在今年的 AWS re:Invent 大会上，Amazon CEO Andy Jassy 分享了 Amazon 在开发近 1000 款生成型 AI 应用时获得的宝贵经验。通过这些大规模的 AI 部署，Jassy 提出了三条关键观察结论，这些结论塑造了 Amazon 在企业 AI 实施方面的方法。
首先，当生成型 AI 应用规模化时，计算成本至关重要。人们对更好的性价比有强烈的需求。其次，构建一款真正优秀的生成型 AI 应用其实非常困难。第三，使用不同模型的多样性也至关重要。当我们给构建者自由选择时，看到他们选择多种不同模型的情况并不令人惊讶，因为我们不断学习到同一个教训：永远不会有一个工具能够统治所有领域。
正如 Andy 强调的那样，Amazon 提供了丰富而深入的模型选择，能够让客户根据自己的独特需求选择最合适的能力。通过紧跟客户需求和技术进步，AWS 定期扩展其精心挑选的模型系列，将有潜力的新模型与已建立的行业领导者一同提供。这个高效且不断创新的模型扩展，帮助客户始终走在 AI 创新的前沿。
这就是我们要谈论的 DeepSeek，这家中国的 AI 初创公司在 2024 年 12 月推出了 DeepSeek-V3，并随后在 2025 年 1 月 20 日发布了 DeepSeek-R1、DeepSeek-R1-Zero 和 DeepSeek-R1-Distill 三款模型，这些模型的参数范围从 1.5 亿到 670 亿不等。随后，在 2025 年 1 月 27 日，DeepSeek 又发布了其面向视觉的 Janus-Pro-7B 模型。这些模型目前已公开发布，并且据 DeepSeek 称，它们的成本比同类模型便宜 90% 到 95%，在性价比上具有明显优势。DeepSeek 声明，其模型通过创新的训练技术（如强化学习）实现了卓越的推理能力。
如今，您可以在 Amazon Bedrock 和 Amazon SageMaker AI 上部署 DeepSeek-R1 模型。Amazon Bedrock 适合需要快速通过 API 集成预训练基础模型的团队；而 Amazon SageMaker AI 则更适合那些希望进行高级定制、训练和部署的组织，同时还可以访问底层基础设施。此外，您还可以使用 AWS Trainium 和 AWS Inferentia 以成本效益高的方式，通过 Amazon Elastic Compute Cloud (Amazon EC2) 或 Amazon SageMaker AI 部署 DeepSeek-R1-Distill 模型。
借助 AWS，您可以使用 DeepSeek-R1 模型，构建、实验并负责地扩展您的生成型 AI 创意，利用这个强大且高效的模型，您几乎不需要过多的基础设施投资即可开始。同时，AWS 提供的独特安全设计也能帮助您在构建应用时增强安全性。我们强烈建议您将 DeepSeek-R1 模型的部署与 Amazon Bedrock Guardrails 集成，为您的生成型 AI 应用提供额外的保护层，确保应用的安全与合规性。
如何在 AWS 上部署 DeepSeek-R1 模型
今天，您可以通过以下几种方式在 AWS 上部署 DeepSeek-R1 模型：
- Amazon Bedrock Marketplace 中的 DeepSeek-R1 模型
- Amazon SageMaker JumpStart 中的 DeepSeek-R1 模型
- Amazon Bedrock Custom Model Import 中的 DeepSeek-R1-Distill 模型
- 使用 AWS Trainium 和 AWS Inferentia 部署 DeepSeek-R1-Distill 模型
接下来，我将向您介绍这些路径，帮助您根据团队的专业知识和需求，选择合适的入门方式。
1. 在 Amazon Bedrock Marketplace 中部署 DeepSeek-R1 模型
Amazon Bedrock Marketplace 提供了超过 100 款流行的基础模型，涵盖了多个领域和专业模型，同时也包含了当前行业领先的模型。您可以在单一目录中轻松发现模型，订阅该模型，并通过托管的终端节点部署它。
要在 Amazon Bedrock Marketplace 中访问 DeepSeek-R1 模型，首先进入 Amazon Bedrock 控制台，选择“基础模型”部分下的模型目录。您可以通过搜索或筛选模型提供商，快速找到 DeepSeek。
在模型详情页面查看模型的功能和实施指南后，您可以通过提供终端节点名称、选择实例数量和选择实例类型来直接部署模型。
此外，您还可以配置高级选项来定制 DeepSeek-R1 模型的安全性和基础设施设置，包括 VPC 网络、服务角色权限和加密设置。在生产部署时，您应当审查这些设置，以确保符合组织的安全和合规要求。
通过 Amazon Bedrock Guardrails，您可以独立评估用户输入和模型输出，确保生成型 AI 应用的安全性。DeepSeek-R1 模型只能与 Bedrock 的 ApplyGuardrail API 一起使用，以评估自定义和第三方模型的用户输入和模型响应。
2. 在 Amazon SageMaker JumpStart 中部署 DeepSeek-R1 模型
Amazon SageMaker JumpStart 是一个机器学习（ML）中心，提供了基础模型、内建算法和预构建的 ML 解决方案，您只需轻点几下即可部署 DeepSeek-R1 模型。
在 Amazon SageMaker AI 控制台中，打开 SageMaker Studio，选择 JumpStart，并在“所有公开模型”页面中搜索“DeepSeek-R1”。
选择模型后，您可以选择部署并创建默认设置的终端节点。当终端节点处于“InService”状态时，您可以向其发送请求进行推理。
3. 使用 Amazon Bedrock Custom Model Import 部署 DeepSeek-R1-Distill 模型
通过 Amazon Bedrock Custom Model Import，您可以将自定义模型与现有的基础模型一起导入，并通过单一的无服务器统一 API 使用，无需管理底层基础设施。您可以将 DeepSeek-R1-Distill 模型导入 Amazon Simple Storage Service (Amazon S3) 存储桶或 Amazon SageMaker Model Registry 后，通过 Amazon Bedrock 控制台导入和部署它们。
4. 使用 AWS Trainium 和 AWS Inferentia 部署 DeepSeek-R1-Distill 模型
您可以使用 AWS Deep Learning AMIs（深度学习 AMI）在多种 EC2 实例上部署 DeepSeek-R1-Distill 模型，包括从小型 CPU 实例到高性能多 GPU 实例的各种配置。
总结
无论您是初次接触 AI 应用，还是想要扩展现有的解决方案，AWS 提供的灵活选项使得 DeepSeek-R1 模型可以轻松部署和扩展。无论是通过 Amazon Bedrock 还是 Amazon SageMaker，AWS 为您提供了一个安全、可扩展且高效的环境，助力您在生成型 AI 的领域中走在前沿。立即试用 DeepSeek-R1 模型，开启您的 AI 创新之旅吧！
