隨著Deepseek大模型的橫空出世，預計對整個工業領域會產生顛覆性的影響力，尤其針對邊緣部署部分獨創動態剪枝與量化技術，DeepSeek大模型支持在邊緣設備低功耗運行（最低適配5 TOPS算力硬件），推理速度能夠提升3倍。
研華選擇了多款基于英偉達技術的邊緣AI產品，針對目前DeepSeek-R1 系列的不同蒸餾模型進行測試，下面讓我們來看下最新測試數據！
微型邊緣端推理應用
算力100 TOPS
推薦型號：
基于ARM平臺AI Box：ICAM-540 /MIC-711 / MIC-713
支持DeepSeek-R1蒸餾模型版本：
☑ DeepSeek-R1-Distill-Qwen-1.5B
☑?DeepSeek-R1-Distill-Qwen-7B
☑?DeepSeek-R1-Distill-Llama-8B
測試型號：MIC-711
*同時在MIC-711-OX4A 開啟了Super Mode來跑同樣的模型, 在整體效能上有提升了將近25%, 這也表示了 Jetson super mode在AI應用上有明顯的效能增強。
邊緣端推理應用
算力100-500 TOPS
推薦型號：
基于ARM平臺Edge AI Box：MIC-732/MIC-733/736
基于X86平臺 Edge AI Box：MIC-770V3
Edge AI 服務器 ：HPC-6240/HPC-7420/SKY-602E3 （支持1-4張GPU卡）
支持DeepSeek-R1蒸餾模型版本：
☑?DeepSeek-R1-Distill-Qwen-1.5B
☑?DeepSeek-R1-Distill-Qwen-7B
☑?DeepSeek-R1-Distill-Qwen-14B
☑?DeepSeek-R1-Distill-Llama-8B
測試型號：MIC-770V3
*DeepSeek-R1:32b于此系統配置下使用約18GB VRAM，可正常運行，但相同LLM model放在較高階顯卡上測試時VRAM使用達到21GB 故猜測模型會自動調整參數降低VRAM使用量，但在效能會有其影響。
高性能邊緣AI服務器
算力500-1000+ TOPS
推薦型號：
Edge AI 服務器 ：HPC-6240 /HPC-7420/SKY-602E3 ?（支持1-4張GPU卡）
支持DeepSeek-R1蒸餾模型版本：
☑?DeepSeek-R1-Distill-Qwen-14B
☑?DeepSeek-R1-Distill-Qwen-32B
☑?DeepSeek-R1-Distill-Llama-70B
測試型號：SKY-602E3
