Daten zeigen, dass Deepseek seit seiner Veröffentlichung innerhalb von nur 21 Tagen 22,15 Millionen tägliche aktive Nutzer (DAU) entspricht, wodurch 41,6% der Benutzerbasis von ChatGPT erreicht und 16,95 Millionen tägliche aktive Benutzer von Doulbao überschritten wurden. Während die Benutzer in Scharen strömten, haben Cyber ​​-Hacker die Deepseek -App unerbittlich angegriffen und ihre Server erheblich belastet. Branchenanalysten sind der Ansicht, dass dies teilweise auf Deepseek -Bereitstellungskarten für das Training zurückzuführen ist und gleichzeitig eine ausreichende Rechenleistung für die Argumentation fehlt. Ein Branchen -Insider informierte die AI -Technologieüberprüfung: "Die häufigen Serverprobleme können einfach durch die Erhebung von Gebühren oder Finanzierungen gelöst werden, um mehr Maschinen zu kaufen. Letztendlich hängt dies von Deepseeks Entscheidungen ab." Dies zeigt einen Kompromiss in der Konzentration auf Technologie im Vergleich zur Produktisierung. Deepseek hat sich größtenteils auf die Quantenquantisierung für die Selbstversorgung verlassen, nachdem sie nur wenig externe Finanzierung erhalten hatte, was zu einem relativ geringen Cashflow-Druck und einem reineren technologischen Umfeld geführt hat. Derzeit fordern einige Benutzer angesichts der oben genannten Probleme Deepseek in den sozialen Medien auf, die Nutzungsschwellen zu erhöhen oder bezahlte Funktionen einzuführen, um den Benutzerkomfort zu verbessern. Darüber hinaus haben Entwickler begonnen, die offizielle API oder die APIs von Drittanbietern zur Optimierung zu verwenden. Die offene Plattform von Deepseek gab jedoch kürzlich bekannt: "Die aktuellen Serverressourcen sind knapp, und der API -Dienst wurde eingestellt."

Dies eröffnet zweifellos mehr Möglichkeiten für Anbieter von Drittanbietern im KI-Infrastruktursektor. In jüngster Zeit haben zahlreiche inländische und internationale Cloud -Giganten Deepseeks Modell -APIs auf den Markt gebracht. Der inländische Leiter Huawei Cloud hat am 1. Februar den ersten Schritt in Zusammenarbeit mit Silicon-basierten Flow veröffentlicht. Berichte aus der AI-Technologieüberprüfung zeigen, dass die Dienste von Silicon-basierten Flows einen Zustrom von Benutzern, die die Plattform effektiv "zum Absturz" haben. Die drei Tech-Unternehmen der Big Tech-Bat (Baidu, Alibaba, Tencent) und Bytedance-haben ab dem 3. Februar kostengünstige Angebote für begrenzte Zeit ausgegeben und an den letztjährigen Cloud-Anbieter-Preiskriegen erinnert, der von Deepseeks V2-Modellstart entzündet wurde, bei dem Deepseek als "Price Butcher" bezeichnet wurde. Die hektischen Aktionen von Cloud-Anbietern erinnern die früheren starken Beziehungen zwischen Microsoft Azure und Openai, wo Microsoft im Jahr 2019 eine erhebliche Investition von 1 Milliarde US-Dollar in OpenAI erzielte und nach dem Start von Chatgpt im Jahr 2023 die Vorteile erzielte. Diese enge Beziehung begann jedoch, nach Meta Open-Sourcy-Llama zu befreiten und andere mit ihren Vendern mit anderen Vorstellern mit ihren großen Vorräten zu konkurrieren. In diesem Fall hat Deepseek nicht nur Chatgpt in Bezug auf die Produktwärme übertroffen, sondern auch nach der O1-Veröffentlichung Open-Source-Modelle eingeführt, ähnlich der Aufregung von Llamas Wiederbelebung von GPT-3.

