Podatki kažejo, da je DeepSeek od svoje izdaje v samo 21 dneh pridobil 22,15 milijona dnevno aktivnih uporabnikov (DAU), kar predstavlja 41,6 % uporabniške baze ChatGPT in presega 16,95 milijona dnevno aktivnih uporabnikov aplikacije Doubao, s čimer je postal najhitreje rastoča aplikacija na svetu in je v 157 državah/regijah prehitel Apple App Store. Medtem ko so uporabniki množično prihajali, so kibernetski hekerji neusmiljeno napadali aplikacijo DeepSeek, kar je povzročilo znatno obremenitev njenih strežnikov. Analitiki v industriji menijo, da je to deloma posledica dejstva, da DeepSeek uporablja kartice za usposabljanje, medtem ko nima zadostne računalniške moči za sklepanje. Izvor panoge je za AI Technology Review povedal: »Pogoste težave s strežniki je mogoče enostavno rešiti z zaračunavanjem pristojbin ali financiranjem nakupa več naprav; navsezadnje je to odvisno od odločitev DeepSeeka.« To predstavlja kompromis med osredotočanjem na tehnologijo in produktizacijo. DeepSeek se je za samooskrbo v veliki meri zanašal na kvantno kvantizacijo, saj je prejel malo zunanjega financiranja, kar je povzročilo relativno nizek pritisk na denarni tok in čistejše tehnološko okolje. Trenutno zaradi zgoraj omenjenih težav nekateri uporabniki na družbenih omrežjih pozivajo DeepSeek, naj zviša pragove uporabe ali uvede plačljive funkcije za izboljšanje udobja uporabnikov. Poleg tega so razvijalci za optimizacijo začeli uporabljati uradni API ali API-je tretjih oseb. Vendar pa je odprta platforma DeepSeek pred kratkim sporočila: »Trenutni strežniški viri so omejeni in polnjenja storitev API-ja so bila zaustavljena.«

To nedvomno odpira več priložnosti za zunanje ponudnike v sektorju infrastrukture umetne inteligence. Pred kratkim so številni domači in mednarodni velikani v oblaku predstavili DeepSeekove modelne API-je – čezmorska velikana Microsoft in Amazon sta se jim med prvimi pridružila konec januarja. Vodilni domači ponudnik, Huawei Cloud, je naredil prvi korak in 1. februarja v sodelovanju s podjetjem Flow, ki temelji na podjetju Silicon, izdal storitve sklepanja DeepSeek R1 in V3. Poročila AI Technology Review kažejo, da so storitve Flow, ki temelji na podjetju Silicon, zabeležile pritok uporabnikov, kar je platformo dejansko »zrušilo«. Tudi tri velika tehnološka podjetja – BAT (Baidu, Alibaba, Tencent) in ByteDance – so od 3. februarja dalje izdala cenovno ugodne ponudbe z omejenim časom, kar spominja na lanskoletne cenovne vojne ponudnikov v oblaku, ki jih je sprožila lansiranje modela V2 podjetja DeepSeek, kjer je DeepSeek začel veljati za »cenovnega mesarja«. Mrzlična dejanja ponudnikov storitev v oblaku odražajo prejšnje močne vezi med Microsoft Azure in OpenAI, kjer je Microsoft leta 2019 v OpenAI vložil znatno milijardo dolarjev in požrl koristi po lansiranju ChatGPT leta 2023. Vendar pa se je ta tesen odnos začel krčiti, potem ko je Meta odprla kodo Llama, kar je drugim ponudnikom zunaj ekosistema Microsoft Azure omogočilo, da konkurirajo njihovim velikim modelom. V tem primeru DeepSeek ni le presegel ChatGPT po vročini izdelkov, ampak je po izdaji o1 uvedel tudi odprtokodne modele, podobno navdušenju, ki je spremljalo Llamino oživitev GPT-3.

V resnici se ponudniki storitev v oblaku pozicionirajo tudi kot prometna vrata za aplikacije umetne inteligence, kar pomeni, da poglabljanje vezi z razvijalci prinaša preventivne prednosti. Poročila kažejo, da je imel Baidu Smart Cloud na dan lansiranja modela več kot 15.000 strank, ki so uporabljale model DeepSeek prek platforme Qianfan. Poleg tega ponuja rešitve več manjših podjetij, vključno s Flow na osnovi silicija, Luchen Technology, Chuanjing Technology in različnimi ponudniki infrastrukture umetne inteligence, ki so uvedli podporo za modele DeepSeek. AI Technology Review je ugotovil, da trenutne možnosti optimizacije za lokalizirane uvedbe DeepSeek obstajajo predvsem na dveh področjih: eno je optimizacija značilnosti redkosti modela MoE z uporabo mešanega pristopa sklepanja za lokalno uvedbo modela MoE s 671 milijardami parametrov ob uporabi hibridnega sklepanja GPU/CPU. Poleg tega je ključnega pomena optimizacija MLA. Vendar se modela DeepSeek še vedno soočata z nekaterimi izzivi pri optimizaciji uvajanja. "Zaradi velikosti modela in številnih parametrov je optimizacija resnično zapletena, zlasti pri lokalnih uvajanjih, kjer bo doseganje optimalnega ravnovesja med zmogljivostjo in stroški izziv," je dejal raziskovalec iz Chuanjing Technology. Najpomembnejša ovira je premagovanje omejitev pomnilniške zmogljivosti. »Za popolno izkoriščanje procesorjev in drugih računalniških virov uporabljamo heterogen pristop sodelovanja, pri čemer na procesor/DRAM za obdelavo z visokozmogljivimi operatorji procesorja nameščamo le neskupne dele redke matrike MoE, medtem ko gosti deli ostanejo na grafičnem procesorju,« je nadalje pojasnil. Poročila kažejo, da Chuanjingov odprtokodni okvir KTransformers v prvotno implementacijo Transformerjev v prvi vrsti vbrizga različne strategije in operatorje prek predloge, kar znatno izboljša hitrost sklepanja z metodami, kot je CUDAGraph. DeepSeek je ustvaril priložnosti za ta zagonska podjetja, saj so koristi rasti očitne; številna podjetja so poročala o opazni rasti strank po uvedbi DeepSeek API-ja, saj so prejela povpraševanja prejšnjih strank, ki so iskale optimizacije. Poznavalci industrije so ugotovili: »V preteklosti so bile nekoliko uveljavljene skupine strank pogosto vezane na standardizirane storitve večjih podjetij, tesno povezane s svojimi stroškovnimi prednostmi zaradi obsega. Vendar pa smo po zaključku uvajanja DeepSeek-R1/V3 pred pomladnim festivalom nenadoma prejeli prošnje za sodelovanje od več znanih strank, celo prej mirujoče stranke pa so sprožile stik, da bi predstavile naše storitve DeepSeek.« Trenutno se zdi, da DeepSeek vse bolj poudarja pomen zmogljivosti sklepanja modelov, in s širšo uporabo velikih modelov bo to še naprej pomembno vplivalo na razvoj industrije infrastrukture umetne inteligence. Če bi se model na ravni DeepSeek lahko lokalno uvedel po nizki ceni, bi to močno pomagalo pri prizadevanjih vlade in podjetij za digitalno preobrazbo. Vendar pa izzivi ostajajo, saj imajo nekatere stranke lahko visoka pričakovanja glede zmogljivosti velikih modelov, zaradi česar je bolj očitno, da je uravnoteženje zmogljivosti in stroškov ključnega pomena pri praktični uvedbi.