Les données indiquent que depuis sa sortie, Deepseek a accumulé 22,15 millions d'utilisateurs actifs quotidiens (DAU) en seulement 21 jours, atteignant 41,6% de la base d'utilisateurs de Chatgpt et dépassant 16,95 millions d'utilisateurs actifs quotidiens de Doubao, devenant ainsi l'application à la croissance la plus rapide à l'échelle mondiale, en tête de l'Apple App Store dans 157 pays / régions. Cependant, alors que les utilisateurs affluent en masse, les cyber-pirates ont attaqué sans relâche l'application Deepseek, provoquant une pression significative sur ses serveurs. Les analystes de l'industrie estiment que cela est en partie dû aux cartes de déploiement Deepseek pour la formation tout en manquant de pouvoir informatique suffisant pour le raisonnement. Un initié de l'industrie a informé l'examen de la technologie de l'IA: "Les problèmes fréquents du serveur peuvent être facilement résolus en facturant des frais ou en financement pour acheter plus de machines; en fin de compte, cela dépend des décisions de Deepseek." Cela présente un compromis en se concentrant sur la technologie par rapport à la productibation. Deepseek s'est largement appuyé sur la quantification quantique pour l'auto-soumission, ayant reçu peu de financement externe, entraînant une pression de flux de trésorerie relativement faible et un environnement technologique plus pur. Actuellement, à la lumière des problèmes susmentionnés, certains utilisateurs exhortent profondément sur les réseaux sociaux à élever les seuils d'utilisation ou à introduire des fonctionnalités payantes pour améliorer le confort de l'utilisateur. De plus, les développeurs ont commencé à utiliser l'API officielle ou les API tiers pour l'optimisation. Cependant, la plate-forme ouverte de Deepseek a récemment annoncé que "les ressources du serveur actuelles sont rares et les recharges de services API ont été suspendus."

Cela ouvre sans aucun doute plus d'opportunités aux fournisseurs tiers du secteur des infrastructures de l'IA. Récemment, de nombreux géants nationaux et internationaux du cloud ont lancé les API modèles de Deepseek - les géants des Overs Microsoft et Amazon ont été parmi les premiers à se joindre à la fin de janvier. Le leader domestique, Huawei Cloud, a fait le premier pas, publiant des services de raisonnement Deepseek R1 et V3 en collaboration avec le flux basé sur le silicium le 1er février. Les rapports de l'IA Technology Review indiquent que les services de Flow basés sur le silicium ont vu un afflux d'utilisateurs, "s'écrasant" la plate-forme. Les trois grandes sociétés technologiques - Bat (Baidu, Alibaba, Tencent) et Bytedance - ont également émis des offres à durée limitée à faible coût à partir du 3 février. Les actions effrénées des fournisseurs de cloud font écho aux liens solides antérieurs entre Microsoft Azure et Openai, où en 2019, Microsoft a fait un investissement substantiel de 1 milliard de dollars dans OpenAI et a récolté les avantages après le lancement de Chatgpt en 2023. Cependant, cette relation étroite a commencé à s'effrayer après la méta-ouverte de Meta Open-Sourced Llama, permettant à d'autres fournisseurs en dehors de Microsoft Azure Ecosystem à contenir avec leurs grands modèles. Dans ce cas, Deepseek a non seulement dépassé Chatgpt en termes de chaleur du produit, mais a également introduit des modèles open source après la version O1, similaire à l'excitation entourant le renouveau de Llama de GPT-3.

En réalité, les fournisseurs de cloud se positionnent également comme des passerelles de circulation pour les applications d'IA, ce qui signifie que l'approfondissement des liens avec les développeurs se traduit par des avantages préventifs. Les rapports indiquent que Baidu Smart Cloud comptait plus de 15 000 clients utilisant le modèle Deepseek via la plate-forme Qianfan le jour de lancement du modèle. De plus, plusieurs petites entreprises proposent des solutions, notamment le flux basé sur le silicium, la technologie Luchen, la technologie Chuanjing et divers fournisseurs d'infra d'IA qui ont lancé le support pour les modèles Deepseek. La revue de la technologie de l'IA a appris que les opportunités d'optimisation actuelles pour les déploiements localisés de Deepseek existent principalement dans deux domaines: l'une optimise les caractéristiques de la rareté du modèle MOE en utilisant une approche de raisonnement mixte pour déployer le modèle MOE de 671 milliards de paramètres tout en utilisant l'inférence Hybrid GPU / CPU. De plus, l'optimisation de MLA est vitale. Cependant, les deux modèles de Deepseek sont toujours confrontés à certains défis dans l'optimisation du déploiement. "En raison de la taille du modèle et de nombreux paramètres, l'optimisation est en effet complexe, en particulier pour les déploiements locaux où la réalisation d'un équilibre optimal entre la performance et le coût sera difficile", a déclaré un chercheur de Chuanjing Technology. L'obstacle le plus important réside dans la surmonter les limites de capacité de mémoire. "Nous adoptons une approche de collaboration hétérogène pour utiliser pleinement les processeurs et autres ressources de calcul, ne plaçant que les parties non partagées de la matrice MOE clairsemée sur CPU / DRAM pour le traitement à l'aide d'opérateurs de processeur haute performance, tandis que les parties denses restent sur le GPU", a-t-il expliqué en outre. Les rapports indiquent que les ktransformateurs de cadre open source de Chuanjing injectent principalement diverses stratégies et opérateurs dans l'implémentation d'origine des transformateurs via un modèle, améliorant considérablement la vitesse d'inférence à l'aide de méthodes comme Cudagraph. Deepseek a créé des opportunités pour ces startups, à mesure que les avantages de la croissance deviennent apparents; De nombreuses entreprises ont signalé une croissance notable des clients après avoir lancé l'API Deepseek, recevant des demandes de renseignements de clients précédents à la recherche d'optimisations. Les initiés de l'industrie ont noté: "Dans le passé, les groupes de clients quelque peu établis étaient souvent enfermés dans les services standardisés de grandes entreprises, étroitement liées par leurs avantages de coût dus à l'échelle. Cependant, après avoir terminé le déploiement de Deepseek-R1 / V3 avant le Festival du printemps, nous avons soudainement reçu nos demandes de coopération de plusieurs clients bien connus, et même les clients dormants auparavant pour introduire nos services profonds." Actuellement, il apparaît que Deepseek fait des performances d'inférence de modèle de plus en plus critiques, et avec une adoption plus large de grands modèles, cela continuera d'influencer considérablement le développement dans l'industrie de l'IA infra. Si un modèle de niveau Deepseek pouvait être déployé localement à faible coût, cela aiderait grandement les efforts de transformation numérique du gouvernement et de l'entreprise. Cependant, les défis persistent, car certains clients peuvent avoir des attentes élevées concernant les grandes capacités du modèle, ce qui rend plus évident que l'équilibre des performances et des coûts devient vital dans le déploiement pratique.