DeepSeek 简介
深度求索人工智能基础技术研究有限公司(简称“深度求索”或“DeepSeek”)，成立于2023年，是一家专注于实现 AGI 的中国公司。
GitHub 仓库地址：DeepSeek · GitHub
DeepSeek 官网：DeepSeek | 深度求索
维基百科简介：深度求索 – 维基百科，自由的百科全书
深度求索（英语：DeepSeek），全称杭州深度求索人工智能基础技术研究有限公司，是中华人民共和国的一家人工智能与大型语言模型公司。该公司的总部位于中国大陆浙江省杭州市，由中资对冲基金幻方量化创立，创始人和首席执行官为梁文锋。
2025 年 1 月 10 日，DeepSeek 为 iOS 和安卓系统发布其首款免费的基于 DeepSeek-R1 模型聊天机器人程序。截止到 27 日，DeepSeek-R1 超过 ChatGPT 成为美区 iOS 应用商店免费应用程序榜首，并导致英伟达股股价大跌 18%。DeepSeek 成功挑战实力更强、更为著名的竞品从而被认为是颠覆人工智能、打响了全球人工智能领域竞赛的第一枪、引领人工智能下边缘政策新纪元。
DeepSeek 开源其生成式人工智能算法、模型和训练细节，允许其代码可被免费地使用、修改、浏览和构建使用文档。该公司据报积极地从中国顶尖高校吸引年轻的人工智能研究者并招募计算机科学领域外的人以丰富其模型的认知和能力。
DeepSeek 的崛起引发争议，既带来技术突破，也激起了围绕知识产权与数据来源、隐私与数据安全、算力成本与芯片依赖等问题的广泛讨论，同时加剧了中美 AI 竞赛的紧迫感。
Azure AI Foundry
在 Azure AI Foundry 部署 DeepSeek 之前，先简单了解一下 Azure AI Foundry。Azure AI Foundry 是一个综合性的平台，用于构建、训练和部署机器学习和人工智能模型。在这个平台中 Hub、Project 和 Models 有着紧密的关联关系，这些组件共同构成了一个完整的工作流程。
-
Hub（中心）:
- Hub 是 Azure AI Foundry 的核心组件，是整个系统的中央管理点。它负责管理所有的资源和配置，包括：数据集、模型、项目、部署环境等。
- 在 Hub 中，您可以查看和管理所有的 Project 和 Models，并且可以进行权限管理和资源分配。
-
Project（项目）:
- Project 是在 Hub 中为了实现特定业务需求而创建的具体工作单元。每个 Project 包含了为实现该项目目标所需的全部内容，如：数据集、模型训练脚本、配置文件和其他相关资源。
- Project 是实际进行数据处理、模型开发和实验管理的地方。它提供一个框架，确保这些过程的有序和可重复性。
-
Models（模型）:
- 模型是根据 Project 中的数据和特定的机器学习算法训练出来的，可用于进行预测或分类等任务。
- 在模型开发完成后，它会部署到指定的环境中进行测试和使用。Hub 管理这些模型的版本和部署状态，以确保模型能够被正确调用和监控。
因此，在 Azure AI Foundry 中，您需要先在 Hub 里创建和管理 Project，在每个 Project 中进行模型的开发和训练，最后通过 Hub 来进行模型部署和管理，以确保整个流程的顺畅和高效。
创建 Hub
打开 Azure AI Foundry 链接，点击“+ Create” — “Hub”。
注意：区域的选择，确保对应区域存在资源，可用区域参考：Region availability for models in Serverless API endpoints – Azure AI Foundry | Microsoft Learn
目前 DeepSeek 只在以下几个区域提供：
- East US
- East US 2
- North Central US
- South Central US
- West US
- West US 3
部署完 Azure AI Hub 后，点击“Launch Azure AI Foundry”。
创建 Project
点击“Overview” — “新建项目”。
输入项目名称，点击“创建”。
创建 Models
点击“模型+终结点” — “部署模型” — “部署基本模型”。
搜索“deepseek”，点击“确认”。
选择项目：“deepseek-r1”，部署名称默认自动生成，可以根据需要进行修改，然后点击“部署”。
部署完成以后，点击“在操场中打开”，开启聊天会话。
开始愉快的聊天。
API 调用
API 调用可以使用如下图所示演示代码，也可以使用木子下方提供的测试代码。
chat.py 文件：
import os
from azure.ai.inference import ChatCompletionsClient
from azure.core.credentials import AzureKeyCredential
from dotenv import load_dotenv
