Dữ liệu cho thấy kể từ khi phát hành, DeepSeek đã tích lũy được 22,15 triệu người dùng hoạt động hàng ngày (DAU) chỉ trong vòng 21 ngày, đạt 41,6% cơ sở người dùng của ChatGPT và vượt qua 16,95 triệu người dùng hoạt động hàng ngày của Doubao, do đó trở thành ứng dụng phát triển nhanh nhất trên toàn cầu, đứng đầu Apple App Store tại 157 quốc gia/khu vực. Tuy nhiên, trong khi người dùng đổ xô đến, tin tặc mạng đã không ngừng tấn công ứng dụng DeepSeek, gây áp lực đáng kể lên máy chủ của ứng dụng. Các nhà phân tích trong ngành tin rằng điều này một phần là do DeepSeek triển khai thẻ để đào tạo trong khi thiếu đủ sức mạnh tính toán để lập luận. Một người trong ngành đã thông báo với AI Technology Review rằng "Các sự cố máy chủ thường xuyên có thể được giải quyết dễ dàng bằng cách tính phí hoặc tài trợ để mua thêm máy; cuối cùng, điều đó phụ thuộc vào quyết định của DeepSeek". Điều này thể hiện sự đánh đổi khi tập trung vào công nghệ so với sản xuất hàng loạt. DeepSeek chủ yếu dựa vào lượng tử hóa để tự duy trì, nhận được ít nguồn tài trợ bên ngoài, dẫn đến áp lực dòng tiền tương đối thấp và môi trường công nghệ tinh khiết hơn. Hiện tại, xét theo các vấn đề đã nêu ở trên, một số người dùng đang thúc giục DeepSeek trên phương tiện truyền thông xã hội nâng cao ngưỡng sử dụng hoặc giới thiệu các tính năng trả phí để tăng sự thoải mái cho người dùng. Ngoài ra, các nhà phát triển đã bắt đầu sử dụng API chính thức hoặc API của bên thứ ba để tối ưu hóa. Tuy nhiên, nền tảng mở của DeepSeek gần đây đã thông báo, "Các tài nguyên máy chủ hiện tại đang khan hiếm và việc nạp tiền dịch vụ API đã bị đình chỉ."

Điều này chắc chắn mở ra nhiều cơ hội hơn cho các nhà cung cấp bên thứ ba trong lĩnh vực cơ sở hạ tầng AI. Gần đây, nhiều gã khổng lồ đám mây trong nước và quốc tế đã ra mắt API mô hình của DeepSeek—những gã khổng lồ nước ngoài như Microsoft và Amazon là những công ty đầu tiên tham gia vào cuối tháng 1. Công ty dẫn đầu trong nước, Huawei Cloud, đã có động thái đầu tiên, phát hành các dịch vụ lý luận DeepSeek R1 và V3 hợp tác với Silicon-based Flow vào ngày 1 tháng 2. Các báo cáo từ AI Technology Review chỉ ra rằng các dịch vụ của Silicon-based Flow đã chứng kiến ​​sự gia tăng người dùng, về cơ bản là "làm sập" nền tảng. Ba công ty công nghệ lớn—BAT (Baidu, Alibaba, Tencent) và ByteDance—cũng đã đưa ra các ưu đãi giá rẻ, có thời hạn bắt đầu từ ngày 3 tháng 2, gợi nhớ đến cuộc chiến giá của các nhà cung cấp đám mây vào năm ngoái do sự ra mắt mô hình V2 của DeepSeek gây ra, khi DeepSeek bắt đầu được mệnh danh là "kẻ giết người giá rẻ". Những hành động điên cuồng của các nhà cung cấp đám mây phản ánh mối quan hệ bền chặt trước đó giữa Microsoft Azure và OpenAI, khi vào năm 2019, Microsoft đã đầu tư 1 tỷ đô la đáng kể vào OpenAI và thu được lợi ích sau khi ChatGPT ra mắt vào năm 2023. Tuy nhiên, mối quan hệ chặt chẽ này bắt đầu rạn nứt sau khi Meta mã nguồn mở Llama, cho phép các nhà cung cấp khác bên ngoài hệ sinh thái Microsoft Azure cạnh tranh với các mô hình lớn của họ. Trong trường hợp này, DeepSeek không chỉ vượt qua ChatGPT về sức nóng của sản phẩm mà còn giới thiệu các mô hình mã nguồn mở sau bản phát hành o1, tương tự như sự phấn khích xung quanh sự hồi sinh của Llama đối với GPT-3.

