Τα δεδομένα υποδεικνύουν ότι από την απελευθέρωσή του, η Deepseek έχει συγκεντρώσει 22,15 εκατομμύρια καθημερινούς ενεργούς χρήστες (DAU) μέσα σε μόλις 21 ημέρες, επιτυγχάνοντας το 41,6% της βάσης χρηστών της ChatGPT και ξεπερνώντας τα 16,95 εκατομμύρια καθημερινά ενεργούς χρήστες του Doubao, καθιστώντας έτσι την ταχύτερα αναπτυσσόμενη εφαρμογή παγκοσμίως, η κορυφή του Apple App Store σε 157 χώρες/περιοχές. Ωστόσο, ενώ οι χρήστες συρρέουν σε droves, οι κυβερνοχώροι χάκερ έχουν επιτεθεί αμείλικτα στην εφαρμογή Deepseek, προκαλώντας σημαντική πίεση στους διακομιστές της. Οι αναλυτές της βιομηχανίας πιστεύουν ότι αυτό οφείλεται εν μέρει στην ανάπτυξη καρτών Deepseek για την κατάρτιση, ενώ δεν έχει επαρκή υπολογιστική ισχύ για συλλογιστική. Ένας βιομηχανικός εμπιστευτικός ενημέρωσε την αναθεώρηση της τεχνολογίας AI, "τα συχνή ζητήματα διακομιστή μπορούν να επιλυθούν εύκολα με τη χρέωση των τελών ή τη χρηματοδότηση για την αγορά περισσότερων μηχανών · τελικά, εξαρτάται από τις αποφάσεις του Deepseek". Αυτό παρουσιάζει ένα συμβιβασμό στην εστίαση στην τεχνολογία έναντι της παραγωγικότητας. Η Deepseek βασίζεται σε μεγάλο βαθμό στην κβαντική ποσοτικοποίηση για αυτοσυντήρηση, έχοντας λάβει ελάχιστη εξωτερική χρηματοδότηση, με αποτέλεσμα την σχετικά χαμηλή πίεση ταμειακών ροών και ένα καθαρότερο τεχνολογικό περιβάλλον. Επί του παρόντος, υπό το πρίσμα των προαναφερθέντων προβλημάτων, ορισμένοι χρήστες παροτρύνουν το Deepseek στα κοινωνικά μέσα ενημέρωσης να αυξήσουν τα κατώτατα όρια χρήσης ή να εισαγάγουν τα χαρακτηριστικά για την ενίσχυση της άνεσης των χρηστών. Επιπλέον, οι προγραμματιστές έχουν αρχίσει να χρησιμοποιούν το επίσημο API ή API τρίτων για βελτιστοποίηση. Ωστόσο, η ανοιχτή πλατφόρμα της Deepseek ανακοίνωσε πρόσφατα ότι "οι τρέχοντες πόροι διακομιστή είναι σπάνιοι και οι επαναφορτίσεις υπηρεσιών API έχουν ανασταλεί".

Αυτό αναμφισβήτητα ανοίγει περισσότερες ευκαιρίες για τους τρίτους προμηθευτές στον τομέα της υποδομής AI. Πρόσφατα, πολλοί οικιακοί και διεθνείς γίγαντες Cloud ξεκίνησαν το μοντέλο API -OverSeas Giants της Deepseek, οι Microsoft και Amazon ήταν από τους πρώτους που συμμετείχαν στα τέλη Ιανουαρίου. Ο εγχώριος ηγέτης, Huawei Cloud, έκανε την πρώτη κίνηση, απελευθερώνοντας τις υπηρεσίες λογικής Deepseek R1 και V3 σε συνεργασία με τη ροή που βασίζεται σε πυρίτιο την 1η Φεβρουαρίου. Οι τρεις μεγάλες εταιρείες τεχνολογίας-BAT (Baidu, Alibaba, Tencent) και ByteDance-εκδίδουν επίσης χαμηλού κόστους, περιορισμένους χρόνους προσφορές από τις 3 Φεβρουαρίου, που θυμίζουν τους πολεμικούς πολέμους του πωλητή σύννεφων του Deepseek, όπου η Deepseek άρχισε να μεταγλωττίζεται με τον "Butcher". Οι ξέφρενες ενέργειες των προμηθευτών σύννεφων αντανακλούν τους προηγούμενους ισχυρούς δεσμούς μεταξύ της Microsoft Azure και του OpenAI, όπου το 2019, η Microsoft έκανε μια σημαντική επένδυση ύψους 1 δισεκατομμυρίου δολαρίων στο OpenAI και να αποκομίσει οφέλη μετά την έναρξη του ChatGPT στο 2023. Σε αυτή την περίπτωση, η Deepseek δεν έχει ξεπεράσει μόνο το ChatGPT από την άποψη της θερμότητας του προϊόντος, αλλά έχει επίσης εισαγάγει μοντέλα ανοιχτού κώδικα μετά την απελευθέρωση O1, παρόμοια με τον ενθουσιασμό που περιβάλλει την αναβίωση του GPT-3 από το LLAMA.

