1. 昇腾910B与MindIE环境准备在Atlas 800I A2服务器上部署DeepSeek-R1-Distill-Qwen-32B模型首先需要搭建好基础运行环境。我最近刚完成了一个类似项目的部署整个过程虽然有些复杂但只要按照步骤操作2-3小时就能搞定。操作系统选择方面openEuler 22.03-LTS是最佳选择。这个版本针对昇腾芯片做了深度优化我在多个项目实测中发现其稳定性比Ubuntu高出不少。安装时建议直接从国内镜像站下载ISO比如南京大学的开源镜像站速度会快很多。安装过程中有几个关键点需要注意系统分区建议采用RAID1RAID5组合网络配置推荐使用静态IP记得勾选开发工具和系统管理工具这两个组件组安装完成后第一件事就是配置软件源。默认的openEuler源在国内访问速度不太理想可以换成华为或阿里的镜像源。我通常用这个命令一键切换sudo sed -e s|repo.openeuler.org|mirrors.huaweicloud.com/openeuler|g -i /etc/yum.repos.d/openEuler.repo接着安装一些基础工具sudo dnf install -y vim python3-pip curl git make gcc kernel-devel这些工具在后面安装驱动和部署服务时都会用到。特别提醒kernel-devel的版本一定要和当前运行的内核版本一致否则NPU驱动安装会出问题。2. NPU驱动与固件安装昇腾910B的驱动安装是个技术活我踩过不少坑这里把经验都分享给大家。首先确认下硬件状态lspci | grep d802这个命令会列出所有NPU设备正常情况应该能看到8个d802设备对应8张NPU卡。驱动安装前准备很重要创建专用用户组和用户检查是否已有旧版驱动确认内核开发包已安装具体操作如下groupadd HwHiAiUser useradd -g HwHiAiUser -d /home/HwHiAiUser -m HwHiAiUser -s /bin/bash # 检查旧驱动 lsmod | grep drv_pcie_host # 如果有输出需要先卸载旧驱动驱动安装步骤先给.run文件添加执行权限按顺序安装驱动和固件最后重启生效chmod x Ascend-hdk-910b-npu-*.run ./Ascend-hdk-910b-npu-driver_24.1.0.3_linux-aarch64.run --full ./Ascend-hdk-910b-npu-firmware_7.5.0.5.220.run --full reboot安装完成后用这个命令验证npu-smi info如果看到8张NPU卡的信息且Health状态都是OK就说明安装成功了。我在实际项目中遇到过驱动版本不匹配的问题症状是npu-smi能识别设备但无法使用这时候需要完全卸载后重新安装指定版本驱动。3. Docker环境配置MindIE是以容器方式运行的所以需要先配置好Docker环境。openEuler上的Docker安装有几个注意事项安装步骤sudo yum update -y sudo yum install -y yum-utils device-mapper-persistent-data lvm2 wget # 配置华为源 sudo yum-config-manager --add-repohttps://repo.huaweicloud.com/docker-ce/linux/centos/docker-ce.repo sudo sed -i sdownload.docker.comrepo.huaweicloud.com/docker-ce /etc/yum.repos.d/docker-ce.repo sudo sed -i s\$releasever8 /etc/yum.repos.d/docker-ce.repo sudo yum install docker-ce docker-ce-cli containerd.io -y sudo systemctl start docker sudo systemctl enable docker国内用户一定要配置镜像加速器否则拉取镜像会非常慢sudo tee /etc/docker/daemon.json -EOF { registry-mirrors: [ https://docker.mirrors.ustc.edu.cn, https://hub-mirror.c.163.com ] } EOF sudo systemctl restart docker最后把当前用户加入docker组避免每次都要sudosudo usermod -aG docker $USER newgrp docker # 立即生效4. MindIE镜像与模型部署一切准备就绪后就可以开始部署MindIE和DeepSeek模型了。这部分我分成几个关键步骤来说明。4.1 获取MindIE镜像从昇腾镜像仓库直接拉取MindIE镜像docker pull ascendhub.huawei.com/public-ascendhub/mindie:1.0.0-800I-A2-py311-openeuler24.03-lts这个镜像大小约15GB下载需要一些时间。如果网络不稳定可以考虑先导出再导入的方式。我遇到过镜像拉取中途失败的情况这时候需要先删除不完整的镜像再重新拉取。4.2 下载模型权重DeepSeek-R1-Distill-Qwen-32B模型权重可以通过ModelScope下载pip install modelscope modelscope download --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --local_dir /home/ds/deepseek32b这个32B模型大约需要60GB存储空间下载时间取决于网络速度。如果已经有下载好的权重文件可以直接拷贝到指定目录。记得检查文件权限chmod 750 /home/ds/deepseek32b/config.json4.3 启动MindIE容器启动容器时需要特别注意NPU设备的映射和目录挂载。这是我常用的启动命令docker run -it -d --nethost --shm-size1g \ --name deepseek32b \ --device/dev/davinci_manager \ --device/dev/hisi_hdc \ --device/dev/devmm_svm \ --device/dev/davinci0 \ --device/dev/davinci1 \ --device/dev/davinci2 \ --device/dev/davinci3 \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \ -v /usr/local/sbin:/usr/local/sbin:ro \ -v /home/ds/deepseek32b:/home/ds/deepseek32b:ro \ ascendhub.huawei.com/public-ascendhub/mindie:1.0.0-800I-A2-py311-openeuler24.03-lts bash这里有几个关键参数说明--nethost使用主机网络模式简化网络配置--shm-size1g设置共享内存大小--device映射NPU设备-v挂载驱动和模型权重目录启动后检查容器状态docker ps -a如果STATUS显示为Up就说明容器运行正常。