，测试成绩汇总如下：
模型规模越小，执行速度越快，但相对的AI智力下降也非常明显，经常会出现无法回答或者先入死循环的状态。
14B规模的模型的反应速度和回答准确率表现都比较优秀，在测试平台上运行效果非常好（但数学问题的回答准确度还是不太行）。
从测试结果上来看，Intel酷睿Ultra 9 285H在针对Intel优化过的Ollama上的每秒token输出更高一些，在14B和7B规模模型中，对比AMD锐龙AI 9 HX370都有40%左右的领先，而在1.5B规模模型中，双方性能表现都很强，但Intel平台仍有5%左右的优势。
当然这个测试也并不能代表Intel处理器在AI性能上就一定比AMD处理器强很多，每秒输出的Token数也不是决定AI性能表现的唯一评价维度，但至少从实际测试的结果上来看，针对Intel 优化过的框架确实拥有更好的支持，让Intel处理器的性能表现更强。
四、AI大模型能力测试：Deepseek-R1:14B模型编程已经实用
我们也测试了一下Deepseek-R1:14B模型在Intel酷睿Ultra 9 285H处理器的轻薄本上实际表现，测试一下使用本地Intel iGPU算力来编程，效果如何。
我们首先安装了一个针对Intel酷睿Ultra处理器优化的AI应用工具：Flowy AI PC软件，然后在其中使用Deeoseek-R1:14B模型来编写一个基于HTML语言的贪吃蛇游戏。
按照Deepseek给出的操作说明，我们很容易就可以把这个由AI写出来的贪吃蛇游戏运行起来，虽然比较简陋，但基本的游戏功能已经没有问题了。
Intel酷睿Ultra 9 285H处理器搭配Deepseek-R1:14B模型，能力已经具备一定实用价值了，已经可以帮助用户提高编程速度和工作效率了。
五、总结：Intel 全力推广OpenVINO 效果已经开始展现
得益于DeepSeek的开源，让本地部署AI大模型变的前所未有的容易，即使是在轻薄本这种并不以性能见长的移动平台上，运行本地大模型也能有相当不错的性能表现。
在我们的测试中，Intel酷睿Ultra 9 285H处理器展现出相当强劲的实力，使用开源部署工具Ollama（Intel优化版），在本地部署DeepSeek-R1:14B，仅依靠CPU的算力，就可以实现接近10 Token/s的输出速度，比AMD锐龙AI 9 HX370处理器的输出高了40%以上，而且这个成绩还是在CPU实际功率相差接近一倍的情况下得出的。
这也从一个侧面说明，AI大模型的高效运行，不仅仅是硬件性能的问题，软件的适配同样重要，甚至比硬件性能更重要一些。
就像谈论AI算力，NVIDIA是个绕不开的名字一样，NVIDIA的CUDA和硬件相辅相承，共同构成了宽阔的护城河，Intel和AMD作为追赶者，必须付出巨大的努力和代价才有机会在这个领域挑战NVIDIA的地位。
Intel现在不遗余力地推广OpenVINO，我们已经看到了结果。也许硬件的真实性能强弱难以量化比较，但从我们这次的体验来看，Intel酷睿Ultra 9 285处理器在用户实际使用中，确实能发挥出比AMD锐龙AI 9 HX370处理器更强的性能。
再加上Intel连续举办的人工智能创新应用大赛，用真金白银鼓励开发者开发基于OpenVINO的AI应用，Intel平台的AI应用正在迎来一个百花齐放的时代。
DeepSeek大模型极大地抹平了桌面平台面临的算力鸿沟之后，AI应用的丰富程度，专用推理架构的普及程度，硬件性能的发挥水平，共同决定了谁才是AI PC时代的王者。
Intel现在在全力推广OpenVINO，我们也不希望AMD被拉开太远，NVIDIA算力霸权的挑战者越多越好。
