随着DeepSeek在全球范围内的火爆，越来越多的服务商开始接入DeepSeek大模型。近期，亚马逊云科技宣布已经把DeepSeek-R1纳入其平台，DeepSeek-R1模型现在在亚马逊的云服务上可用。本文就来为大家详细介绍一下在Amazon SageMaker部署DeepSeek-R1教程，仅供参考。
一、DeepSeek-R1部署前准备
1、亚马逊免费云服务
Amazon SageMaker是一项完全托管的平台，用于构建、训练和部署机器学习模型。提供的免费服务有前两个月每月250个小时的t2.medium或t3.medium笔记本使用时间，50个小时的m4.xlarge或m5.xlarge训练和125个小时的m4.xlarge或m5.xlarge托管时间，免费试用时长为2个月。
点击获取：亚马逊免费云服务
2、模型版本
本文选择的是DeepSeek-R1-Distill蒸馏模型，推荐15B/70B参数版本。与DeepSeek-R1相比，成本降低90%-95%，适配免费资源（ml.t2.medium实例）。
进入亚马逊AWS官网，注册账号，完成邮箱验证及信用卡绑定（仅用于身份验证，免费套餐不扣费。）详情可参考：《如何注册亚马逊AWS账号？》
二、通过Amazon SageMaker快速部署
1、进入亚马逊AWS控制台，点击“机器学习”，选择Amazon SageMaker。
2、在Amazon SageMaker Studio中，通过左侧面板上的主页或主页菜单打开JumpStart登录页面。这将打开SageMaker JumpStart登录页面，用户可以在其中搜索“DeepSeek-R1-Distill”模型。
3、配置部署参数
实例类型：选择ml.t2.medium（2核CPU+4GB内存）。
部署模式：勾选“Cost-Saving Mode”以自动释放闲置实例
网络设置：使用默认VPC及安全组，避免复杂配置。
三、启动DeepSeek-R1模型部署
1、在SageMaker控制台点击"Deploy"，等待终端节点状态变为"In Service"。
2、通过内置Notebook测试推理：
from sagemaker.jumpstart.model import JumpStartModel
model = JumpStartModel(model_id="deepseek-r1-70b")
predictor = model.deploy()
response = predictor.predict({"prompt": "量子计算的商业应用场景", "max_tokens": 500})
