Gegevens tonen aan dat DeepSeek sinds de release in slechts 21 dagen 22,15 miljoen dagelijkse actieve gebruikers (DAU) heeft verzameld, goed voor 41,6% van ChatGPT's gebruikersbestand en meer dan 16,95 miljoen dagelijkse actieve gebruikers van Doubao. Daarmee is DeepSeek wereldwijd de snelstgroeiende applicatie, die in 157 landen/regio's bovenaan de Apple App Store staat. Terwijl gebruikers massaal toestroomden, hebben cyberhackers de DeepSeek-app echter meedogenloos aangevallen, wat de servers aanzienlijk belastte. Analisten denken dat dit deels te wijten is aan het feit dat DeepSeek kaarten inzet voor training, terwijl het onvoldoende rekenkracht heeft om te redeneren. Een insider in de branche vertelde AI Technology Review: "De frequente serverproblemen kunnen eenvoudig worden opgelost door kosten in rekening te brengen of door financiering te verstrekken voor de aanschaf van meer machines; uiteindelijk hangt het af van de beslissingen van DeepSeek." Dit is een afweging tussen de focus op technologie en productisering. DeepSeek is voor zijn zelfvoorziening grotendeels afhankelijk geweest van kwantumkwantificering, omdat het weinig externe financiering heeft ontvangen. Dit heeft geresulteerd in een relatief lage cashflowdruk en een zuiverdere technologische omgeving. Gezien de bovengenoemde problemen dringen sommige gebruikers er momenteel op sociale media bij DeepSeek op aan om de gebruiksdrempels te verhogen of betaalde functies te introduceren om het gebruikerscomfort te verbeteren. Daarnaast zijn ontwikkelaars begonnen met het gebruik van de officiële API of API's van derden voor optimalisatie. Het open platform van DeepSeek kondigde echter onlangs aan: "De huidige serverbronnen zijn schaars en de kosten voor API-diensten zijn opgeschort."

Dit opent ongetwijfeld meer mogelijkheden voor externe leveranciers in de AI-infrastructuursector. Onlangs hebben talloze binnenlandse en internationale cloudgiganten de model-API's van DeepSeek gelanceerd – buitenlandse giganten Microsoft en Amazon behoorden tot de eersten die zich eind januari aansloten. De binnenlandse marktleider, Huawei Cloud, zette de eerste stap door op 1 februari DeepSeek R1 en V3-redeneringsdiensten te lanceren in samenwerking met het op Silicon gebaseerde Flow. Rapporten van AI Technology Review geven aan dat de op Silicon gebaseerde Flow-diensten een toestroom van gebruikers hebben gezien, waardoor het platform in feite is "gecrasht". De drie grote techbedrijven – BAT (Baidu, Alibaba, Tencent) en ByteDance – boden vanaf 3 februari ook voordelige, tijdelijke aanbiedingen aan, die doen denken aan de prijsoorlog tussen cloudleveranciers vorig jaar, die ontbrandde door de lancering van DeepSeeks V2-model, waarbij DeepSeek de bijnaam "prijsslager" kreeg. De paniekerige acties van cloudleveranciers weerspiegelen de eerdere sterke banden tussen Microsoft Azure en OpenAI, waar Microsoft in 2019 een aanzienlijke investering van $ 1 miljard in OpenAI deed en de vruchten plukte na de lancering van ChatGPT in 2023. Deze nauwe relatie begon echter te slijten nadat Meta Llama open source maakte, waardoor andere leveranciers buiten het Microsoft Azure-ecosysteem konden concurreren met hun grote modellen. In dit geval heeft DeepSeek ChatGPT niet alleen ingehaald qua producthitte, maar ook open-sourcemodellen geïntroduceerd na de release van O1, vergelijkbaar met de opwinding rond Llama's heropleving van GPT-3.

In werkelijkheid positioneren cloudproviders zich ook als verkeersgateways voor AI-toepassingen, wat betekent dat het verdiepen van de banden met ontwikkelaars zich vertaalt in preventieve voordelen. Rapporten geven aan dat Baidu Smart Cloud op de lanceringsdag meer dan 15.000 klanten had die het DeepSeek-model gebruikten via het Qianfan-platform. Daarnaast bieden verschillende kleinere bedrijven oplossingen aan, waaronder Silicon-based Flow, Luchen Technology, Chuanjing Technology en diverse AI Infra-providers die ondersteuning voor DeepSeek-modellen hebben gelanceerd. AI Technology Review heeft vastgesteld dat er momenteel voornamelijk optimalisatiemogelijkheden zijn voor gelokaliseerde implementaties van DeepSeek op twee gebieden: ten eerste is er optimalisatie voor de sparsity-kenmerken van het MoE-model met behulp van een mixed reasoning-benadering om het MoE-model met 671 miljard parameters lokaal te implementeren, terwijl hybride GPU/CPU-inferentie wordt gebruikt. Daarnaast is de optimalisatie van MLA essentieel. De twee modellen van DeepSeek staan ​​echter nog steeds voor uitdagingen bij de optimalisatie van de implementatie. "Vanwege de omvang van het model en de vele parameters is optimalisatie inderdaad complex, met name voor lokale implementaties waar het bereiken van een optimale balans tussen prestaties en kosten een uitdaging zal zijn", aldus een onderzoeker van Chuanjing Technology. De belangrijkste hindernis ligt in het overwinnen van de beperkingen van de geheugencapaciteit. "We hanteren een heterogene samenwerkingsaanpak om CPU's en andere rekenkracht volledig te benutten, waarbij we alleen de niet-gedeelde delen van de sparse MoE-matrix op CPU/DRAM plaatsen voor verwerking met behulp van krachtige CPU-operators, terwijl de dense delen op de GPU blijven", legde hij verder uit. Rapporten geven aan dat Chuanjings open-source framework KTransformers voornamelijk verschillende strategieën en operatoren in de oorspronkelijke Transformers-implementatie injecteert via een template, waardoor de inferentiesnelheid met behulp van methoden zoals CUDAGraph aanzienlijk wordt verbeterd. DeepSeek heeft kansen gecreëerd voor deze startups, aangezien de groeivoordelen duidelijk worden; veel bedrijven hebben een aanzienlijke klantengroei gemeld na de lancering van de DeepSeek API, en ontvingen vragen van eerdere klanten die op zoek waren naar optimalisaties. Insiders uit de sector merkten op: "In het verleden zaten enigszins gevestigde klantgroepen vaak vast aan de gestandaardiseerde services van grotere bedrijven, sterk gebonden aan hun kostenvoordelen dankzij schaal. Nadat we echter de implementatie van DeepSeek-R1/V3 vóór het Lentefestival hadden afgerond, ontvingen we plotseling verzoeken om samenwerking van verschillende bekende klanten, en zelfs voorheen inactieve klanten namen contact op om onze DeepSeek-services te introduceren." Momenteel lijkt het erop dat DeepSeek de prestaties van modelinferentie steeds belangrijker maakt, en met de bredere acceptatie van grote modellen zal dit de ontwikkeling in de AI-infrastructuursector aanzienlijk blijven beïnvloeden. Als een model op DeepSeek-niveau lokaal en tegen lage kosten kan worden geïmplementeerd, zou dit de digitale transformatie van overheden en bedrijven aanzienlijk ondersteunen. Er blijven echter uitdagingen bestaan, aangezien sommige klanten hoge verwachtingen hebben van de mogelijkheden van grote modellen, waardoor het steeds duidelijker wordt dat het vinden van een evenwicht tussen prestaties en kosten essentieel is bij de praktische implementatie.