春节前打印了 R1 的论文准备细看，打包时候忘记收拾没带回老家，但架不住假日期间 DeepSeek 的热度旱地拔葱，相关技术文章被推送了不少，总算是弥补缺憾。节后上班第一天上午大家忙于排队领红包，下午就都开始讨论起了这个模型，都有尝鲜的需求，最终大佬们拍板决定在 910B 16卡训练机器上来部署满血 R1 模型。于是当晚下载好了模型文件，第二天正式开搞。
总体方案
R1 模型发布的权重是 FP8 的，总体规模在 671B，但是昇腾卡不支持 FP8，因此还需转回到 BF16 类型，那么模型权重占据显存将接近 1.4T ，这样算下来就需要 2 台机器共 32 张昇腾 910B 才足够。
软件方面依然是基于 MindIE，华为方面动作很快第一时间提供了教程和相关软件。
过程与效果
虽然没有用 MindIE 正式提供过推理服务，但是好歹之前在上面做过一些调研和测试。多亏公司内外同事的积极支持，一天之内临近下班前，服务成功拉起，收到了来自满血 R1 的第一个回复，吐字速度超过一般人的阅读速度，基本符合预期。别看过程还算顺利，其中还是经历了不少挠头时刻，下一节将踩过的坑稍作记录，希望能帮到有缘人。
不完全闭坑指南
华为方面提供了一个部署文档
https://www.hiascend.com/software/modelzoo/models/detail/68457b8a51324310aad9a0f55c3e56e3
下面的记录主要围绕这篇文档展开。
权重转换
GitHub R1 项目下没有任何代码，真正的权重转换脚本
https://github.com/deepseek-ai/DeepSeek-V3/blob/main/inference/fp8_cast_bf16.py
在 V3 项目中，而且这个脚本如果要在 NVIDIA 设备运行，需要设备支持 FP8 ，在很多公司还是主流的 A 卡是跑不通的。但是如果你都有了支持 FP8 的 NVIDIA 设备还转什么模型，直接用这样的模型部署 FP8 模型不就完了？一种情况是可能你只有低端的支持 FP8 的硬件，做不了大规模推理，这个时候无从选择还是得用它来转模型，用其他更强的硬件来部署。事实上 NPU 的路线可能更顺利，不存在这样的碰壁和重试。我们两条路都跑通了，要注意的不管用 GPU 还是 NPU 方案，除权重文件外的其他文件还是需要手工复制的。
镜像
文档中给的镜像从名字看像是 arm 平台的，x86 用户一不留神就要掉坑，好在我及时确认，切换到手工安装软件/构建镜像的路线上来，越过了这个大坑。昇腾相关的特定 POC 软件需联系华为方面获取，一共 6 个，软件安装步骤一起要过来，不要遗漏。
权限问题
这部分关于 owner 和 group 的指引应该只适用于官方镜像中的默认用户，在我们的容器环境下要改成 root:root。
rank_table_file
要非常注意格式，不要手工编辑，最好用程序来生成。一个没明说的点是简单类型字段都应该是 str 类型，不要想当然的改成其他类型，比如这个字段server_count，不要给整数类型的值。关于卡编号和 IP 信息如果是只能接触容器环境此时无疑要求助 SRE 获取卡 IP 之类的硬件信息。server_id该填主机 IP 还是容器 IP 非常不明确，好在最好证明二者都可以，也有可能这个字段压根不重要。
config.json
mindie-service 的配置文件 config.json ，根据示例配置基本不会出错。要注意的是必须开启多机推理以及ipAddress 和 managementIpAddress 要仔细看文档设置正确，不能无脑照抄文档。在单机设定下一度很重要的 npuDeviceIds 和 worldSize 其实会被忽略。
troubleshooting
mindie-service 服务如果拉起失败，通常只会 silently fail，屏幕上看不到任何有用输出，config.json 中设置的日志文件也没有任何内容。这种情况相当恼人，因为看不到任何反馈，几乎无法继续推进，只能尝试各种可能性，比如猜测前面提到的 rank_table_file 内容未正确配置，甚至怀疑 NPU 卡网络连接以及硬件配置存在问题。好在回到文档中前面跳过的“性能测试”章节，顺利跑通确认了这部分没有问题。但是最后还是笨办法打开局面，通过通读 mindie 相关文档，了解到还有个日志目录位于 $HOME/mindie，其中明白记录着 root cause 是因为有 pip 包未安装。
未解问题
1.4T 的模型是相当庞大的，要从远程复制到本地，带宽如果是 2GB/s 也需要十几分钟。除此之外这个版本的 mindie 加载模型也相当耗时，从执行 daemon 启动命令到服务可用要耗时 1 个小时以上，因此如果没有失败退出，不要怀疑是卡住了，真的只是因为慢。毫无疑问这部分有很大优化空间，只是具体方案只能依赖华为提供了（模型加载慢的问题，华为给了一个方法，可将耗时减到约 10 分钟。 export OMP_NUM_THREADS=1）。