In Wirklichkeit positionieren sich Cloud -Anbieter auch als Verkehrs -Gateways für KI -Anwendungen, was bedeutet, dass die Vertiefung der Beziehungen zu Entwicklern zu präventiven Vorteilen führt. Berichten zufolge hatte Baidu Smart Cloud über 15.000 Kunden, die das Deepseek -Modell über die Qianfan -Plattform am Starttag des Modells nutzten. Darüber hinaus bieten mehrere kleinere Unternehmen Lösungen an, darunter Siliziumbasis, Luchen-Technologie, Chuanjing-Technologie und verschiedene KI-Infra-Anbieter, die Unterstützung für Deepseek-Modelle gestartet haben. AI Technology Review hat erfahren, dass aktuelle Optimierungsmöglichkeiten für lokalisierte Bereitstellungen von Deepseek in erster Linie in zwei Bereichen bestehen: Eine optimiert die Sparsity -Eigenschaften des MOE -Modells unter Verwendung eines gemischten Argumentationsansatzes zur Bereitstellung des 671 -Milliarden -Parameter -MOE -Modells local, wobei die hybriden GPU/CPU -Inferenz verwendet wird. Zusätzlich ist die Optimierung von MLA von entscheidender Bedeutung. Die beiden Modelle von Deepseek stehen jedoch immer noch vor einigen Herausforderungen bei der Einsatzoptimierung. "Aufgrund der Größe des Modells und der zahlreichen Parameter ist die Optimierung tatsächlich komplex, insbesondere für lokale Bereitstellungen, bei denen ein optimales Gleichgewicht zwischen Leistung und Kosten eine Herausforderung sein wird", erklärte ein Forscher der Chuanjing -Technologie. Die bedeutendste Hürde liegt in der Überwindung von Gedächtniskapazitätsgrenzen. "Wir verfolgen einen heterogenen Ansatz für die Zusammenarbeit, um CPUs und andere Rechenressourcen vollständig zu nutzen, und platzieren nur die nicht stammenden Teile der spärlichen MOE-Matrix auf CPU/DRAM für die Verarbeitung mit Hochleistungs-CPU-Operatoren, während die dichten Portionen an der GPU bleiben", erklärte er weiter. Berichten zufolge injiziert die Open-Source-Framework von Chuanjing Ktransformers in erster Linie verschiedene Strategien und Operatoren in die ursprüngliche Transformatoren-Implementierung über eine Vorlage, wodurch die Inferenzgeschwindigkeit mithilfe von Methoden wie Cudagraph erheblich verbessert wird. Deepseek hat Chancen für diese Startups geschaffen, da sich Wachstumsvorteile erkennen. Viele Unternehmen haben nach dem Start der Deepseek -API ein spürbares Kundenwachstum gemeldet und Anfragen von früheren Kunden erhalten, die nach Optimierungen suchen. Branchenkenner haben festgestellt: "In der Vergangenheit wurden etwas etablierte Kundengruppen häufig in die standardisierten Dienste größerer Unternehmen eingeschlossen, die aufgrund der Skalierung eng gebunden waren. Nach dem Einsatz von DeepSeek-R1/V3 wurden jedoch vor dem Frühlingsfest plötzlich Kooperationsanfragen von mehreren bekannten Kunden und sogar bisher dauerhafte Kunden initiierten, um den Kontakt zu eröffnen." Derzeit scheint es, dass Deepseek die Modellinferenzleistung zunehmend kritisch macht, und mit einer breiteren Einführung großer Modelle wird dies die Entwicklung in der KI -Infra -Branche weiterhin erheblich beeinflussen. Wenn ein Modell auf Deepseek-Ebene lokal zu niedrigen Kosten eingesetzt werden könnte, würde es den Anstrengungen über die digitale Transformation der Regierung und des Unternehmens erheblich helfen. Die Herausforderungen bestehen jedoch bestehen bleiben, da einige Kunden möglicherweise hohe Erwartungen in Bezug auf große Modellfähigkeiten haben, was deutlicher wird, dass das Ausgleich von Leistung und Kosten für den praktischen Einsatz von entscheidender Bedeutung ist.