Trên thực tế, các nhà cung cấp dịch vụ đám mây cũng đang định vị mình là cổng giao thông cho các ứng dụng AI, nghĩa là việc thắt chặt mối quan hệ với các nhà phát triển sẽ chuyển thành lợi thế phòng ngừa. Các báo cáo chỉ ra rằng Baidu Smart Cloud đã có hơn 15.000 khách hàng sử dụng mô hình DeepSeek thông qua nền tảng Qianfan vào ngày ra mắt mô hình. Ngoài ra, một số công ty nhỏ hơn đang cung cấp các giải pháp, bao gồm Silicon-based Flow, Luchen Technology, Chuanjing Technology và nhiều nhà cung cấp AI Infra khác đã triển khai hỗ trợ cho các mô hình DeepSeek. AI Technology Review đã biết rằng các cơ hội tối ưu hóa hiện tại cho các triển khai cục bộ của DeepSeek chủ yếu nằm ở hai lĩnh vực: một là tối ưu hóa các đặc điểm thưa thớt của mô hình MoE bằng cách sử dụng phương pháp lý luận hỗn hợp để triển khai mô hình MoE 671 tỷ tham số cục bộ trong khi sử dụng suy luận GPU/CPU lai. Ngoài ra, việc tối ưu hóa MLA là rất quan trọng. Tuy nhiên, hai mô hình của DeepSeek vẫn phải đối mặt với một số thách thức trong quá trình tối ưu hóa triển khai. "Do kích thước của mô hình và nhiều tham số, việc tối ưu hóa thực sự phức tạp, đặc biệt là đối với các triển khai cục bộ, nơi đạt được sự cân bằng tối ưu giữa hiệu suất và chi phí sẽ là thách thức", một nhà nghiên cứu từ Chuanjing Technology cho biết. Rào cản quan trọng nhất nằm ở việc vượt qua giới hạn dung lượng bộ nhớ. "Chúng tôi áp dụng phương pháp cộng tác không đồng nhất để tận dụng tối đa CPU và các tài nguyên tính toán khác, chỉ đặt các phần không được chia sẻ của ma trận MoE thưa thớt trên CPU/DRAM để xử lý bằng các toán tử CPU hiệu suất cao, trong khi các phần dày đặc vẫn nằm trên GPU", ông giải thích thêm. Các báo cáo chỉ ra rằng khuôn khổ nguồn mở KTransformers của Chuanjing chủ yếu đưa nhiều chiến lược và toán tử khác nhau vào triển khai Transformers ban đầu thông qua một mẫu, tăng đáng kể tốc độ suy luận bằng các phương pháp như CUDAGraph. DeepSeek đã tạo ra cơ hội cho các công ty khởi nghiệp này, vì lợi ích tăng trưởng đang trở nên rõ ràng; nhiều công ty đã báo cáo sự gia tăng đáng kể về khách hàng sau khi ra mắt API DeepSeek, nhận được các yêu cầu từ các khách hàng trước đây đang tìm kiếm các phương pháp tối ưu hóa. Những người trong ngành đã lưu ý, "Trước đây, các nhóm khách hàng đã thành danh thường bị khóa chặt trong các dịch vụ chuẩn hóa của các công ty lớn hơn, bị ràng buộc chặt chẽ bởi lợi thế về chi phí do quy mô. Tuy nhiên, sau khi hoàn tất triển khai DeepSeek-R1/V3 trước Tết Nguyên đán, chúng tôi đột nhiên nhận được yêu cầu hợp tác từ một số khách hàng nổi tiếng, và thậm chí cả những khách hàng trước đây không hoạt động cũng đã chủ động liên hệ để giới thiệu các dịch vụ DeepSeek của chúng tôi." Hiện tại, có vẻ như DeepSeek đang khiến hiệu suất suy luận mô hình ngày càng trở nên quan trọng và với việc áp dụng rộng rãi hơn các mô hình lớn, điều này sẽ tiếp tục ảnh hưởng đáng kể đến sự phát triển trong ngành AI Infra. Nếu một mô hình cấp DeepSeek có thể được triển khai tại địa phương với chi phí thấp, thì nó sẽ hỗ trợ rất nhiều cho các nỗ lực chuyển đổi số của chính phủ và doanh nghiệp. Tuy nhiên, vẫn còn nhiều thách thức, vì một số khách hàng có thể có kỳ vọng cao về khả năng của mô hình lớn, khiến việc cân bằng hiệu suất và chi phí trở nên quan trọng hơn trong quá trình triển khai thực tế.