机构研究报告-DeepSeek本地部署与全球资产配置组合分析报告：全球大类资产配置A股相对收益策略模拟

证

券研究报告

策略动态报告DeepSeek本地部署与全球资产配置组合跟踪——全球大类资产配置和A股相对收益策略模拟组合跟踪发布日期：2025年02月06日摘要•核心观点：DeepSeek-R1可通过Ollama工具实现本地部署，首先从Ollama官网下载适合Windows系统的版本并安装，选择合适的模型版本（如RTX

4090推荐32B），并通过命令行运行。为提升用户体验，可使用Docker+Open

WebUI构建交互界面，甚至集成到微信作为智能体使用。对于AI投资，普通设备仅能运行较小的DeepSeek模型（如1.5B、7B），响应慢；32B模型适合复杂场景，而671B和70B需要企业级硬件支持。云端部署存在数据隐私问题，DeepSeek的小型化模型推动了中小企业和个人开发智能助手的需求，显著增加算力需求。全球多资产配置方面，低风险组合本年回报0.86%，超额收益0.40%；中高风险组合回报3.66%，超额收益3.61%。•

Deepseek介绍：DeepSeek，成立于2023年，是幻方量化的子公司，位于杭州的人工智能公司。它于2024年末推出DeepSeek-V3模型（671B参数），性能超越多种开源模型，并接近顶尖闭源模型。2025年1月，DeepSeek发布R1系列模型（660B参数），在多项任务上表现优异，同时推出了几个小模型对标OpenAI的产品。DeepSeek通过其创新技术显著提高了生成速度，并提供了具有竞争力的API服务定价。•

Deepseek本地部署方法：Ollama是一个开源工具，用于在个人设备上高效运行大型语言模型（LLMs），无需依赖云端。DeepSeek-R1模型可通过Ollama实现本地部署：首先，从Ollama官网下载适合系统的Windows版本并安装，完成后系统托盘会出现Ollama图标。其次，访问“Models”页面选择DeepSeek-R1，并根据显卡配置（如4090显卡24G显存）选择32B版本，复制对应的运行指令。然后，在命令行窗口中执行该指令以下载和运行模型（32B版本约19GB）。为提升用户体验，可采用Docker+Open

WebUI构建图文交互界面，甚至将DeepSeek-R1

32B集成到微信中作为智能体使用，享受其快速响应和深度思考功能。•对AI领域投资的思考：通过DeepSeek官网与DeepSeek-V3对话，可以了解部署各版本模型对硬件的要求。普通笔记本和台式机仅配备CPU，仅能勉强运行DeepSeek-R1-1.5B和7B，但响应速度慢，缺乏实用性。英伟达RTX4090可较快运行DeepSeek-R1-32B，但在处理70B版本时表现不佳。中小模型如1.5B、7B和14B适合简单的微信交流场景，但无法解决复杂问题；32B模型具备深度思考能力，适用于服务客户的微信交流。671B完整版及70B模型需要企业级显卡如A100或H100支持，不适合消费级硬件。云端部署虽可行，但存在数据隐私问题。DeepSeek-R1及其开源的小型化模型的高性能，推动中小企业和个人开发智能助手，例如微信客服，这将显著增加对算力的需求。•全球大类资产策略组合表现：全球多资产配置绝对收益@低风险组合，本年回报0.86%，相比中债总财富（总值）指数超额收益0.40%。全球多资产配置绝对收益@中高风险：本年回报3.66%，相对万得FOF指数超额收益3.61%。2提纲

