Податоците покажуваат дека од објавувањето, DeepSeek собрал 22,15 милиони дневно активни корисници (DAU) во рок од само 21 ден, достигнувајќи 41,6% од корисничката база на ChatGPT и надминувајќи 16,95 милиони дневно активни корисници на Doubao, со што стана најбрзорастечката апликација на глобално ниво, на врвот на Apple App Store во 157 земји/региони. Сепак, додека корисниците се собираа во голем број, сајбер хакерите неуморно ја напаѓаат апликацијата DeepSeek, предизвикувајќи значително оптоварување на нејзините сервери. Аналитичарите од индустријата веруваат дека ова делумно се должи на тоа што DeepSeek распоредува картички за обука, а нема доволно компјутерска моќ за расудување. Инсајдер од индустријата го информираше AI Technology Review: „Честите проблеми со серверот можат лесно да се решат со наплата на такси или финансирање за купување повеќе машини; на крајот, тоа зависи од одлуките на DeepSeek“. Ова претставува компромис во фокусирањето на технологијата наспроти продуктизацијата. DeepSeek во голема мера се потпираше на квантната квантизација за самоодржување, добивајќи малку надворешно финансирање, што резултираше со релативно низок притисок на паричниот тек и почиста технолошка средина. Во моментов, во светлината на горенаведените проблеми, некои корисници го повикуваат DeepSeek на социјалните медиуми да ги зголеми праговите на користење или да воведе платени функции за да се подобри удобноста на корисниците. Дополнително, програмерите почнаа да го користат официјалниот API или API-јата од трети страни за оптимизација. Сепак, отворената платформа на DeepSeek неодамна објави: „Тековните ресурси на серверот се оскудни, а надополнувањата на API-услугите се суспендирани“.

Ова несомнено отвора повеќе можности за добавувачи од трети страни во секторот за инфраструктура на вештачка интелигенција. Неодамна, бројни домашни и меѓународни гиганти во облак ги лансираа моделните API-ја на DeepSeek - странските гиганти Microsoft и Amazon беа меѓу првите што се приклучија на крајот на јануари. Домашниот лидер, Huawei Cloud, го направи првиот потег, објавувајќи ги услугите за расудување DeepSeek R1 и V3 во соработка со Flow, базиран на Silicon, на 1 февруари. Извештаите од AI Technology Review покажуваат дека услугите на Flow, базиран на Silicon, забележаа прилив на корисници, што ефикасно ја „сруши“ платформата. Трите големи технолошки компании - BAT (Baidu, Alibaba, Tencent) и ByteDance - исто така издадоа нискобуџетни, временски ограничени понуди почнувајќи од 3 февруари, потсетувајќи на минатогодишните војни на цените на добавувачите во облак, предизвикани од лансирањето на моделот V2 на DeepSeek, каде што DeepSeek почна да се нарекува „касап на цени“. Брзите акции на продавачите на cloud услуги ги одразуваат претходните силни врски помеѓу Microsoft Azure и OpenAI, каде што во 2019 година, Microsoft направи значителна инвестиција од 1 милијарда долари во OpenAI и оствари придобивки по лансирањето на ChatGPT во 2023 година. Сепак, оваа блиска врска почна да се влошува откако Meta го воведе Llama со отворен код, дозволувајќи им на другите продавачи надвор од екосистемот на Microsoft Azure да се натпреваруваат со нивните големи модели. Во овој случај, DeepSeek не само што го надмина ChatGPT во однос на популарноста на производите, туку воведе и модели со отворен код по објавувањето на o1, слично на возбудата околу оживувањето на GPT-3 од страна на Llama.

Всушност, давателите на услуги во облак се позиционираат себеси како сообраќајни портали за апликации со вештачка интелигенција, што значи дека продлабочувањето на врските со програмерите се претвора во превентивни предности. Извештаите покажуваат дека Baidu Smart Cloud имал над 15.000 клиенти кои го користеле моделот DeepSeek преку платформата Qianfan на денот на лансирањето на моделот. Дополнително, неколку помали фирми нудат решенија, вклучувајќи ги Flow, Luchen Technology, Chuanjing Technology и разни даватели на AI Infra кои започнаа поддршка за моделите DeepSeek. AI Technology Review дозна дека моменталните можности за оптимизација за локализирани распоредувања на DeepSeek првенствено постојат во две области: едната е оптимизирање за карактеристиките на реткост на моделот MoE користејќи пристап на мешано расудување за локално распоредување на моделот MoE од 671 милијарди параметри, додека се користи хибридна GPU/CPU инференција. Дополнително, оптимизацијата на MLA е од витално значење. Сепак, двата модели на DeepSeek сè уште се соочуваат со некои предизвици во оптимизацијата на распоредувањето. „Поради големината на моделот и бројните параметри, оптимизацијата е навистина комплексна, особено за локални распоредувања каде што постигнувањето оптимална рамнотежа помеѓу перформансите и трошоците ќе биде предизвик“, изјави истражувач од Chuanjing Technology. Најзначајната пречка лежи во надминувањето на ограничувањата на капацитетот на меморијата. „Усвојуваме хетероген пристап на соработка за целосно искористување на процесорите и другите пресметковни ресурси, ставајќи ги само несподелените делови од ретката MoE матрица на CPU/DRAM за обработка со користење на високо-перформансни CPU оператори, додека густите делови остануваат на графичката картичка“, објасни тој понатаму. Извештаите покажуваат дека рамката со отворен код на Chuanjing, KTransformers, првенствено инјектира различни стратегии и оператори во оригиналната имплементација на Transformers преку шаблон, значително подобрувајќи ја брзината на инференција со користење на методи како CUDAGraph. DeepSeek создаде можности за овие стартапи, бидејќи придобивките од растот стануваат очигледни; многу фирми пријавија забележителен раст на клиентите по лансирањето на DeepSeek API, добивајќи барања од претходни клиенти кои бараат оптимизации. Експерти од индустријата забележале: „Во минатото, донекаде воспоставените групи клиенти честопати беа врзани за стандардизираните услуги на поголемите компании, цврсто врзани од нивните ценовни предности поради обемот. Сепак, по завршувањето на распоредувањето на DeepSeek-R1/V3 пред Пролетниот фестивал, одеднаш добивме барања за соработка од неколку добро познати клиенти, па дури и претходно неактивни клиенти иницираа контакт за да ги воведат нашите услуги на DeepSeek“. Во моментов, се чини дека DeepSeek ги прави перформансите на моделот сè покритични, а со поширокото усвојување на големи модели, ова ќе продолжи значително да влијае на развојот во индустријата за вештачка инфраструктура. Доколку модел на ниво на DeepSeek може да се распореди локално по ниска цена, тоа во голема мера би помогнало во напорите за дигитална трансформација на владата и претпријатијата. Сепак, предизвиците продолжуваат, бидејќи некои клиенти може да имаат високи очекувања во врска со можностите на големите модели, што го прави поочигледно дека балансирањето на перформансите и трошоците станува клучно во практичното распоредување.