I dati indicano che dal suo lancio, DeepSeek ha accumulato 22,15 milioni di utenti attivi giornalieri (DAU) in soli 21 giorni, raggiungendo il 41,6% della base utenti di ChatGPT e superando i 16,95 milioni di utenti attivi giornalieri di Doubao, diventando così l'applicazione in più rapida crescita a livello globale, in cima alla classifica dell'App Store di Apple in 157 paesi/regioni. Tuttavia, mentre gli utenti accorrevano a frotte, gli hacker informatici hanno attaccato senza sosta l'app DeepSeek, causando un notevole sovraccarico sui suoi server. Gli analisti del settore ritengono che ciò sia in parte dovuto al fatto che DeepSeek utilizza schede per l'addestramento, pur non disponendo di una potenza di calcolo sufficiente per il ragionamento. Un esperto del settore ha dichiarato ad AI Technology Review: "I frequenti problemi del server possono essere risolti facilmente addebitando commissioni o finanziando l'acquisto di più macchine; in definitiva, tutto dipende dalle decisioni di DeepSeek". Questo rappresenta un compromesso tra concentrarsi sulla tecnologia e sulla produzione. DeepSeek ha fatto affidamento in gran parte sulla quantizzazione quantistica per l'autosostentamento, avendo ricevuto pochi finanziamenti esterni, con conseguente pressione di flusso di cassa relativamente bassa e un ambiente tecnologico più puro. Attualmente, alla luce dei problemi sopra menzionati, alcuni utenti stanno sollecitando DeepSeek sui social media ad aumentare le soglie di utilizzo o a introdurre funzionalità a pagamento per migliorare il comfort dell'utente. Inoltre, gli sviluppatori hanno iniziato a utilizzare l'API ufficiale o API di terze parti per l'ottimizzazione. Tuttavia, la piattaforma aperta di DeepSeek ha recentemente annunciato: "Le risorse del server attuali sono scarse e i costi dei servizi API sono stati sospesi".

Questo apre senza dubbio maggiori opportunità per i fornitori terzi nel settore delle infrastrutture di intelligenza artificiale. Recentemente, numerosi colossi del cloud nazionali e internazionali hanno lanciato le API modello di DeepSeek: i colossi esteri Microsoft e Amazon sono stati tra i primi ad aderire alla fine di gennaio. Il leader nazionale, Huawei Cloud, ha fatto la prima mossa, rilasciando i servizi di ragionamento DeepSeek R1 e V3 in collaborazione con Flow, basato su Silicon, il 1° febbraio. I report di AI Technology Review indicano che i servizi Flow, basati su Silicon, hanno registrato un afflusso di utenti, di fatto "facendo crollare" la piattaforma. Anche le tre grandi aziende tecnologiche – BAT (Baidu, Alibaba, Tencent) e ByteDance – hanno lanciato offerte a basso costo e a tempo limitato a partire dal 3 febbraio, ricordando le guerre di prezzo dei fornitori cloud dello scorso anno, innescate dal lancio del modello V2 di DeepSeek, che ha portato DeepSeek a essere soprannominato il "macellaio dei prezzi". Le azioni frenetiche dei fornitori di servizi cloud riecheggiano i precedenti solidi legami tra Microsoft Azure e OpenAI, dove nel 2019 Microsoft ha investito ingenti somme di 1 miliardo di dollari in OpenAI e ne ha tratto beneficio dopo il lancio di ChatGPT nel 2023. Tuttavia, questo stretto rapporto ha iniziato a indebolirsi dopo che Meta ha reso open source Llama, consentendo ad altri fornitori esterni all'ecosistema Microsoft Azure di competere con i loro modelli di grandi dimensioni. In questo caso, DeepSeek non solo ha superato ChatGPT in termini di interesse per il prodotto, ma ha anche introdotto modelli open source dopo il rilascio o1, in modo simile all'entusiasmo suscitato dal revival di GPT-3 da parte di Llama.