Deepseek介绍•

Deepseek本地部署方法•

对AI领域投资的思考•

全球大类资产策略组合表现•

风险提示3Deepseek介绍图表：DeepSeek-V3模型性能对齐海外领军闭源模型资料：deepseek官网，中信建投

DeepSeek（中文名为深度求索，官网：/）成立于

2023年，是一家位于杭州的人工智能公司，为量化巨头幻方量化的子公司。2024年12月26日，深度求索上线并开源了全新系列模型

DeepSeek-V3，671B参数；DeepSeek-V3

多项评测成绩超越了Qwen2.5-72B

和

Llama-3.1-405B

等其他开源模型，并在性能上和世界顶尖的闭源模型

GPT-4o

以及

Claude-3.5-Sonnet

不分伯仲。4Deepseek介绍图表：DeepSeek-R1模型性能对齐OpenAI-o1正式版，蒸馏小模型超越OpenAI

o1-mini资料：deepseek官网，中信建投

2025年01月20日，深度求索发布

DeepSeek-R1，并同步开源模型权重。DeepSeek-R1在数学、代码、自然语言推理等任务上，性能比肩OpenAI

o1正式版。深度求索在开源

DeepSeek-R1-Zero和

DeepSeek-R1

两个

660B

模型的同时，通过

DeepSeek-R1

的输出，蒸馏了

6

个小模型开源给社区，其中

32B

和

70B

模型在多项能力上实现了对标

OpenAIo1-mini

的效果。5Deepseek介绍图表：DeepSeek-V3和DeepSeek-R1

API服务定价相比同行极低资料：deepseek官网，中信建投

通过算法和工程上的创新，DeepSeek-V3

的生成吐字速度提高至

60

TPS，模型

API服务定价为每百万输入

tokens0.5

元（缓存命中）/2

元（缓存未命中），每百万输出

tokens

8

元。

DeepSeek-R1

API服务定价为每百万输入

tokens

1

元（缓存命中）/

4

元（缓存未命中），每百万输出

tokens

16

元。6提纲•

Deepseek介绍

Deepseek本地部署方法•

对AI领域投资的思考•

全球大类资产策略组合表现•

风险提示7Deepseek本地部署方法图表：通过Ollama本地部署DeepSeek模型—下载Ollama并安装资料：Ollama官网，中信建投

Ollama（官网地址：/

）是一个用于本地运行大语言模型（LLMs）的开源工具，提供简单的界面和优化的推理引擎，使用户能够在个人设备上高效地加载、管理和运行

AI模型，而无需依赖云端。

本地部署步骤1：首先到Ollama官网，点击Download下载，然后选择适合自己系统的版本，这里选择Windows；下载完成后点击安装，完成后安装窗口会自动关闭，系统托盘图标会出现一个常驻的Ollama标记。8Deepseek本地部署方法图表：通过Ollama本地部署DeepSeek模型—在Ollama官网选择模型并复制指令资料：Ollama官网，中信建投

本地部署步骤2：接下来点击Ollama官网左上方的“Models”按钮，会列出支持的各种模型，目前最火的DeepSeek-R1排在显眼位置，点击进入deepseek-r1页面。进入这个界面后，点击下拉菜单，可以看到多个版本。我的主机是4090显卡24G显存，选择32b版本（数字越大，对显存要求越高）。选择好模型之后，点击右侧按钮，复制指令，这里是：ollama

run

deepseek-r1:32b。9Deepseek本地部署方法图表：通过Ollama本地部署DeepSeek模型—通过cmd按指令安装资料：Ollama官网，中信建投

本地部署步骤3：在Windows搜索栏输入“cmd”回车，唤出命令行窗口；黏贴运行刚才复制的命令，开始下载，32b模型容量大约19GB，请保持网络畅通；下载完成之后，就可以和DeepSeek对话了。10Deepseek本地部署方法图表：通过Ollama本地部署DeepSeek模型—构建微信智能体资料：Ollama官网，中信建投

