Os datos indican que desde o seu lanzamento, DeepSeek acumulou 22,15 millóns de usuarios activos diarios (DAU) dentro de só 21 días, logrando o 41,6% da base de usuarios de Chatgpt e superando 16,95 millóns de usuarios activos diarios de Doubao, converténdose así na aplicación de maior crecemento a nivel mundial, ocupando a tenda App de Apple en 157 países/rexións. Non obstante, mentres os usuarios acudiron en pistas, os ciber hackers atacaron implacablemente a aplicación DeepSeek, provocando unha tensión importante nos seus servidores. Os analistas da industria cren que isto débese parcialmente a DeepSeek que implementa tarxetas para a formación, sen carecer de poder computacional suficiente para o razoamento. Unha revisión informativa da industria informativa da tecnoloxía AI, "Os problemas frecuentes do servidor pódense resolver facilmente cobrando taxas ou financiamento para mercar máis máquinas; en última instancia, depende das decisións de Deepseek". Isto presenta unha compensación para centrarse na tecnoloxía fronte á produción. Deepseek confiou en gran medida na cuantificación cuántica para o autosuficiencia, recibindo pouco financiamento externo, obtendo unha presión de fluxo de caixa relativamente baixa e un ambiente tecnolóxico máis puro. Actualmente, á vista dos mencionados problemas, algúns usuarios están a instar a Deepseek nas redes sociais para elevar os limiares de uso ou introducir funcións de pago para mellorar o confort do usuario. Ademais, os desenvolvedores comezaron a utilizar a API oficial ou API de terceiros para a optimización. Non obstante, a plataforma aberta de DeepSeek anunciou recentemente, "os recursos do servidor actuais son escasos e suspendeuse as recargas do servizo API".

Sen dúbida, isto abre máis oportunidades para os vendedores de terceiros no sector de infraestruturas da IA. Recentemente, numerosos xigantes nacionais e internacionais lanzaron o modelo de DeepSeek: os xigantes de Overseas Microsoft e Amazon foron os primeiros en unirse a finais de xaneiro. O líder doméstico, Huawei Cloud, fixo o primeiro movemento, lanzando os servizos de razoamento de DeepSeek R1 e V3 en colaboración co fluxo baseado en silicio o 1 de febreiro. Os informes de AI Technology Review indican que os servizos de Flow baseados en silicio viron unha afluencia de usuarios, efectivamente "estrelando" a plataforma. As tres grandes empresas tecnolóxicas (BAT (Baidu, Alibaba, Tencent) e Bytedance) emitiu ofertas de baixo custo, tempo limitado a partir do 3 de febreiro, que recorda ao vendedor do vendedor da nube do ano pasado acendido polo lanzamento do modelo V2 de DeepSeek, onde DeepSeek comezou a ser denominado "Price Butcher". As accións frenéticas dos vendedores da nube fan eco dos fortes vínculos entre Microsoft Azure e Openai, onde en 2019, Microsoft realizou un investimento substancial de 1 mil millóns de dólares en Openai e obtivo beneficios despois do lanzamento de Chatgpt en 2023. Non obstante, esta estreita relación comezou a desfacerse despois de que o llama de orixe aberta, permitiu a outros vendedores de Microsoft o Ecoje Ecoxto con Meta Openced Llama. Neste caso, DeepSeek non só superou a ChatGPT en termos de calor do produto, senón que tamén introduciu modelos de código aberto tras a versión O1, similar á emoción que rodea o renacemento de LLAMA de GPT-3.

En realidade, os provedores de nube tamén se posicionan como pasarelas de tráfico para aplicacións de IA, o que significa que a profundización dos vínculos cos desenvolvedores tradúcese a vantaxes preventivas. Os informes indican que Baidu Smart Cloud tiña máis de 15.000 clientes que utilizaban o modelo DeepSeek a través da plataforma Qianfan o día de lanzamento do modelo. Ademais, varias empresas máis pequenas ofrecen solucións, incluíndo fluxo baseado en silicio, tecnoloxía Luchen, tecnoloxía Chuanjing e varios provedores de infra de IA que lanzaron soporte para modelos DeepSeek. A Revisión de Tecnoloxía AI aprendeu que as oportunidades de optimización actuais para os despregamentos localizados de DeepSeek existen principalmente en dúas áreas: unha está optimizando para as características de escaseza do modelo MOE mediante un enfoque de razoamento mixto para implementar o modelo MOE de 671 mil millóns de parámetros localmente mentres utiliza a inferencia híbrida GPU/CPU. Ademais, a optimización de MLA é vital. Non obstante, os dous modelos de DeepSeek aínda afrontan algúns retos na optimización do despregamento. "Debido ao tamaño do modelo e a numerosos parámetros, a optimización é realmente complexa, especialmente para os despregamentos locais onde conseguir un equilibrio óptimo entre o rendemento e o custo será un reto", afirmou un investigador da tecnoloxía Chuanjing. O obstáculo máis significativo reside na superación dos límites da capacidade de memoria. "Adoptamos un enfoque de colaboración heteroxénea para utilizar plenamente as CPU e outros recursos computacionais, colocando só as partes non compartidas da Matriz MOE escasa en CPU/DRAM para o seu procesamento mediante operadores de CPU de alto rendemento, mentres que as densas porcións permanecen no GPU", explicou ademais. Os informes indican que o marco de código aberto de Chuanjing KTransformers inxecta principalmente varias estratexias e operadores na implementación de transformadores orixinais a través dunha plantilla, aumentando significativamente a velocidade de inferencia usando métodos como CUDAPHAPH. Deepseek creou oportunidades para estas startups, xa que os beneficios de crecemento están a facerse evidentes; Moitas firmas reportaron un crecemento notable do cliente despois de lanzar a API de DeepSeek, recibindo consultas de clientes anteriores que buscan optimizacións. Os privilexiados da industria observaron: "No pasado, os grupos de clientes un tanto establecidos foron a miúdo bloqueados nos servizos normalizados de empresas máis grandes, moi ligadas polas súas vantaxes de custos debido á escala. Non obstante, despois de completar o despregamento de Deepseek-R1/V3 antes do festival de primavera, recibimos de súpeto as solicitudes de cooperación de varios clientes coñecidos", e incluso anteriormente dormidos nos seus clientes de Deepseek. " Na actualidade, parece que DeepSeek está a facer un rendemento de inferencia de modelos cada vez máis crítico e, cunha adopción máis ampla de grandes modelos, isto continuará influíndo significativamente no desenvolvemento na industria de AI infra. Se un modelo de nivel profundo podería despregarse localmente a un custo baixo, axudaría moito aos esforzos de transformación dixital do goberno e das empresas. Non obstante, os retos persisten, xa que algúns clientes poden ter expectativas altas sobre as grandes capacidades do modelo, polo que é máis evidente que o equilibrio do rendemento e o custo faise vital no despregamento práctico.