from azure.ai.inference.models import SystemMessage, UserMessage
load_dotenv()
AZURE_ENDPOINT = os.getenv("AZURE_ENDPOINT")
AZURE_KEY = os.getenv("AZURE_KEY")
client = ChatCompletionsClient(
endpoint=os.environ["AZURE_ENDPOINT"],
credential=AzureKeyCredential(os.environ["AZURE_KEY"]),
)
response = client.complete(
messages=[
SystemMessage(content="你是一名运维工程师"),
UserMessage(content="Linux 有哪些发行版？"),
],
)
print("Response:", response.choices[0].message.content).env 文件：
# 根据实际情况进行设置
AZURE_ENDPOINT=https://xxx.eastus2.models.ai.azure.com
AZURE_KEY=xxxxrequirements.txt 文件：
azure-core
azure-ai-inference
python-dotenv测试结果：
❯ python ./chat.py
Response: <think>
</think>
Linux 有很多不同的发行版（Distribution），以下是常见的主要发行版及其分类：
---
### **基于 Debian 的发行版**
1. **Ubuntu**
- 最流行的桌面发行版之一，适合新手。
- 衍生版本：Kubuntu（KDE 桌面）、Lubuntu（轻量级）、Xubuntu（XFCE 桌面）、Ubuntu Server 等。
2. **Linux Mint**
- 基于 Ubuntu，界面友好，适合从 Windows 转来的用户。
3. **Debian**
- 以稳定著称，是 Ubuntu 的基础。
4. **Pop!_OS**
- 由 System76 开发，专注于开发者和硬件兼容性。
---
### **基于 Red Hat 的发行版**
1. **Fedora**
- 由社区支持，注重新技术，稳定性较好。
2. **CentOS**
- 曾经是企业级的免费稳定版（基于 RHEL），现转向 CentOS Stream（滚动更新）。
3. **Red Hat Enterprise Linux (RHEL)**
- 商业付费版本，主打企业级支持。
4. **Rocky Linux / AlmaLinux**
- CentOS 替代品，旨在延续免费的企业级稳定系统。
---
### **基于 Arch Linux 的发行版**
1. **Arch Linux**
- 滚动更新，高度可定制，适合高手。
2. **Manjaro**
- 基于 Arch，但更用户友好，适合新手。
3. **EndeavourOS**
- 简化 Arch 安装过程，保留灵活性。
---
### **独立/其他派系发行版**
1. **openSUSE**
- 分为 Leap（稳定版）和 Tumbleweed（滚动更新），企业级工具丰富。
2. **Gentoo**
- 需从源码编译软件，高度优化，适合高级用户。
3. **Slackware**
- 最古老的发行版之一，以简洁稳定著称。
4. **NixOS**
- 强调配置化和可复现性，适合开发环境。
---
### **轻量级/专用发行版**
1. **Alpine Linux**
- 轻量级，适合容器和嵌入式系统。
2. **Raspberry Pi OS**
- 专为树莓派设计的系统。
3. **Kali Linux**
- 专注于渗透测试和安全审计。
4. **Tails**
- 强调隐私和匿名上网的发行版。
---
### **其他特色发行版**
- **Elementary OS**：模仿 macOS 设计。
- **Zorin OS**：针对 Windows 用户优化的界面。
- **Deepin**：国产发行版，界面美观。
---
选择发行版时，需考虑用途（桌面/服务器/嵌入式）、易用性、社区支持等因素。新手推荐 Ubuntu 或 Linux Mint，服务器常用 CentOS/RHEL 或 Debian，高手可尝试 Arch/Gentoo。总结
在 Azure AI Foundry 部署 DeepSeek 相对简单，但需要注意的是，这只是一个部署示范。根据 DeepSeek 的跑分数据显示，DeepSeek 在执行复杂推理任务时表现优异，其性能与 OpenAI-o1 模型相当，尤其在数学、编码和解决问题等领域表现突出。然而，对于 DeepSeek 在实际生产环境中的表现，还需要在具体的业务场景中进一步验证其效果和实用性。
