介紹
人工智慧革命不再局限於高階伺服器或雲端平台。借助DeepSeek R1等模型（一種可與頂級商業產品相媲美的最先進的推理模型），您現在可以直接在 Android 設備上利用先進的 AI 功能。在本指南中，我將向您展示如何在本地部署 DeepSeek R1 以實現隱私、客製化和離線使用。
為什麼在 Android 上執行 DeepSeek R1？
-
隱私：無需依賴雲，即可在本地處理敏感資料。
-
成本效益：避免 API 費用（DeepSeek 的 API 費用約為 OpenAI 的 5%）。
-
離線存取：即使沒有網路連線也可以使用 AI。
-
客製化：針對特定應用（編碼、創意寫作等）微調模型。
先決條件
- 硬體:
-
具有≥8GB RAM的 Android 裝置（適用於 8B/14B 型號）。
-
Snapdragon 8 Gen 2/3 或同等處理器。
-
≥12GB儲存空間。
- 軟體:
-
Termux （Linux 終端模擬器）。
-
熟悉基本命令列。
步驟 1：安裝 Termux 和依賴項
- 下載 Termux ：
從Termux 的 GitHub取得最新的 APK。
- 設定 Termux ：
termux-setup-storage # Grant storage permissions
pkg update && pkg upgrade # Update packages
pkg install git cmake golang libjpeg-turbo # Install dependencies步驟 2：從原始碼建置 Ollama
Ollama 是一個管理 AI 模型的輕量級工具。
- 克隆儲存庫：
git clone --depth 1 https://github.com/ollama/ollama.git
cd ollama- 編譯 Ollama ：
go generate ./...
go build . # Build the Ollama binary步驟 3：下載 DeepSeek R1 模型
對於 Android，使用蒸餾或量化模型：
- 推薦：
deepseek-r1:1.5b(5.7GB) 或deepseek-r1:8b-q4(量化)。
拉動模型：
./ollama run deepseek-r1:8b # Download the 8B model步驟 4：執行 DeepSeek R1
- 啟動 Ollama 伺服器：
./ollama serve & # Run in the background- 與模型互動：
./ollama run deepseek-r1:8b
>>> "Write Python code to calculate a Fibonacci sequence"優化效能
-
使用量化模型：使用
deepseek-r1:8b-q4將 RAM 使用量減少 30%。 -
防止睡眠：透過以下方式保持 Termux 處於活動狀態：
pkg install termux-services
sv-enable termux-wake-lock- 釋放 RAM ：執行模型前關閉背景應用程式。
故障排除
- 連接埠衝突：
./ollama serve --port 8080 & # Use a different port-
記憶體不足：使用
top監控 RAM 並切換到較小的型號。 -
未找到模型：確保使用
ollama pull deepseek-r1:8b完成下載。
結論
在 Android 上執行 DeepSeek R1 可為編碼、研究和創意專案解鎖私人離線 AI 。有了本指南，您就可以嘗試尖端模型，而無需依賴雲端。分享您的結果，調整設置，並突破移動 AI 的界限！
延伸閱讀：
原文出處：https://dev.to/majdisaibi/how-to-run-deepseek-r1-locally-on-your-android-device-4ape
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式