तथ्याङ्कले संकेत गर्छ कि यसको रिलीज भएदेखि, DeepSeek ले केवल २१ दिन भित्र २२.१५ मिलियन दैनिक सक्रिय प्रयोगकर्ताहरू (DAU) जम्मा गरेको छ, जसले ChatGPT को प्रयोगकर्ता आधारको ४१.६% प्राप्त गरेको छ र Doubao को १६.९५ मिलियन दैनिक सक्रिय प्रयोगकर्ताहरूलाई पार गरेको छ, यसरी विश्वव्यापी रूपमा सबैभन्दा छिटो बढ्दो अनुप्रयोग बनेको छ, १५७ देशहरू/क्षेत्रहरूमा एप्पल एप स्टोरलाई शीर्ष स्थानमा राखेको छ। यद्यपि, प्रयोगकर्ताहरूको भीड बढ्दै जाँदा, साइबर ह्याकरहरूले DeepSeek एपमा निरन्तर आक्रमण गरिरहेका छन्, जसले गर्दा यसको सर्भरहरूमा उल्लेखनीय तनाव उत्पन्न भएको छ। उद्योग विश्लेषकहरू विश्वास गर्छन् कि यो आंशिक रूपमा DeepSeek ले प्रशिक्षणको लागि कार्डहरू तैनाथ गरेको कारणले हो जबकि तर्कको लागि पर्याप्त कम्प्युटेशनल शक्तिको अभाव छ। एक उद्योग भित्री व्यक्तिले AI टेक्नोलोजी समीक्षालाई जानकारी दिए, "बारम्बार सर्भर समस्याहरू शुल्क लिएर वा थप मेसिनहरू खरिद गर्न वित्तपोषण गरेर सजिलै समाधान गर्न सकिन्छ; अन्ततः, यो DeepSeek को निर्णयहरूमा निर्भर गर्दछ।" यसले प्रविधि बनाम उत्पादनीकरणमा ध्यान केन्द्रित गर्ने एक व्यापार-अफ प्रस्तुत गर्दछ। DeepSeek ले धेरै हदसम्म आत्म-निर्वाहको लागि क्वान्टम क्वान्टाइजेसनमा निर्भर गरेको छ, थोरै बाह्य कोष प्राप्त गरेको छ, जसको परिणामस्वरूप अपेक्षाकृत कम नगद प्रवाह दबाब र शुद्ध प्राविधिक वातावरण सिर्जना भएको छ। हाल, माथि उल्लेखित समस्याहरूको प्रकाशमा, केही प्रयोगकर्ताहरूले सामाजिक सञ्जालमा DeepSeek लाई प्रयोगको सीमा बढाउन वा प्रयोगकर्ताको सुविधा बढाउन सशुल्क सुविधाहरू प्रस्तुत गर्न आग्रह गरिरहेका छन्। थप रूपमा, विकासकर्ताहरूले अनुकूलनको लागि आधिकारिक API वा तेस्रो-पक्ष API हरू प्रयोग गर्न थालेका छन्। यद्यपि, DeepSeek को खुला प्लेटफर्मले हालै घोषणा गर्‍यो, "हालको सर्भर स्रोतहरू दुर्लभ छन्, र API सेवा रिचार्जहरू निलम्बित गरिएको छ।"

यसले निस्सन्देह एआई पूर्वाधार क्षेत्रमा तेस्रो-पक्ष विक्रेताहरूको लागि थप अवसरहरू खोल्छ। हालै, धेरै घरेलु र अन्तर्राष्ट्रिय क्लाउड दिग्गजहरूले डीपसिकको मोडेल एपीआईहरू सुरु गरेका छन् - विदेशी दिग्गजहरू माइक्रोसफ्ट र अमेजन जनवरीको अन्त्यमा सामेल हुने पहिलो व्यक्तिहरू मध्ये एक थिए। घरेलु नेता, हुआवेई क्लाउडले पहिलो कदम चालेको छ, फेब्रुअरी १ ​​मा सिलिकन-आधारित फ्लोसँगको सहकार्यमा डीपसिक R1 र V3 तर्क सेवाहरू जारी गर्दै। एआई टेक्नोलोजी समीक्षाका