Згодна з дадзенымі, з моманту свайго выпуску DeepSeek набраў 22,15 мільёна штодзённых актыўных карыстальнікаў (DAU) усяго за 21 дзень, дасягнуўшы 41,6% ад базы карыстальнікаў ChatGPT і перавысіўшы 16,95 мільёна штодзённых актыўных карыстальнікаў Doubao, тым самым стаўшы самым хуткарослым дадаткам у свеце, узначальваючы Apple App Store у 157 краінах/рэгіёнах. Аднак, нягледзячы на ​​тое, што карыстальнікі натоўпам накіроўваліся, кіберхакеры нястомна атакавалі дадатак DeepSeek, ствараючы значную нагрузку на яго серверы. Галіновыя аналітыкі лічаць, што гэта часткова звязана з тым, што DeepSeek выкарыстоўвае карты для навучання, не маючы дастатковай вылічальнай магутнасці для разважанняў. Інсайдэр галіны паведаміў AI Technology Review: «Частыя праблемы з серверамі можна лёгка вырашыць, спаганяючы плату або фінансуючы набыццё большай колькасці машын; у рэшце рэшт, гэта залежыць ад рашэнняў DeepSeek». Гэта ўяўляе сабой кампраміс паміж засяроджанасцю на тэхналогіях і прадуктызацыяй. DeepSeek у значнай ступені абапіраўся на квантавае квантаванне для самазабеспячэння, атрымліваючы мала знешняга фінансавання, што прывяло да адносна нізкага ціску на грашовыя патокі і больш чыстага тэхналагічнага асяроддзя. У сувязі з вышэйзгаданымі праблемамі некаторыя карыстальнікі заклікаюць DeepSeek у сацыяльных сетках павысіць парогі выкарыстання або ўвесці платныя функцыі для павышэння камфорту карыстальнікаў. Акрамя таго, распрацоўшчыкі пачалі выкарыстоўваць афіцыйны API або староннія API для аптымізацыі. Аднак нядаўна адкрытая платформа DeepSeek абвясціла: «Бягучыя рэсурсы сервера абмежаваныя, і папаўненне паслуг API прыпынена».

Гэта, несумненна, адкрывае больш магчымасцей для старонніх пастаўшчыкоў у сектары інфраструктуры штучнага інтэлекту. Нядаўна шматлікія айчынныя і міжнародныя хмарныя гіганты запусцілі мадэлявальныя API DeepSeek — замежныя гіганты Microsoft і Amazon былі сярод першых, хто далучыўся да іх у канцы студзеня. Айчынны лідэр, Huawei Cloud, зрабіў першы крок, выпусціўшы сэрвісы разважанняў DeepSeek R1 і V3 у супрацоўніцтве з Flow, якая базуецца на Silicon, 1 лютага. Паведамленні AI Technology Review паказваюць, што сэрвісы Flow, якая базуецца на Silicon, адчулі наплыў карыстальнікаў, што фактычна «абваліла» платформу. Тры буйныя тэхналагічныя кампаніі — BAT (Baidu, Alibaba, Tencent) і ByteDance — таксама выпусцілі танныя, абмежаваныя па часе прапановы, пачынаючы з 3 лютага, што нагадвае мінулагоднія цэнавыя войны пастаўшчыкоў хмарных паслуг, выкліканыя запускам мадэлі V2 ад DeepSeek, дзе DeepSeek пачалі называць «цэнавым мяснікам». Шалёныя дзеянні пастаўшчыкоў воблачных паслуг адлюстроўваюць ранейшыя моцныя сувязі паміж Microsoft Azure і OpenAI, дзе ў 2019 годзе Microsoft зрабіла значныя інвестыцыі ў памеры 1 мільярда долараў у OpenAI і атрымала выгаду пасля запуску ChatGPT у 2023 годзе. Аднак гэтыя цесныя адносіны пачалі пагаршацца пасля таго, як Meta адкрыла Llama, што дазволіла іншым пастаўшчыкам па-за экасістэмай Microsoft Azure канкураваць з іх буйнымі мадэлямі. У гэтым выпадку DeepSeek не толькі пераўзышоў ChatGPT па папулярнасці прадукту, але і прадставіў мадэлі з адкрытым зыходным кодам пасля выпуску o1, падобна ажыятажу вакол адраджэння Llama GPT-3.