In realtà, i provider cloud si stanno posizionando anche come gateway di traffico per le applicazioni di intelligenza artificiale, il che significa che rafforzare i legami con gli sviluppatori si traduce in vantaggi preventivi. I report indicano che Baidu Smart Cloud aveva oltre 15.000 clienti che utilizzavano il modello DeepSeek tramite la piattaforma Qianfan al giorno del lancio del modello. Inoltre, diverse aziende più piccole offrono soluzioni, tra cui Silicon-based Flow, Luchen Technology, Chuanjing Technology e vari provider di infrastrutture di intelligenza artificiale che hanno lanciato il supporto per i modelli DeepSeek. AI Technology Review ha appreso che le attuali opportunità di ottimizzazione per le distribuzioni localizzate di DeepSeek esistono principalmente in due aree: una è l'ottimizzazione per le caratteristiche di sparsità del modello MoE utilizzando un approccio di ragionamento misto per distribuire localmente il modello MoE a 671 miliardi di parametri, utilizzando al contempo l'inferenza ibrida GPU/CPU. Inoltre, l'ottimizzazione di MLA è fondamentale. Tuttavia, i due modelli di DeepSeek presentano ancora alcune sfide nell'ottimizzazione della distribuzione. "A causa delle dimensioni del modello e dei numerosi parametri, l'ottimizzazione è davvero complessa, in particolare per le distribuzioni locali, dove raggiungere un equilibrio ottimale tra prestazioni e costi sarà difficile", ha affermato un ricercatore di Chuanjing Technology. L'ostacolo più significativo risiede nel superare i limiti di capacità di memoria. "Adottiamo un approccio di collaborazione eterogenea per sfruttare appieno le CPU e altre risorse computazionali, posizionando solo le parti non condivise della matrice MoE sparsa su CPU/DRAM per l'elaborazione tramite operatori CPU ad alte prestazioni, mentre le porzioni dense rimangono sulla GPU", ha spiegato ulteriormente. I report indicano che il framework open source KTransformers di Chuanjing inietta principalmente varie strategie e operatori nell'implementazione originale di Transformers tramite un template, migliorando significativamente la velocità di inferenza utilizzando metodi come CUDAGraph. DeepSeek ha creato opportunità per queste startup, poiché i vantaggi di crescita stanno diventando evidenti; molte aziende hanno segnalato una notevole crescita della clientela dopo il lancio dell'API DeepSeek, ricevendo richieste da precedenti clienti alla ricerca di ottimizzazioni. Gli addetti ai lavori del settore hanno osservato: "In passato, gruppi di clienti piuttosto consolidati erano spesso vincolati ai servizi standardizzati di aziende più grandi, strettamente vincolati dai vantaggi di costo derivanti dalla scalabilità. Tuttavia, dopo aver completato l'implementazione di DeepSeek-R1/V3 prima dello Spring Festival, abbiamo improvvisamente ricevuto richieste di collaborazione da diversi clienti noti, e persino clienti precedentemente inattivi hanno avviato contatti per presentare i nostri servizi DeepSeek". Attualmente, sembra che DeepSeek stia rendendo le prestazioni di inferenza dei modelli sempre più critiche e, con la crescente adozione di modelli di grandi dimensioni, ciò continuerà a influenzare significativamente lo sviluppo nel settore delle infrastrutture di intelligenza artificiale. Se un modello di livello DeepSeek potesse essere implementato localmente a basso costo, ciò contribuirebbe notevolmente agli sforzi di trasformazione digitale di enti governativi e aziende. Tuttavia, persistono delle sfide, poiché alcuni clienti potrebbero nutrire aspettative elevate riguardo alle capacità dei modelli di grandi dimensioni, rendendo ancora più evidente che il bilanciamento tra prestazioni e costi diventa vitale nell'implementazione pratica.