रिपोर्टहरूले संकेत गर्दछ कि सिलिकन-आधारित फ्लोका सेवाहरूले प्रयोगकर्ताहरूको आगमन देखेका छन्, जसले प्लेटफर्मलाई प्रभावकारी रूपमा "क्र्यास" गरिरहेको छ। ठूला तीन प्राविधिक कम्पनीहरू - BAT (बैदु, अलिबाबा, टेन्सेन्ट) र बाइटडान्स - ले पनि फेब्रुअरी ३ देखि सुरु हुने कम लागत, सीमित-समय प्रस्तावहरू जारी गरेका छन्, जुन गत वर्षको डीपसिकको V2 मोडेल लन्चले प्रज्वलित क्लाउड विक्रेता मूल्य युद्धहरूको सम्झना दिलाउँछ, जहाँ डीपसिकलाई "मूल्य कसाई" भनेर डब गर्न थालिएको थियो। क्लाउड विक्रेताहरूको उग्र कार्यहरूले माइक्रोसफ्ट एजुरे र ओपनएआई बीचको पहिलेको बलियो सम्बन्धलाई प्रतिध्वनित गर्दछ, जहाँ २०१९ मा, माइक्रोसफ्टले ओपनएआईमा १ बिलियन डलरको पर्याप्त लगानी गरेको थियो र २०२३ मा च्याटजीपीटीको सुरुवात पछि फाइदा उठाएको थियो। यद्यपि, मेटा ओपन-सोर्स लामा पछि यो घनिष्ठ सम्बन्धमा खलल पर्न थाल्यो, जसले माइक्रोसफ्ट एजुरे इकोसिस्टम बाहिरका अन्य विक्रेताहरूलाई उनीहरूको ठूला मोडेलहरूसँग प्रतिस्पर्धा गर्न अनुमति दियो। यस उदाहरणमा, डीपसीकले उत्पादन तापको सन्दर्भमा च्याटजीपीटीलाई मात्र पार गरेको छैन तर ओ१ रिलीज पछि खुला-स्रोत मोडेलहरू पनि प्रस्तुत गरेको छ, लामाको GPT-3 को पुनरुत्थानको वरिपरिको उत्साह जस्तै।

वास्तविकतामा, क्लाउड प्रदायकहरूले आफूलाई AI अनुप्रयोगहरूको लागि ट्राफिक गेटवेको रूपमा पनि राखिरहेका छन्, जसको अर्थ विकासकर्ताहरूसँगको सम्बन्धलाई गहिरो बनाउनु पूर्व-लाभकारी फाइदाहरूमा अनुवाद हुन्छ। रिपोर्टहरूले संकेत गर्दछ कि Baidu स्मार्ट क्लाउडले मोडेलको सुरुवातको दिनमा Qianfan प्लेटफर्म मार्फत DeepSeek मोडेल प्रयोग गर्ने १५,००० भन्दा बढी ग्राहकहरू थिए। थप रूपमा, धेरै साना फर्महरूले समाधानहरू प्रस्ताव गरिरहेका छन्, जसमा सिलिकन-आधारित फ्लो, लुचेन टेक्नोलोजी, चुआनजिङ टेक्नोलोजी, र विभिन्न AI इन्फ्रा प्रदायकहरू समावेश छन् जसले DeepSeek मोडेलहरूको लागि समर्थन सुरु गरेका छन्। AI टेक्नोलोजी समीक्षाले सिकेको छ कि DeepSeek को स्थानीयकृत तैनातीहरूको लागि हालको अनुकूलन अवसरहरू मुख्यतया दुई क्षेत्रहरूमा अवस्थित छन्: एउटा भनेको हाइब्रिड GPU/CPU अनुमान प्रयोग गर्दा स्थानीय रूपमा 671 बिलियन प्यारामिटर MoE मोडेल तैनाती गर्न मिश्रित तर्क दृष्टिकोण प्रयोग गरेर MoE मोडेलको स्पार्सिटी विशेषताहरूको लागि अनुकूलन गर्नु हो। थप रूपमा, MLA को अनुकूलन महत्त्वपूर्ण छ। यद्यपि, DeepSeek का दुई मोडेलहरूले तैनाती अनुकूलनमा अझै पनि केही