Data dui daarop dat DeepSeek sedert sy vrystelling 22,15 miljoen daaglikse aktiewe gebruikers (DAU) binne slegs 21 dae bymekaargemaak het, wat 41,6% van ChatGPT se gebruikersbasis bereik het en 16,95 miljoen daaglikse aktiewe gebruikers van Doubao oorskry het, en sodoende die vinnigste groeiende toepassing wêreldwyd geword het en die Apple App Store in 157 lande/streke oortref het. Terwyl gebruikers egter in groot getalle toegestroom het, het kuberkrakers die DeepSeek-app meedoënloos aangeval, wat aansienlike druk op sy bedieners veroorsaak het. Bedryfsontleders glo dat dit deels te wyte is aan die feit dat DeepSeek kaarte vir opleiding ontplooi terwyl hulle nie genoeg berekeningskrag vir redenasie het nie. 'n Bedryfsinsider het AI Technology Review meegedeel: "Die gereelde bedienerprobleme kan maklik opgelos word deur fooie te hef of finansiering te vra om meer masjiene aan te koop; uiteindelik hang dit af van DeepSeek se besluite." Dit bied 'n kompromie tussen die fokus op tegnologie teenoor produktisering. DeepSeek het grootliks op kwantumkwantisering staatgemaak vir selfonderhoud, nadat hulle min eksterne befondsing ontvang het, wat gelei het tot relatief lae kontantvloeidruk en 'n suiwerder tegnologiese omgewing. Tans, in die lig van die bogenoemde probleme, dring sommige gebruikers DeepSeek op sosiale media aan om gebruiksdrempels te verhoog of betaalde funksies in te stel om gebruikersgerief te verbeter. Daarbenewens het ontwikkelaars begin om die amptelike API of derdeparty-API's vir optimalisering te gebruik. DeepSeek se oop platform het egter onlangs aangekondig: "Huidige bedienerhulpbronne is skaars, en API-diensherlaai is opgeskort."

Dit bied ongetwyfeld meer geleenthede vir derdeparty-verskaffers in die KI-infrastruktuursektor. Onlangs het talle plaaslike en internasionale wolkreuse DeepSeek se model-API's bekendgestel – oorsese reuse soos Microsoft en Amazon was onder die eerstes wat einde Januarie aangesluit het. Die plaaslike leier, Huawei Cloud, het die eerste stap geneem deur DeepSeek R1- en V3-redeneringsdienste op 1 Februarie in samewerking met Silicon-gebaseerde Flow vry te stel. Verslae van AI Technology Review dui daarop dat Silicon-gebaseerde Flow se dienste 'n toestroming van gebruikers gesien het, wat die platform effektief "ineenstort". Die drie groot tegnologiemaatskappye – BAT (Baidu, Alibaba, Tencent) en ByteDance – het ook laekoste-, tydelike aanbiedinge vanaf 3 Februarie uitgereik, wat herinner aan verlede jaar se prysoorloë vir wolkverskaffers wat deur DeepSeek se V2-modelbekendstelling aangevuur is, waar DeepSeek die "prysslagter" begin noem is. Die waansinnige optrede van wolkverskaffers weerspieël die vroeëre sterk bande tussen Microsoft Azure en OpenAI, waar Microsoft in 2019 'n aansienlike belegging van $1 miljard in OpenAI gemaak het en vrugte afgewerp het na ChatGPT se bekendstelling in 2023. Hierdie noue verhouding het egter begin verswak nadat Meta Llama oopbron-geïnduseerde, wat ander verskaffers buite die Microsoft Azure-ekosisteem toegelaat het om met hul groot modelle mee te ding. In hierdie geval het DeepSeek ChatGPT nie net oortref in terme van produkhitte nie, maar ook oopbronmodelle bekendgestel na die o1-vrystelling, soortgelyk aan die opwinding rondom Llama se herlewing van GPT-3.

In werklikheid posisioneer wolkverskaffers hulself ook as verkeerspoortjies vir KI-toepassings, wat beteken dat verdiepende bande met ontwikkelaars lei tot voorkomende voordele. Verslae dui daarop dat Baidu Smart Cloud meer as 15 000 kliënte gehad het wat die DeepSeek-model via die Qianfan-platform gebruik het op die model se bekendstellingsdag. Daarbenewens bied verskeie kleiner firmas oplossings, insluitend Silicon-based Flow, Luchen Technology, Chuanjing Technology, en verskeie KI-infrastruktuurverskaffers wat ondersteuning vir DeepSeek-modelle bekendgestel het. AI Technology Review het geleer dat huidige optimaliseringsgeleenthede vir gelokaliseerde ontplooiings van DeepSeek hoofsaaklik op twee areas bestaan: een is om te optimaliseer vir die ylheidseienskappe van die MoE-model deur 'n gemengde redenasiebenadering te gebruik om die 671 miljard parameter MoE-model plaaslik te ontplooi terwyl hibriede GPU/CPU-inferensie gebruik word. Daarbenewens is die optimalisering van MLA noodsaaklik. DeepSeek se twee modelle staar egter steeds 'n paar uitdagings in die gesig in die ontplooiingsoptimalisering. "As gevolg van die model se grootte en talle parameters, is optimalisering inderdaad kompleks, veral vir plaaslike ontplooiings waar die bereiking van 'n optimale balans tussen werkverrigting en koste uitdagend sal wees," het 'n navorser van Chuanjing Technology gesê. Die grootste struikelblok lê in die oorkoming van geheuekapasiteitslimiete. "Ons volg 'n heterogene samewerkingsbenadering om SVE's en ander berekeningshulpbronne ten volle te benut, deur slegs die nie-gedeelde dele van die yl MoE-matriks op SVE/DRAM te plaas vir verwerking met behulp van hoëprestasie-SVE-operateurs, terwyl die digte gedeeltes op die GPU bly," het hy verder verduidelik. Verslae dui daarop dat Chuanjing se oopbronraamwerk KTransformers hoofsaaklik verskeie strategieë en operateurs in die oorspronklike Transformers-implementering inspuit deur middel van 'n sjabloon, wat die inferensiespoed aansienlik verbeter met behulp van metodes soos CUDAGraph. DeepSeek het geleenthede vir hierdie opstartondernemings geskep, aangesien groeivoordele duidelik word; baie firmas het merkbare kliëntegroei gerapporteer na die bekendstelling van die DeepSeek API, en navrae van vorige kliënte ontvang wat op soek is na optimalisering. Bedryfsinsiders het opgemerk: "In die verlede was ietwat gevestigde kliëntegroepe dikwels vasgevang in die gestandaardiseerde dienste van groter maatskappye, styf gebonde aan hul kostevoordele as gevolg van skaal. Nadat ons egter die ontplooiing van DeepSeek-R1/V3 voor die Lentefees voltooi het, het ons skielik samewerkingsversoeke van verskeie bekende kliënte ontvang, en selfs voorheen dormante kliënte het kontak begin maak om ons DeepSeek-dienste bekend te stel." Tans blyk dit dat DeepSeek modelinferensieprestasie toenemend krities maak, en met die breër aanvaarding van groot modelle sal dit die ontwikkeling in die KI-infrabedryf aansienlik beïnvloed. As 'n DeepSeek-vlakmodel plaaslik teen 'n lae koste ontplooi kan word, sal dit die regering en ondernemings se digitale transformasiepogings grootliks help. Uitdagings duur egter voort, aangesien sommige kliënte hoë verwagtinge rakende groot modelvermoëns kan koester, wat dit duideliker maak dat die balansering van prestasie en koste noodsaaklik word in praktiese ontplooiing.