داده ها نشان می دهد که از زمان انتشار آن ، Deepseek تنها 22.15 میلیون کاربر فعال روزانه (DAU) را در مدت 21 روز جمع کرده است و به 41.6 ٪ از پایگاه کاربر Chatgpt رسیده و از 16.95 میلیون کاربر فعال روزانه Dobao فراتر رفته است ، بنابراین به سریعترین برنامه در سطح جهان تبدیل می شود و در صدر جدول Apple App در 157 کشور/منطقه قرار می گیرد. با این حال ، در حالی که کاربران در حال غرق شدن بودند ، هکرهای سایبری بی امان به برنامه Deepseek حمله کرده اند و باعث ایجاد فشار قابل توجهی در سرورهای آن می شوند. تحلیلگران صنعت معتقدند که این امر تا حدی ناشی از اعزام کارت برای آموزش در حالی است که فاقد قدرت محاسباتی کافی برای استدلال است. یک خودی صنعت با بررسی فناوری هوش مصنوعی ، "مسائل مکرر سرور را می توان با شارژ هزینه یا بودجه برای خرید ماشین های بیشتر به راحتی حل کرد ؛ در نهایت ، این بستگی به تصمیمات Deepseek دارد." این یک تجارت در تمرکز بر روی فناوری در مقابل تولید است. Deepseek تا حد زیادی به کمیت کوانتومی برای پایداری خود اعتماد کرده است ، با دریافت بودجه خارجی کمی ، و در نتیجه فشار جریان پول نقد نسبتاً کم و یک محیط تکنولوژیکی خالص تر است. در حال حاضر ، با توجه به مشکلات فوق الذکر ، برخی از کاربران در حال ترغیب به Deepseek در رسانه های اجتماعی هستند تا آستانه های استفاده را بالا برده یا ویژگی های پرداخت شده را برای تقویت راحتی کاربر معرفی کنند. علاوه بر این ، توسعه دهندگان استفاده از API رسمی یا API های شخص ثالث را برای بهینه سازی آغاز کرده اند. با این حال ، پلت فرم باز Deepseek اخیراً اعلام کرده است ، "منابع فعلی سرور کمیاب هستند و شارژهای خدمات API به حالت تعلیق درآمده است."

این بدون شک فرصت های بیشتری را برای فروشندگان شخص ثالث در بخش زیرساخت های هوش مصنوعی باز می کند. به تازگی ، بسیاری از غول های ابری داخلی و بین المللی API های مدل Deepseek را راه اندازی کرده اند - غول های Overseas Microsoft و Amazon از اولین کسانی بودند که در پایان ژانویه پیوستند. رهبر داخلی ، هواوی ابر ، اولین حرکت را انجام داد و خدمات استدلال Deepseek R1 و V3 را با همکاری جریان مبتنی بر سیلیکون در تاریخ 1 فوریه آزاد کرد. گزارش هایی از بررسی فناوری هوش مصنوعی نشان می دهد که خدمات جریان مبتنی بر سیلیکون شاهد هجوم کاربران بوده است ، به طور مؤثر "خراب کردن" این سکوی. سه شرکت بزرگ فناوری-BADU ، Alibaba ، Tencent) و Bytedance-همچنین پیشنهادات کم هزینه و محدود را از 3 فوریه صادر کرد ، یادآور جنگ های قیمت فروشنده ابر سال گذشته که توسط مدل V2 Deepseek رخ داده است ، جایی که Deepseek شروع به لگد زدن به "قصاب قیمت" کرد. اقدامات ناامیدکننده از فروشندگان ابر ، پیوندهای قبلی بین مایکروسافت لاجورد و Openai را تکرار می کند ، جایی که در سال 2019 ، مایکروسافت یک میلیارد دلار سرمایه گذاری قابل توجهی در Openai انجام داد و پس از راه اندازی چتگپ در سال 2023 مزایا را برداشت. با این حال ، این رابطه نزدیک پس از للاما با استفاده از متا باز ، اجازه می دهد تا سایر فروشندگان در خارج از شرکت های بزرگ Micosoft Ecosyste Azure Prepere Zure Ecosyme. در این مثال ، Deepseek نه تنها از نظر گرمای محصول از ChatGPT پیشی گرفته است بلکه مدل های منبع باز را نیز پس از انتشار O1 معرفی کرده است ، مشابه هیجان پیرامون احیای Llama از GPT-3.