चुनौतीहरूको सामना गर्छन्। "मोडेलको आकार र असंख्य प्यारामिटरहरूको कारण, अप्टिमाइजेसन वास्तवमै जटिल छ, विशेष गरी स्थानीय तैनातीहरूको लागि जहाँ प्रदर्शन र लागत बीचको इष्टतम सन्तुलन प्राप्त गर्न चुनौतीपूर्ण हुनेछ," चुआनजिङ टेक्नोलोजीका एक अनुसन्धानकर्ताले भने। सबैभन्दा महत्त्वपूर्ण बाधा मेमोरी क्षमता सीमाहरू पार गर्नु हो। "हामी CPU हरू र अन्य कम्प्युटेसनल स्रोतहरूको पूर्ण उपयोग गर्न एक विषम सहयोग दृष्टिकोण अपनाउँछौं, उच्च-प्रदर्शन CPU अपरेटरहरू प्रयोग गरेर प्रशोधनको लागि CPU/DRAM मा स्पार्स MoE म्याट्रिक्सको गैर-साझेदारी भागहरू मात्र राख्छौं, जबकि घना भागहरू GPU मा रहन्छन्," उनले थप व्याख्या गरे। रिपोर्टहरूले संकेत गर्दछ कि चुआनजिङको खुला-स्रोत फ्रेमवर्क KTransformers ले मुख्यतया टेम्प्लेट मार्फत मूल ट्रान्सफर्मर कार्यान्वयनमा विभिन्न रणनीतिहरू र अपरेटरहरूलाई इन्जेक्ट गर्दछ, CUDAGraph जस्ता विधिहरू प्रयोग गरेर अनुमान गतिलाई उल्लेखनीय रूपमा बढाउँछ। DeepSeek ले यी स्टार्टअपहरूको लागि अवसरहरू सिर्जना गरेको छ, किनकि वृद्धि लाभहरू स्पष्ट हुँदै गइरहेका छन्; धेरै फर्महरूले DeepSeek API सुरु गरेपछि उल्लेखनीय ग्राहक वृद्धि रिपोर्ट गरेका छन्, अनुकूलन खोज्ने अघिल्ला ग्राहकहरूबाट सोधपुछ प्राप्त गर्दै। उद्योगका आन्तरिक व्यक्तिहरूले उल्लेख गरेका छन्, "विगतमा, केही हदसम्म स्थापित ग्राहक समूहहरू प्रायः ठूला कम्पनीहरूको मानकीकृत सेवाहरूमा बन्द थिए, स्केलको कारणले गर्दा तिनीहरूको लागत फाइदाहरूसँग कडा रूपमा बाँधिएका थिए। यद्यपि, वसन्त महोत्सव अघि DeepSeek-R1/V3 को तैनाती पूरा गरेपछि, हामीले अचानक धेरै प्रसिद्ध ग्राहकहरूबाट सहयोग अनुरोधहरू प्राप्त गर्यौं, र पहिले निष्क्रिय ग्राहकहरूले पनि हाम्रो DeepSeek सेवाहरू परिचय गराउन सम्पर्क सुरु गरे।" हाल, यस्तो देखिन्छ कि DeepSeek ले मोडेल अनुमान प्रदर्शनलाई बढ्दो रूपमा महत्वपूर्ण बनाउँदैछ, र ठूला मोडेलहरूको व्यापक अपनाइसँगै, यसले AI इन्फ्रा उद्योगमा विकासलाई उल्लेखनीय रूपमा प्रभाव पार्न जारी राख्नेछ। यदि DeepSeek-स्तरको मोडेल कम लागतमा स्थानीय रूपमा तैनाथ गर्न सकिन्छ भने, यसले सरकार र उद्यम डिजिटल रूपान्तरण प्रयासहरूलाई धेरै मद्दत गर्नेछ। यद्यपि, चुनौतीहरू कायमै छन्, किनकि केही ग्राहकहरूले ठूला मोडेल क्षमताहरूको बारेमा उच्च अपेक्षाहरू राख्न सक्छन्, जसले गर्दा व्यावहारिक तैनातीमा प्रदर्शन र लागत सन्तुलन महत्त्वपूर्ण हुन्छ भन्ने कुरा स्पष्ट हुन्छ।