Στην πραγματικότητα, οι πάροχοι σύννεφων τοποθετούνται επίσης ως πύλες κυκλοφορίας για εφαρμογές AI, πράγμα που σημαίνει ότι η εμβάθυνση των δεσμών με τους προγραμματιστές μεταφράζεται σε προληπτικά πλεονεκτήματα. Οι αναφορές δείχνουν ότι το Baidu Smart Cloud είχε πάνω από 15.000 πελάτες χρησιμοποιώντας το μοντέλο Deepseek μέσω της πλατφόρμας Qianfan την ημέρα εκτόξευσης του μοντέλου. Επιπλέον, αρκετές μικρότερες επιχειρήσεις προσφέρουν λύσεις, συμπεριλαμβανομένης της ροής που βασίζεται σε πυρίτιο, της τεχνολογίας Luchen, της τεχνολογίας Chuanjing και διαφόρων παρόχων AI infra που έχουν ξεκινήσει υποστήριξη για μοντέλα Deepseek. Η τεχνολογική ανασκόπηση της AI έχει μάθει ότι οι τρέχουσες ευκαιρίες βελτιστοποίησης για τις τοπικές αναπτύξεις του Deepseek υπάρχουν κυρίως σε δύο τομείς: η μία βελτιστοποιεί τα χαρακτηριστικά της αραιάς του μοντέλου MOE χρησιμοποιώντας μια μικτή συλλογιστική προσέγγιση για την ανάπτυξη του μοντέλου MOE 671 δισεκατομμυρίων παραμέτρων MOE, ενώ χρησιμοποιεί το υβριδικό συμπέρασμα GPU/CPU. Επιπλέον, η βελτιστοποίηση του MLA είναι ζωτικής σημασίας. Ωστόσο, τα δύο μοντέλα του Deepseek εξακολουθούν να αντιμετωπίζουν κάποιες προκλήσεις στη βελτιστοποίηση της ανάπτυξης. "Λόγω του μεγέθους και των πολυάριθμων παραμέτρων του μοντέλου, η βελτιστοποίηση είναι πράγματι περίπλοκη, ιδιαίτερα για τις τοπικές αναπτύξεις όπου η επίτευξη της βέλτιστης ισορροπίας μεταξύ της απόδοσης και του κόστους θα είναι προκλητική", δήλωσε ένας ερευνητής από την τεχνολογία Chuanjing. Το πιο σημαντικό εμπόδιο έγκειται στην υπέρβαση των ορίων της χωρητικότητας μνήμης. "Υιοθέτουμε μια ετερογενή προσέγγιση συνεργασίας για την πλήρη αξιοποίηση των CPU και άλλων υπολογιστικών πόρων, τοποθετώντας μόνο τα μη κοινό μέρη της αραιής μήτρας Moe στη CPU/DRAM για επεξεργασία χρησιμοποιώντας χειριστές CPU υψηλής απόδοσης, ενώ οι πυκνές μερίδες παραμένουν στη ΣΔΕ", εξήγησε περαιτέρω. Οι εκθέσεις δείχνουν ότι οι Ktransformers του Chuanjing εισάγουν κυρίως διάφορες στρατηγικές και χειριστές στην αρχική εφαρμογή μετασχηματιστών μέσω ενός προτύπου, ενισχύοντας σημαντικά την ταχύτητα των συμπερασμάτων χρησιμοποιώντας μεθόδους όπως το Cudagraph. Η Deepseek έχει δημιουργήσει ευκαιρίες για αυτές τις νεοσύστατες επιχειρήσεις, καθώς τα οφέλη ανάπτυξης γίνονται εμφανή. Πολλές επιχειρήσεις έχουν αναφέρει αξιοσημείωτη αύξηση των πελατών μετά την έναρξη του API Deepseek, λαμβάνοντας έρευνες από προηγούμενους πελάτες που αναζητούν βελτιστοποιήσεις. Οι εσωτερικοί κλάδοι έχουν σημειώσει: "Στο παρελθόν, οι κάπως καθιερωμένες ομάδες πελατών ήταν συχνά κλειδωμένες στις τυποποιημένες υπηρεσίες μεγαλύτερων εταιρειών, που δεσμεύθηκαν από τα πλεονεκτήματα του κόστους τους λόγω της κλίμακας. Επί του παρόντος, φαίνεται ότι η Deepseek κάνει όλο και πιο κρίσιμη την απόδοση του μοντέλου συμπερασμάτων και με την ευρύτερη υιοθέτηση μεγάλων μοντέλων, αυτό θα συνεχίσει να επηρεάζει σημαντικά την ανάπτυξη στη βιομηχανία AI infra. Εάν ένα μοντέλο σε επίπεδο βαθιάς ανάληψης θα μπορούσε να αναπτυχθεί τοπικά με χαμηλό κόστος, θα βοηθούσε σε μεγάλο βαθμό την κυβέρνηση και τις προσπάθειες ψηφιακής μετασχηματισμού των επιχειρήσεων. Ωστόσο, οι προκλήσεις παραμένουν, καθώς ορισμένοι πελάτες ενδέχεται να διαθέτουν υψηλές προσδοκίες σχετικά με τις μεγάλες δυνατότητες μοντέλου, καθιστώντας πιο φανερό ότι η εξισορρόπηση της απόδοσης και του κόστους καθίσταται ζωτικής σημασίας στην πρακτική ανάπτυξη.