Насамрэч, пастаўшчыкі хмарных паслуг таксама пазіцыянуюць сябе як шлюзы для трафіку прыкладанняў штучнага інтэлекту, што азначае, што паглыбленне сувязяў з распрацоўшчыкамі прыводзіць да прэвентыўных пераваг. Паводле паведамленняў, у дзень запуску мадэлі Baidu Smart Cloud больш за 15 000 кліентаў выкарыстоўвалі мадэль DeepSeek праз платформу Qianfan. Акрамя таго, некалькі невялікіх фірмаў прапануюць рашэнні, у тым ліку Silicon-based Flow, Luchen Technology, Chuanjing Technology і розныя пастаўшчыкі інфраструктуры штучнага інтэлекту, якія запусцілі падтрымку мадэляў DeepSeek. AI Technology Review даведаўся, што бягучыя магчымасці аптымізацыі для лакалізаванага разгортвання DeepSeek існуюць у асноўным у двух галінах: адна з іх - аптымізацыя характарыстык разрэджанасці мадэлі MoE з выкарыстаннем змешанага падыходу да разгортвання мадэлі MoE з 671 мільярдам параметраў лакальна, выкарыстоўваючы гібрыдны вывад GPU/CPU. Акрамя таго, аптымізацыя MLA мае жыццёва важнае значэнне. Аднак дзве мадэлі DeepSeek усё яшчэ сутыкаюцца з некаторымі праблемамі ў аптымізацыі разгортвання. «З-за памеру мадэлі і шматлікіх параметраў аптымізацыя сапраўды складаная, асабліва для лакальных разгортванняў, дзе дасягненне аптымальнага балансу паміж прадукцыйнасцю і коштам будзе складанай задачай», - заявіў даследчык з Chuanjing Technology. Найбольш значная перашкода заключаецца ў пераадоленні абмежаванняў ёмістасці памяці. «Мы выкарыстоўваем гетэрагенны падыход да супрацоўніцтва, каб цалкам выкарыстоўваць працэсары і іншыя вылічальныя рэсурсы, размяшчаючы толькі неагульныя часткі разрэджанай матрыцы MoE на працэсары/DRAM для апрацоўкі з выкарыстаннем высокапрадукцыйных аператараў працэсара, у той час як шчыльныя часткі застаюцца на графічным працэсары», — далей растлумачыў ён. Паведамленні паказваюць, што фрэймворк з адкрытым зыходным кодам Chuanjing KTransformers у асноўным уводзіць розныя стратэгіі і аператары ў арыгінальную рэалізацыю Transformers праз шаблон, значна павялічваючы хуткасць вываду з выкарыстаннем такіх метадаў, як CUDAGraph. DeepSeek стварыў магчымасці для гэтых стартапаў, паколькі перавагі росту становяцца відавочнымі; многія фірмы паведамляюць аб прыкметным росце кліентаў пасля запуску DeepSeek API, атрымліваючы запыты ад папярэдніх кліентаў, якія шукалі аптымізацыі. Інсайдэры галіны адзначылі: «У мінулым некалькі ўстояныя групы кліентаў часта былі прывязаныя да стандартызаваных паслуг буйных кампаній, цесна звязаных сваімі перавагамі ў кошце з-за маштабу. Аднак пасля завяршэння разгортвання DeepSeek-R1/V3 перад Вясеннім святам мы нечакана атрымалі запыты на супрацоўніцтва ад некалькіх вядомых кліентаў, і нават раней неактыўныя кліенты ініцыявалі кантакт, каб прадставіць нашы паслугі DeepSeek». У цяперашні час выглядае так, што DeepSeek робіць прадукцыйнасць вываду мадэляў усё больш важнай, і з больш шырокім укараненнем вялікіх мадэляў гэта будзе працягваць істотна ўплываць на развіццё індустрыі штучнага інтэлекту інфраструктуры. Калі б мадэль узроўню DeepSeek магла быць разгорнута лакальна з нізкай коштам, гэта значна дапамагло б намаганням урада і прадпрыемстваў у галіне лічбавай трансфармацыі. Аднак праблемы захоўваюцца, бо некаторыя кліенты могуць мець высокія чаканні адносна магчымасцей вялікіх мадэляў, што робіць больш відавочным, што балансаванне прадукцыйнасці і кошту становіцца жыццёва важным пры практычным разгортванні.