Данные указывают на то, что с момента его выпуска DeepSeek начисляет 22,15 миллиона ежедневных активных пользователей (DAU) всего за 21 день, достигнув 41,6% пользовательской базы CHATGPT и превзойдя 16,95 миллионов ежедневных активных пользователей Doubao, став самым быстрорастущим приложением в мире, возглавляя Apple App Store в 157 странах/регионах. Однако, в то время как пользователи стекались в массовых точках, кибер -хакеры неуклонно атаковали приложение DeepSeek, вызывая значительную нагрузку на его серверы. Отраслевые аналитики считают, что это частично связано с тем, что DeepSeek развертывает карты для обучения, при этом не хватает достаточной вычислительной мощности для рассуждений. Инсайдер отрасли проинформировал обзор технологии ИИ: «Частые проблемы с сервером могут быть легко решены путем взима платы или финансирования для покупки большего количества машин; в конечном итоге это зависит от решений Deepseek». Это представляет компромисс в фокусировке на технологии по сравнению с продукцией. DeepSeek в значительной степени полагался на квантовое квантование для самостирации, получив мало внешнего финансирования, что привело к относительно низкому давлению денежных потоков и более чистой технологической среде. В настоящее время, в свете вышеупомянутых проблем, некоторые пользователи призывают DeepSeek в социальных сетях поднять пороги использования или ввести платные функции для повышения комфорта пользователей. Кроме того, разработчики начали использовать официальные API или сторонние API для оптимизации. Тем не менее, открытая платформа Deepseek недавно объявила: «Текущие ресурсы сервера ограничены, а перезарядки службы API были приостановлены».

Это, несомненно, открывает больше возможностей для сторонних поставщиков в секторе инфраструктуры ИИ. Недавно многочисленные внутренние и международные облачные гиганты запустили модели API Deepseek - Giants Soverseas Microsoft и Amazon были одними из первых, кто присоединился в конце января. Внутренний лидер Huawei Cloud сделал первый шаг, выпустив сервисы рассуждений DeepSeek R1 и V3 в сотрудничестве с кремниевым потоком 1 февраля. В сообщениях обзора технологий AI указывается, что в услугах Flow на основе кремния наблюдается приток пользователей, эффективно «разбив» платформу. Большие тройки технологических компаний-Bat (Baidu, Alibaba, Tencent) и Bytedance-также выпустили недорогие, ограниченные предложения, начиная с 3 февраля, напоминающие прошлогодний поставщик облачных поставщиков, зажженные моделью Deepseek V2, где Deepseek начал задумываться над «ценовым мятшером». Безумные действия поставщиков облаков отражают более ранние прочные связи между Microsoft Azure и Openai, где в 2019 году Microsoft внесла существенные инвестиции в 1 миллиард долларов в OpenAI и приобрела преимущества после запуска ChatGPT в 2023 году. Однако эти близкие отношения начали свалиться после того, как Meta Open-Coundced Llama, позволив другим торговцам за пределами моделей Microsoft Azure Ecosysemy, в состав. В этом случае DeepSeek не только превзошел CHATGPT с точки зрения тепла продукта, но и ввел модели с открытым исходным кодом после выпуска O1, аналогично волнению, окружающему возрождение Llama GPT-3.

В действительности, облачные провайдеры также позиционируют себя как шлюзы трафика для приложений искусственного интеллекта, что означает, что углубление связей с разработчиками приводит к упреждающим преимуществам. В отчетах указывается, что в Baidu Smart Cloud было более 15 000 клиентов, использующих модель DeepSeek через платформу Qianfan в день запуска модели. Кроме того, несколько небольших фирм предлагают решения, в том числе поток на основе кремния, технологию Luchen, технологию Chuanjing и различных инфра-поставщиков ИИ, которые запустили поддержку моделей DeepSeek. Обзор технологии искусственного интеллекта узнал, что текущие возможности оптимизации для локализованных развертываний DeepSeek в основном существуют в двух областях: один из них оптимизирует для определения редкости модели MOE с использованием подхода смешанного рассуждения для развертывания модели MOE на 671 млрд. Модели MOE при использовании гибридных GPU/CPU. Кроме того, оптимизация MLA жизненно важна. Тем не менее, две модели Deepseek по -прежнему сталкиваются с некоторыми проблемами в оптимизации развертывания. «Из -за размера модели и многочисленных параметров оптимизация действительно сложна, особенно для локальных развертываний, где достигнет оптимального баланса между производительностью и стоимостью», - заявил исследователь из технологии Chuanjing. Наиболее значительное препятствие заключается в преодолении ограничений вместимости памяти. «Мы применяем гетерогенный подход к совместной работе для полного использования процессоров и других вычислительных ресурсов, размещая только неостановленные части редкой матрицы MOE на процессоре/DRAM для обработки с использованием высокопроизводительных операторов ЦП, в то время как плотные порции остаются на GPU»,-объяснил он. Отчеты показывают, что структура с открытым исходным кодом Чуанджина Ktransformers в первую очередь вносит различные стратегии и операторов в оригинальную реализацию трансформаторов посредством шаблона, значительно повышая скорость вывода с использованием таких методов, как Cudagraph. DeepSeek создал возможности для этих стартапов, так как преимущества роста становятся очевидными; Многие фирмы сообщили о заметном росте клиентов после запуска API DeepSeek, получая запросы от предыдущих клиентов, ищущих оптимизацию. Инсайдеры промышленности отмечали: «В прошлом несколько созданных групп клиентов часто были заблокированы в стандартизированных услугах более крупных компаний, тесно связанных их преимуществами затрат из-за масштаба. Однако, после завершения развертывания Deepseek-R1/V3 до весеннего фестиваля, мы внезапно получили запросы на сотрудничество от нескольких известных клиентов и даже ранее инициированные клиенты, инициированные клиенты, инициированные клиенты, инициированные в Deecseek Services». В настоящее время, по -видимому, DeepSeek делает эффективность вывода моделей все более критической, и с более широким внедрением крупных моделей это будет по -прежнему влиять на развитие в инфра -отрасли искусственного интеллекта. Если бы модель на уровне DeepSeek могла бы быть развернута на местном уровне по низкой цене, она значительно поможет правительству и предприимчивому цифровому трансформации. Тем не менее, проблемы сохраняются, так как некоторые клиенты могут иметь большие ожидания относительно крупных модельных возможностей, что делает более очевидным, что сбалансирование производительности и стоимости становится жизненно важным при практическом развертывании.