中信建投：DeepSeek本地部署与全球资产配置组合跟踪

（原标题：中信建投：DeepSeek本地部署与全球资产配置组合跟踪）

智通财经APP获悉，中信建投发布研报称，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%。

中信建投主要观点如下：

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RTX 4090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%。

风险提示：

1. 高相关性导致风险分散效果降低：模型的核心思想是将投资组合的风险平均分配到各资产中，追求各资产风险贡献相同。然而，当某些资产之间的相关性较高时，协方差矩阵中的协方差项会较大，导致这些高相关性资产对组合的总风险贡献增大。这样一来，投资组合的总风险将更加依赖于这些高相关性资产，从而降低了风险平价模型的风险分散效果。

2. 市场环境变化可能导致模型失效：量化模型的有效性基于历史数据的回测，但未来市场环境的变化可能与历史数据存在较大差异，导致模型失效。例如，市场的宏观环境、投资者的交易行为或局部博弈的变化，都可能影响因子的实际表现，进而使得风险平价或最大多元化策略无法实现预期的效果。

3. 资产选择的局限性：策略的效果在很大程度上取决于资产的选择。资产的选择和市场的波动性会对策略的表现产生重要影响。投资者需要根据市场环境和自身的风险偏好，灵活调整策略，并警惕模型失效的风险。