小黑盒的家人們，今天來給大夥分享一個超酷的裝機和模型部署經歷！最近在 AI 熱潮的影響下，我也想自己搭建一個本地的大模型環境，正好 Ultra 系列 CPU 大降價，我就入手了一顆 Ultra 245K，打算用它來本地化部署 DeepSeek 模型，順便給自己打造一臺能跑 AI 的工作站。下面就詳細給大家講講整個過程，包括裝機方案、性能測試、軟件安裝、模型部署，還有遇到的那些坑和解決辦法。
先來說說裝機方案。CPU 選的是 Intel ultra 245K，它的包裝很有特色，小黑盒正面有個透明觀察窗，能直接看到 CPU，設計感拉滿。打開包裝，CPU 正面刻著型號、序列號這些重要信息，還有個二維碼，背面的觸電和電容排布得特別規整，而且裝機時通過偏心的兩個凹槽就能輕鬆確定安裝方向，很貼心。
主板我用的是銘宣終結者 B860M，黑白色調，12 相供電，能穩穩地支持 UltraCPU。它支持雙通道 4 根 DDR5 內存，最大能到 128GB，還原生支持 7000Mhz DDR5 內存頻率，高負載場景下相比 DDR4 有明顯的速度提升。內存我挑的是光威龍武 DDR5 16*2 6000mhz 套條，活動價 400 多就能拿下，性價比超高。機箱用的拓撲龍開放式機箱，只要 30 塊，比鞋盒強多了。電源選的愛國者 EP650 650w 全模組電源，200 塊左右，用起來很穩定。
裝機完成後，得測試下 CPU 性能。我用 3DMark CPU Profile 測試，它能顯示 CPU 在不同核心和線程數下的表現。結果 Ultra245K 單線程分數 1213 分，處理單核心任務很出色；最大線程得分 12348 分，多任務並行處理能力也超棒。在 CPU-Z 測試中，單核心 800 分，多核心 10051 分，多核心成績幾乎和曾經的頂級處理器 12900K 持平，日常使用和複雜專業應用都能輕鬆應對。
再看看核顯。14 代 CPU 的 HD770 核顯大家可能比較熟悉，Ultra245K 升級到了 4Xe-core 的新式核顯，性能突破明顯。它有 4 個 1.9GHz 的 Xecore，最大支持 8K 60hz 編解碼，AI 算力在 int8 精度下達到 8TOPS，是 HD770 核顯的 2.6 倍。而且支持英特爾 DLBoost 深度學習加速技術，int4 量化部署時算力為 16TOPS，達到了大模型端側部署的算力門檻，對本地化 AI 推理幫助很大。
接下來就是安裝依賴軟件。先去英特爾官網下載最新的 GPU 驅動，官網鏈接在文檔裡都有，按照系統版本下載就行。然後下載 ipex-llm ollama 部署包，這是 intel 官方的開源大模型項目，能在 intelgpu 上進行高性能大模型推理和訓練微調。從官網下載對應版本解壓就好。
軟件安裝好後，就可以進行 Ollama 啟動和模型部署了。在解壓後的文件夾裡按住 Shift + 右鍵，選擇在終端中打開，輸入./start-ollama.bat 啟動 Ollama，會彈出一個有很多日誌的命令行窗口，別關閉它。接著在這個命令行窗口輸入.\ollama.exe pull deepseek-r1:7b 來下載 DeepSeek 模型，耐心等待模型加載完成就行。
模型下載好後，Ollama 在後臺就緒，不過命令行對話不太方便，我用了 AnythingLLM 這個軟件。去官網下載安裝，安裝好啟動後，在模型選擇位置選 ollama，就能看到我們下載的 DeepSeekR1 模型了。創建個工作區，隨便取個名，我取名為 DeepSeek-iGPU，選中工作區再選 NewThread 開啟新對話，就能和 DeepSeekR1 愉快聊天啦。我讓它介紹 Ultra 系列處理器，它不僅回答得條理清晰，思考鏈也正常工作，而且模型的 token 生成速率大約為 10token/s，個人使用對話很流暢。從任務管理器能看到，核顯基本滿載，用了 7.2G 主機內存。
最後說說 NPU。Ultra 245K 的 NPU 是個大亮點，雖然我一開始想用它部署模型，但因為 NPU 太新，遇到了不少 bug。不過我已經把這些 Bug 提交到 Intel ipex-llm 了，按照他們的更新速度，下個月左右應該就能用 NPU 進行模型推理和部署，到時候核顯壓力會更小，還能構建更高性能的 AI 工作站。
這次用 Ultra245K 搭建 DeepSeek 本地模型，整體體驗還是很不錯的。雖然過程中遇到了一些小波折，但最後成功跑起來模型，還能流暢對話，成就感滿滿。如果大家也對本地化部署大模型感興趣，不妨參考我的經驗試試，有問題咱們評論區交流！