騰訊雲賬號購買： GPU 服務器一鍵部署 Stable Diffusion 與 DeepSeek 實操指南

對於很多想玩 AI 繪畫和本地大語言模型的朋友來說，最頭疼的莫過於

環境配置

。配環境時遇到 CUDA 版本衝突、PyTorch 依賴報錯、模型下載中斷等問題，足以勸退 90% 的新手。

那麼，有沒有一種方法能讓我們避開這些底層的繁瑣細節，實現“即開即用”？

答案是肯定的。使用騰訊雲的 GPU 雲服務器（HAI 或 GN 系列），配合預設的應用鏡像或 Docker 容器，最快只需幾分鐘就能搭建好屬於你自己的

Stable Diffusion（AI 繪圖）

或

DeepSeek（大語言模型）

專屬私有服務。

 

本文將手把手帶你完成全流程部署，保證新手也能跟著做成功。

一、 準備工作：服務器選型與基礎設施配置

在開始前，你需要準備好基礎設施。部署 AI 模型對計算資源（尤其是顯存）有硬性要求：

 

Stable Diffusion（SD WebUI / ComfyUI）：建議顯存 $\ge 8\text{GB}$（如 NVIDIA T4 或 V100/A10），內存 $16\text{GB}$ 以上。

DeepSeek 蒸餾版（7B/14B）：建議顯存 $\ge 16\text{GB}$；若想運行大參數版本，則需要配置更高的 GPU 實例。

1. 賬號與權限設置

 

如果你還沒有云端環境，需要先完成賬戶註冊與實名認證。對於企業團隊或需要批量採購的企業用戶，建議通過正規渠道進行

騰訊雲賬號購買

與開通，以便獲取更好的架構諮詢支持與專屬優惠折扣。

2. 創建 GPU 實例

 

登錄騰訊雲控制台，進入 GPU 雲服務器 或 高性能應用服務 (HAI) 頁面。

選擇地域（建議選擇離你最近的節點，如廣州、上海、北京）。

關鍵配置： 操作系統/鏡像：直接選擇內置 Ubuntu 20.04/22.04 + NVIDIA CUDA 11.8/12.x 的基礎鏡像，或者直接選擇預裝了 AI 環境的應用鏡像。 網絡與安全組：開放需要用到的端口（如 SD 的 7860 端口、Ollama/DeepSeek 的 11434 或 8080 端口）。

二、 場景一：一鍵部署 Stable Diffusion（AI 繪圖）

如果你想擁有一臺隨隨時調用的 AI 畫室，可以按以下步驟操作：

方法 1：使用預裝鏡像（最快，適合純新手）

 

在騰訊雲創建 HAI 實例時，直接在應用模板中勾選

Stable Diffusion WebUI

。

部署完成後，控制台會自動生成一個訪問鏈接，點擊即可進入 WebUI 界面，連命令行都不用敲。

 

方法 2：基於 Docker 容器部署（推薦，靈活可控）

如果你選的是標準的 Linux GPU 實例，推薦用 Docker 極速拉起環境：

# 1. 掛載顯卡驅動並運行 SD 容器

docker run -d --gpus all \

 -p 7860:7860 \

 -v /data/sd-models:/app/models \

 --name sd-webui \

 yanmitsu/sd-webui:latest

小貼士：模型文件通常較大，建議單獨購買一塊雲硬盤掛載到 /data 目錄，方便存放各種 Checkpoint（如 SD 1.5、SDXL、ControlNet）和 Lora 模型，防止系統盤撐爆。

設置完畢後，在瀏覽器訪問

http://你的服務器IP:7860

即可開始創作。

三、 場景二：一鍵部署 DeepSeek 私有大模型

DeepSeek 是目前開源大模型中的佼佼者。將 DeepSeek 部署在騰訊雲 GPU 服務器上，可以保證數據隱私，還能通過 API 接入你自己的業務系統。

這裡我們推薦使用

Ollama + Open-WebUI

的組合，打造類似 ChatGPT 的交互界面。

步驟 1：安裝 Ollama 並拉取 DeepSeek

登錄服務器後，執行官方一鍵安裝腳本：

系統會自動下載並加載模型。此時在終端裡就已經可以和 DeepSeek 進行對話了！

步驟 2：部署 Open-WebUI 可視化界面

 

終端對話不夠直觀，我們用 Docker 拉起一個漂亮的 Web 界面：

部署完成後，打開瀏覽器訪問 http://你的服務器IP:8080，註冊管理員賬號後，選擇剛剛下載好的 deepseek-r1:7b，即可享受極速且完全私密的 AI 問答體驗！

四、 常見踩坑點與性能優化提示

顯存溢出（OOM）SD 優化：啟動參數加上 --medvram 或 --lowvram，可以用少量性能損失換取顯存佔用的大幅降低。 help.aliyun.comDeepSeek 優化：根據 GPU 顯存選擇量化版本（如 Q4_K_M），不要盲目追求高參數版本。 阿里雲文檔

帶寬限制導致模型下載慢 阿里雲文檔騰訊雲按量計費模式下，建議把公網帶寬峰值拉到 100Mbps 以上。因為是按流量結算，大帶寬能讓你幾分鐘內下載完數十 GB 的模型，用完後再調低或關機，性價比極高。

數據持久化與安全記得在安全組中對端口設置 IP 訪問白名單，或者配置 Basic Auth 密碼認證，防止你的私有 GPU 被他人掃描並盜用算力。

總結

利用騰訊雲 GPU 雲服務器的算力優勢，配合 Docker 和現成鏡像，無論是一鍵生成圖片還是搭建本地大模型知識庫，都已經變得觸手可及。

對於有批量部署需求、需要靈活打通私有云架構的企業，建議提前做好資源規劃，找準合規的

騰訊雲賬號購買

與服務支持渠道，在降低算力成本的同時確保運維效率。現在就打開控制台，動手搭建你的第一個 AI 服務器吧！