本地部署步骤4：命令行窗口下对话不便于用户使用，可以使用Docker+Open

WebUI的方式构建较为美观的图文交互界面，可以使用AnythingLLM打造本地知识库。

我们尝试将deepseek

r1

32B植入微信，构建微信智能体，可以发现32b的反应速度很快，因为是R1模型，所以有深度思考功能。11提纲•

Deepseek介绍•

Deepseek本地部署方法

AI领域投资的思考•

全球大类资产策略组合表现•

风险提示12对AI领域投资的思考图表：本地部署DeepSeek模型，模型越复杂对电脑硬件算力要求越高资料：deepseek官网，中信建投

我们可以通过deepseek官网与DeepSeek-V3进行对话，查看部署DeepSeek各个版本的模型对电脑硬件的要求。

一般的笔记本电脑和台式机电脑主要是CPU，可以运行DeepSeek-R1-1.5B和DeepSeek-R1-7B，但回答速度偏慢，只能算是尝试和体验本地部署流程，没有实用价值。13对AI领域投资的思考图表：本地部署DeepSeek模型，模型越复杂对电脑硬件算力要求越高资料：deepseek官网，中信建投

英伟达消费级顶配RTX

4090能比较快的运行DeepSeek-R1-32B，但在运行DeepSeek-R1-70B时就比较慢了。

从对中小模型的使用来看，DeepSeek-R1-1.5B、DeepSeek-R1-7B和DeepSeek-R1-14B能处理简单的微信交流场景，但没法处理复杂问题，DeepSeek-R1-32B具有较为深度的思考，能满足服务客户的微信交流场景。14对AI领域投资的思考图表：本地部署DeepSeek模型，模型越复杂对电脑硬件算力要求越高资料：deepseek官网，中信建投

DeepSeek-R1-70B和DeepSeek-R1-671B（完整版）已经无法在英伟达单块消费级显卡上运行，需要更高性能的企业级版本，比如A100和H100，价格也更高。可以云端部署或调用API，但这样无法保证数据的私密性。

所以，DeepSeek-R1及其蒸馏小模型的高性能和开源，可能会使得更多的中小企业打造适合业务场景的智能体，比如微信客服，也能让普通人打造自己智能小助手，这些都会推升对算力的需求。15提纲•

Deepseek介绍•

Deepseek本地部署方法•

对AI领域投资的思考

全球大类资产策略组合表现•

风险提示16全球大类资产策略组合表现•

全球大类资产策略组合表现

全球多资产配置绝对收益@低风险•

全球多资产配置绝对收益@中高风险17全球多资产配置绝对收益@低风险图表：全球多资产配置绝对收益@低风险

组合净值资料：Wind，中信建投

业绩基准为中债总财富（总值）指数。

全

球

多资产配置绝对收益@低风险组合：本年回报0.86%，相比中债总财富（总值）指数超额收益0.40%。18全球多资产配置绝对收益@低风险图表：全球多资产配置绝对收益@低风险

持有1年年化收益（左）

&中债总财富(总值)

持有1年年化收益（右）资料：Wind，中信建投

业绩基准为中债总财富（总值）指数；全球多资产配置绝对收益@低风险组合

持有1年统计指标:

产品组合：中位数

4.91%,

最小值

1.66%,

最大值

7.98%,

正收益占比

100.00%

。

基准组合：中位数

5.12%,

最小值

-0.42%,

最大值

9.92%,

正收益占比

98.57%

。19大类资产策略组合表现•

大类资产策略组合表现•

全球多资产配置绝对收益@低风险

全球多资产配置绝对收益@中高风险20全球多资产配置绝对收益@中高风险图表：全球多资产配置绝对收益@中高风险

组合净值资料：Wind，中信建投

业绩基准为万得FOF指数。

全

球

多资产配置绝对收益@中高风险：本年回报3.66%，相对万得FOF指数超额收益3.61%。21大类资产配置ETF股票@绝对收益中高风险图表：全球多资产配置绝对收益@中高风险

持有1年年化收益（左）

&万得FOF指数

持有1年年化收益（右）资料：Wind，中信建投

业绩基准为万得FOF指数；全球多资产配置绝对收益@中高风险

持有1年统计指标:

产品组合：中位数

13.30%,

最小值

-0.66%,

最大值

29.