单机8张H20运行满血版DeepSeek，支持32个并发、1000 tokens/秒

DeepSeek-R1 671B满血版代表了顶尖AI模型的能力，企业在部署时都应该优先思考满血版。然后，再按照使用场景，酌情思考部署蒸馏版的小模型。

出于安全和数据隐私等方面的思考，国内多数企业都想在本地部署，不过，部署推理DeepSeek-R1 671B满血版并不容易。

最近，超聚变FusionOne AI在满血DeepSeek-R1一体机中，嵌入了自主研发的推理加速引擎，通过软硬件协同优化提升了运算效率，模型性能也不打折扣。

从官方介绍中看到，超聚变仅用1台FusionServer G8600服务器，内置8张英伟达H20显卡即可运行原生满血模型DeepSeek-R1 671B，而且用的是官方默认的FP8精度，让模型智能能力无损释放。

超聚变提到，得益于自研推理加速引擎的优化，原本需要8张141GB显存显卡（也就是H200）才能做到，目前仅96G显存的H20即可做到，显存使用量降低30%。

如上图所示，这里使用8张141G显存H200（上图的H20应该是笔误）显卡来部署满血版，这套方案已经可以视为高性价比的版本了，如果换成8张96G显存H20之后，显然性价比又上了一个台阶。

通过对推理引擎的深度优化和KV Cache策略的优化，单台G8600服务器跑满血大模型，性能提升50%，还支持32个并发访问，吞吐量最高可至1000 tokens/秒，属于超级高的表现了。

超聚变还提到，通过简单易用的容器管理平台，用户还可以灵活选择部署DeepSeek全系列的其他模型，支持选择多种AI加速卡，快速满足不同AI应用场景。