Údaje naznačujú, že od svojho vydania si DeepSeek za púhych 21 dní nazbieral 22,15 milióna denne aktívnych používateľov (DAU), čím dosiahol 41,6 % používateľskej základne ChatGPT a prekonal 16,95 milióna denne aktívnych používateľov aplikácie Doubao, čím sa stal najrýchlejšie rastúcou aplikáciou na svete a v 157 krajinách/regiónoch obsadil prvé miesto v Apple App Store. Zatiaľ čo sa používatelia hromadne hrnuli, kybernetickí hackeri neúnavne útočia na aplikáciu DeepSeek, čo spôsobuje značné zaťaženie jej serverov. Analytici z odvetvia sa domnievajú, že je to čiastočne spôsobené tým, že DeepSeek nasadzuje karty na tréning, pričom nemá dostatočný výpočtový výkon na uvažovanie. Zdroj z odvetvia pre AI Technology Review uviedol: „Časté problémy so servermi sa dajú ľahko vyriešiť účtovaním poplatkov alebo financovaním nákupu ďalších strojov; v konečnom dôsledku to závisí od rozhodnutí DeepSeek.“ To predstavuje kompromis medzi zameraním sa na technológiu a produktizáciou. DeepSeek sa do značnej miery spoliehal na kvantovú kvantizáciu pre svoju sebestačnosť, pričom získal málo externého financovania, čo viedlo k relatívne nízkemu tlaku na peňažné toky a čistejšiemu technologickému prostrediu. Vzhľadom na vyššie uvedené problémy niektorí používatelia v súčasnosti na sociálnych sieťach naliehajú na spoločnosť DeepSeek, aby zvýšila limity používania alebo zaviedla platené funkcie na zvýšenie používateľského komfortu. Vývojári navyše začali na optimalizáciu využívať oficiálne API alebo API tretích strán. Otvorená platforma DeepSeek však nedávno oznámila: „Súčasné serverové zdroje sú obmedzené a dobíjanie služieb API bolo pozastavené.“

Toto nepochybne otvára ďalšie príležitosti pre dodávateľov tretích strán v sektore infraštruktúry umelej inteligencie. Nedávno mnoho domácich a medzinárodných cloudových gigantov spustilo modelové API rozhraní DeepSeek – medzi prvými, ktorí sa koncom januára pridali, boli zámorskí giganti Microsoft a Amazon. Domáci líder, Huawei Cloud, urobil prvý krok a 1. februára v spolupráci so spoločnosťou Flow, ktorá je založená na spoločnosti Silicon, vydal služby uvažovania DeepSeek R1 a V3. Správy z AI Technology Review naznačujú, že služby spoločnosti Flow, ktorá je založená na spoločnosti Silicon, zaznamenali prílev používateľov, čo platformu v podstate „zrútilo“. Tri veľké technologické spoločnosti – BAT (Baidu, Alibaba, Tencent) a ByteDance – tiež vydali od 3. februára nízkonákladové, časovo obmedzené ponuky, ktoré pripomínajú minuloročné cenové vojny dodávateľov cloudu, ktoré vyvolalo spustenie modelu V2 spoločnosti DeepSeek, kde sa DeepSeek začal nazývať „cenovým mäsiarom“. Zbesilé konanie cloudových dodávateľov odráža skoršie silné väzby medzi Microsoft Azure a OpenAI, kde v roku 2019 spoločnosť Microsoft investovala do OpenAI značnú miliardu dolárov a po spustení ChatGPT v roku 2023 z toho vyťažila výhody. Tento blízky vzťah sa však začal narúšať po tom, čo spoločnosť Meta sprístupnila Llama s otvoreným zdrojovým kódom, čo umožnilo iným dodávateľom mimo ekosystému Microsoft Azure konkurovať ich veľkým modelom. V tomto prípade spoločnosť DeepSeek nielenže prekonala ChatGPT z hľadiska produktového zamerania, ale po vydaní o1 predstavila aj open-source modely, podobne ako vzrušenie okolo oživenia GPT-3 spoločnosťou Llama.