4.4 配置MindIE Service进入容器配置推理服务docker exec -it deepseek32b bash修改配置文件/usr/local/Ascend/mindie/latest/mindie-service/conf/config.json主要调整这些参数{ ipAddress: 0.0.0.0, allowAllZeroIpListening: true, httpsEnabled: false, npuDeviceIds: [[0,1,2,3]], modelName: deepseek32b, modelWeightPath: /home/ds/deepseek32b, worldSize: 4, maxSeqLen: 32768, maxInputTokenLen: 16384, maxPrefillTokens: 32768, maxIterTimes: 16384 }特别提醒maxSeqLen等参数需要根据实际需求调整。我在处理长文本时曾因为设置太小导致截断后来调整到32768就解决了。4.5 启动推理服务在容器内执行cd /usr/local/Ascend/mindie/latest/mindie-service nohup ./bin/mindieservice_daemon output.log 21 tail -f output.log看到日志中出现Daemon start success!就说明服务启动成功了。如果遇到权限问题检查模型目录下的config.json文件权限是否为750。5. 模型测试与调优服务启动后我们可以进行测试和调优。首先在本地测试API是否正常curl -H Accept: application/json -H Content-type: application/json -X POST -d { model: deepseek32b, messages: [{role: user, content: 请介绍一下昇腾910B处理器}], max_tokens: 200, temperature: 0.7 } http://127.0.0.1:1025/v1/chat/completions如果响应正常说明部署成功。在实际使用中我建议关注这几个性能调优点显存优化调整NPU_MEMORY_FRACTION环境变量export NPU_MEMORY_FRACTION0.96批处理大小根据负载调整config.json中的maxPrefillBatchSize日志级别生产环境可以把logLevel改为Warning减少日志量温度参数根据应用场景调整temperature创造性应用可以设高些(0.7-1.0)严谨场景设低些(0.1-0.3)6. 常见问题解决在部署过程中我遇到过不少问题这里分享几个典型问题的解决方法问题1模型服务启动失败日志显示Failed to init endpoint检查模型权重目录权限确认config.json文件所有者为root验证NPU设备是否正常问题2推理速度慢检查npu-smi看NPU利用率调整config.json中的maxPrefillTokens考虑减少并发请求数问题3长文本处理不完整增大maxSeqLen和maxInputTokenLen检查tokenizer配置考虑使用流式响应问题4容器启动失败检查设备映射是否正确验证驱动版本是否匹配查看docker日志定位具体错误7. 扩展部署文本嵌入与重排序除了大模型推理还可以部署文本嵌入(BGE-M3)和重排序模型(BGE-Reranker)。这两个模型可以用于增强搜索和推荐系统。部署步骤下载mis-tei镜像docker pull ascendhub.huawei.com/public-ascendhub/mis-tei:latest下载BGE模型modelscope download --model BAAI/bge-m3 --local_dir ./bge-m3 modelscope download --model BAAI/bge-reranker-v2-m3 --local_dir ./bge-reranker-v2-m3启动容器# 启动reranker docker run -u root -e ASCEND_VISIBLE_DEVICES0 -itd --namererank --nethost \ --device/dev/davinci_manager \ --device/dev/hisi_hdc \ --device/dev/devmm_svm \ --device/dev/davinci7 \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \ -v /usr/local/sbin:/usr/local/sbin:ro \ -v /home/data/model:/home/HwHiAiUser/model:ro \ ascendhub.huawei.com/public-ascendhub/mis-tei:latest \ BAAI/bge-reranker-v2-m3 0.0.0.0 9001 # 启动embedding docker run -u root -e ASCEND_VISIBLE_DEVICES6 -itd --nameembed --nethost \ --device/dev/davinci_manager \ --device/dev/hisi_hdc \ --device/dev/devmm_svm \ --device/dev/davinci6 \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \ -v /usr/local/sbin:/usr/local/sbin:ro \ -v /home/data/model:/home/HwHiAiUser/model:ro \ ascendhub.huawei.com/public-ascendhub/mis-tei:latest \ BAAI/bge-m3 0.0.0.0 9002测试服务# 测试reranker curl 127.0.0.1:9001/rerank -X POST -d {query:什么是深度学习, texts: [深度学习不是..., 深度学习是...]} -H Content-Type: application/json # 测试embedding curl 127.0.0.1:9002/embed -X POST -d {inputs:什么是深度学习} -H Content-Type: application/json8. 应用集成与维护最后我们可以通过Dify等平台将模型服务集成到应用中。Dify的安装比较简单git clone https://gitee.com/dify_ai/dify.git cd dify/docker cp .env.example .env docker compose up -d在Dify中添加我们部署的模型服务进入模型供应商页面添加OpenAI-API兼容接口配置API地址(http://127.0.0.1:1025)测试连接并保存对于日常维护我建议定期检查容器日志监控NPU使用情况(npu-smi)备份重要配置文件关注MindIE版本更新整个部署过程虽然步骤不少但每一步都有明确的操作指引。我在多个项目中使用这套方案稳定性和性能都令人满意。特别是在处理中文任务时DeepSeek-R1的表现明显优于同规模的国际开源模型。