در واقعیت ، ارائه دهندگان ابر نیز خود را به عنوان دروازه ترافیکی برای برنامه های هوش مصنوعی قرار می دهند ، به این معنی که تعمیق روابط با توسعه دهندگان به مزایای پیشگیرانه ترجمه می شود. گزارش ها حاکی از آن است که Baidu Smart Cloud بیش از 15000 مشتری از مدل Deepseek از طریق پلت فرم Qianfan در روز پرتاب مدل استفاده می کرد. علاوه بر این ، چندین شرکت کوچکتر راه حل هایی را ارائه می دهند ، از جمله جریان مبتنی بر سیلیکون ، فناوری لوچن ، فناوری Chuanjing و ارائه دهندگان مختلف AI Infra که پشتیبانی از مدل های Deepseek را راه اندازی کرده اند. بررسی فناوری هوش مصنوعی آموخته است که فرصت های بهینه سازی فعلی برای استقرار موضعی Deepseek در درجه اول در دو حوزه وجود دارد: یکی برای ویژگی های کمبود مدل MOE با استفاده از یک روش استدلال مختلط برای استقرار مدل MOE پارامتر 671 میلیارد پارامتر در هنگام استفاده از GPU/CPU هیبریدی بهینه سازی می شود. علاوه بر این ، بهینه سازی MLA بسیار مهم است. با این حال ، دو مدل Deepseek هنوز هم در بهینه سازی استقرار با چالش هایی روبرو هستند. محقق Chuanjing Technology اظهار داشت: "با توجه به اندازه مدل و پارامترهای بی شماری ، بهینه سازی در واقع پیچیده است ، به ویژه برای استقرار محلی که دستیابی به تعادل بهینه بین عملکرد و هزینه چالش برانگیز خواهد بود." مهمترین مانع در غلبه بر محدودیت های ظرفیت حافظه است. وی گفت: "ما یک روش همکاری ناهمگن را برای استفاده کامل از CPU ها و سایر منابع محاسباتی اتخاذ می کنیم ، و فقط قسمت های غیر مشترک ماتریس پراکنده موش را بر روی CPU/DRAM برای پردازش با استفاده از اپراتورهای CPU با کارایی بالا قرار می دهیم." گزارش ها حاکی از آن است که ktransformers چارچوب منبع باز چوانجینگ در درجه اول استراتژی ها و اپراتورها را به اجرای اصلی ترانسفورماتورها از طریق یک الگوی تزریق می کند ، و سرعت استنتاج را با استفاده از روش هایی مانند Cudagraph افزایش می دهد. Deepseek فرصت هایی را برای این استارتاپ ها ایجاد کرده است ، زیرا فواید رشد آشکار می شود. بسیاری از بنگاهها پس از راه اندازی API Deepseek ، رشد قابل توجه مشتری را گزارش کرده اند و از مشتری های قبلی که به دنبال بهینه سازی هستند ، سوالات را دریافت می کنند. خودی های صنعت خاطرنشان كردند ، "در گذشته ، گروه های مشتری تا حدودی مستقر اغلب در خدمات استاندارد شركتهای بزرگتر قفل شده بودند ، كه به دلیل مقیاس آن به دلیل مقیاس ، کاملاً محدود به مزایای هزینه آنها بود. با این حال ، پس از اتمام استقرار Deepseek-R1/V3 قبل از جشنواره بهار ، ما به طور ناگهانی درخواست های همکاری را از چندین مشتری مشهور و حتی مشتری های قبلی که از خدمات Deepsek استفاده می کردند ، دریافت کردیم. در حال حاضر ، به نظر می رسد که Deepseek عملکرد استنباط مدل را به طور فزاینده ای بسیار مهم می کند و با اتخاذ گسترده تر مدل های بزرگ ، این امر همچنان بر توسعه در صنعت AI Infra تأثیر می گذارد. اگر یک مدل سطح Deepseek بتواند به صورت محلی با هزینه کم مستقر شود ، به تلاشهای تحول دیجیتال دولت و بنگاه اقتصادی کمک می کند. با این حال ، چالش ها همچنان ادامه دارد ، زیرا برخی از مشتریان ممکن است انتظارات زیادی را در مورد قابلیت های مدل بزرگ داشته باشند ، و این امر را آشکارتر می کند که تعادل عملکرد و هزینه در استقرار عملی بسیار مهم می شود.