V skutočnosti sa poskytovatelia cloudových služieb prezentujú aj ako brány pre dáta v aplikáciách umelej inteligencie, čo znamená, že prehĺbenie väzieb s vývojármi sa premieta do preventívnych výhod. Správy naznačujú, že Baidu Smart Cloud mal v deň spustenia modelu DeepSeek viac ako 15 000 zákazníkov využívajúcich model DeepSeek prostredníctvom platformy Qianfan. Okrem toho niekoľko menších firiem ponúka riešenia vrátane spoločností Flow na báze Siliconu, Luchen Technology, Chuanjing Technology a rôznych poskytovateľov AI Infra, ktorí spustili podporu pre modely DeepSeek. AI Technology Review zistil, že súčasné možnosti optimalizácie pre lokalizované nasadenie DeepSeek existujú predovšetkým v dvoch oblastiach: jednou je optimalizácia charakteristík riedkosti modelu MoE pomocou zmiešaného prístupu uvažovania na lokálne nasadenie modelu MoE so 671 miliardami parametrov s využitím hybridnej inferencie GPU/CPU. Okrem toho je nevyhnutná optimalizácia MLA. Dva modely DeepSeek však stále čelia určitým výzvam pri optimalizácii nasadenia. „Vzhľadom na veľkosť modelu a početné parametre je optimalizácia skutočne zložitá, najmä pri lokálnych nasadeniach, kde bude dosiahnutie optimálnej rovnováhy medzi výkonom a nákladmi náročné,“ uviedol výskumník zo spoločnosti Chuanjing Technology. Najvýznamnejšou prekážkou je prekonanie limitov kapacity pamäte. „Na plné využitie CPU a iných výpočtových zdrojov prijímame heterogénny prístup k spolupráci, pričom na CPU/DRAM umiestňujeme iba nezdieľané časti riedkej matice MoE na spracovanie pomocou vysokovýkonných operátorov CPU, zatiaľ čo husté časti zostávajú na GPU,“ ďalej vysvetlil. Správy naznačujú, že open-source framework KTransformers od spoločnosti Chuanjing primárne vkladá rôzne stratégie a operátory do pôvodnej implementácie Transformers prostredníctvom šablóny, čím výrazne zvyšuje rýchlosť inferencie pomocou metód ako CUDAGraph. DeepSeek vytvoril príležitosti pre tieto startupy, keďže sa stávajú zjavnými výhody rastu; mnohé firmy hlásili znateľný nárast zákazníkov po spustení rozhrania DeepSeek API a dostali dopyty od predchádzajúcich klientov, ktorí hľadali optimalizácie. Zasvätení ľudia z odvetvia poznamenali: „V minulosti boli do istej miery etablované skupiny klientov často viazané na štandardizované služby väčších spoločností, pevne viazané svojimi nákladovými výhodami vďaka rozsahu. Po dokončení nasadenia DeepSeek-R1/V3 pred jarným festivalom sme však zrazu dostali žiadosti o spoluprácu od niekoľkých známych klientov a dokonca aj predtým neaktívni klienti iniciovali kontakt s cieľom predstaviť naše služby DeepSeek.“ V súčasnosti sa zdá, že DeepSeek zvyšuje dôležitosť výkonu inferencie modelov a so širším prijatím rozsiahlych modelov to bude naďalej výrazne ovplyvňovať vývoj v odvetví infraštruktúry umelej inteligencie. Ak by sa model na úrovni DeepSeek dal nasadiť lokálne za nízku cenu, výrazne by to pomohlo úsiliu vlády a podnikov o digitálnu transformáciu. Výzvy však pretrvávajú, pretože niektorí klienti môžu mať vysoké očakávania týkajúce sa možností rozsiahlych modelov, čo ešte viac zdôrazňuje, že vyváženie výkonu a nákladov sa stáva pri praktickom nasadení kľúčovým.