მონაცემები მიუთითებს, რომ მისი გამოშვების დღიდან, Deepseek– მა დააკისრა 22,15 მილიონი ყოველდღიური აქტიური მომხმარებელი (DAU) მხოლოდ 21 დღის განმავლობაში, მიაღწია ChatGPT– ის მომხმარებელთა ბაზის 41.6% -ს და აღემატება DUBAO– ს 16,95 მილიონ ყოველდღიურ აქტიურ მომხმარებელს, რითაც გლობალურად ხდება Apple App– ის მაღაზიის მაღაზიის/რეგიონებში. ამასთან, მიუხედავად იმისა, რომ მომხმარებლები დრტვინავებში მიდიოდნენ, კიბერ ჰაკერები დაუნდობლად თავს დაესხნენ Deepseek- ის აპლიკაციას, რამაც გამოიწვია მნიშვნელოვანი დაძაბულობა მის სერვერებზე. ინდუსტრიის ანალიტიკოსები თვლიან, რომ ეს ნაწილობრივ გამოწვეულია ტრენინგის ბარათების Deepseek– ის განლაგებით, ხოლო გონივრულად გამოთვლითი ძალა არ აქვთ. ინდუსტრიის ინსაიდერმა აცნობა AI ტექნოლოგიის მიმოხილვას, "სერვერის ხშირი საკითხების მოგვარება მარტივად შესაძლებელია გადასახადების დატენვით ან დაფინანსებით, უფრო მეტი აპარატების შესაძენად; საბოლოო ჯამში, ეს დამოკიდებულია Deepseek- ის გადაწყვეტილებებზე." ეს წარმოადგენს ვაჭრობას ტექნოლოგიაზე ფოკუსირებაზე და პროდუქტიზაციაზე. Deepseek დიდწილად ეყრდნობოდა კვანტურ რაოდენობას თვითმმართველობისთვის, რადგან მიიღო მცირე გარე დაფინანსება, რის შედეგადაც შედარებით დაბალი ფულადი სახსრების წნევა და უფრო სუფთა ტექნოლოგიური გარემო. ამჟამად, ზემოხსენებული პრობლემების გათვალისწინებით, ზოგიერთი მომხმარებელი სოციალურ მედიაში ღრმად მოუწოდებს გამოყენების ბარიერების ამაღლებას ან ფასიან მახასიათებლებს შემოიღონ მომხმარებლის კომფორტის გასაძლიერებლად. გარდა ამისა, დეველოპერებმა დაიწყეს ოფიციალური API ან მესამე მხარის API– ების გამოყენება ოპტიმიზაციისთვის. ამასთან, Deepseek– ის ღია პლატფორმამ ცოტა ხნის წინ გამოაცხადა, რომ "მიმდინარე სერვერის რესურსები მწირია, ხოლო API სერვისის დატენვა შეჩერებულია."

ეს უდავოდ ხსნის მეტ შესაძლებლობებს მესამე მხარის მოვაჭრეებისთვის AI ინფრასტრუქტურის სექტორში. ცოტა ხნის წინ, მრავალრიცხოვანმა და საერთაშორისო ღრუბლოვანმა გიგანტმა წამოაყენა Deepseek– ის მოდელის API - Overaeas Giants Microsoft და Amazon, ვინც პირველი შეუერთდა იანვრის ბოლოს. შიდა ლიდერმა, Huawei Cloud– მა, პირველი ნაბიჯი გადადგა, რომელიც გამოუშვა Deepseek R1 და V3 მსჯელობის სერვისები სილიკონზე დაფუძნებულ ნაკადთან თანამშრომლობით. AI ტექნოლოგიის მიმოხილვის შესახებ ნათქვამია, რომ სილიკონზე დაფუძნებული ნაკადის სერვისებმა დაინახა მომხმარებლების შემოდინება, ეფექტურად "ავარიის" პლატფორმა. დიდი სამი ტექნიკური კომპანია (Baidu, Alibaba, Tencent) და Bytedance-ასევე გამოუშვეს დაბალი ფასიანი, შეზღუდული დროების შეთავაზებები 3 თებერვლიდან, გასული წლის ღრუბლოვანი მოვაჭრე ფასების ომები, რომლებიც იბადებენ Deepseek– ის V2 მოდელის გაშვებას, სადაც Deepseek– მა დაიწყო სახელწოდებით "Price Butcher". ღრუბლოვანი მოვაჭრეების სასტიკი მოქმედებები ეხმიანება უფრო ადრეულ კავშირებს Microsoft Azure- სა და Openai- ს შორის, სადაც 2019 წელს Microsoft- მა მნიშვნელოვანი $ 1 მილიარდი ინვესტიცია მოახდინა Openai- ში და მოათავსა სარგებელი, რომელიც ჩატგპტის გამოშვების შემდეგ მოხდა 2023 წელს. ამ შემთხვევაში, Deepseek– მა არამარტო გადააჭარბა Chatgpt– ს პროდუქტის სითბოს თვალსაზრისით, არამედ O1– ის გამოშვების შემდეგ, ასევე შემოიტანა ღია კოდის მოდელები, მსგავსია Llama– ს აღფრთოვანებით GPT-3– ის აღორძინებით.

სინამდვილეში, ღრუბლის პროვაიდერები ასევე პოზიციონირებენ, როგორც AI პროგრამების მიმოსვლის კარიბჭე, რაც იმას ნიშნავს, რომ დეველოპერებთან კავშირების გაღრმავება უპირატესობას ანიჭებს უპირატესობებს. მოხსენებებში ნათქვამია, რომ Baidu Smart Cloud– ს 15 000 - ზე მეტი მომხმარებელი ჰყავდა, რომლებიც იყენებდნენ Deepseek– ის მოდელს Qianfan– ის პლატფორმის საშუალებით, მოდელის გაშვების დღეს. გარდა ამისა, რამდენიმე პატარა ფირმა გთავაზობთ გადაწყვეტილებებს, მათ შორის სილიკონის დაფუძნებულ ნაკადს, ლუჩენის ტექნოლოგიას, ჩუანჯინგის ტექნოლოგიას და AI ინფრასის მიმწოდებლებს, რომლებმაც დაიწყეს მხარდაჭერა Deepseek მოდელებისთვის. AI Technology მიმოხილვამ შეიტყო, რომ ღრმა სიღრმის ლოკალიზებული განლაგებისთვის ოპტიმიზაციის ამჟამინდელი შესაძლებლობები, ძირითადად, ორ სფეროში არსებობს: ერთი ოპტიმიზირებულია MOE მოდელის სპარსიული მახასიათებლებისთვის, შერეული მსჯელობის მიდგომის გამოყენებით, 671 მილიარდი პარამეტრის MOE მოდელის ადგილობრივად განლაგებისას, ჰიბრიდული GPU/CPU Inference– ის გამოყენებისას. გარდა ამისა, MLA– ს ოპტიმიზაცია სასიცოცხლო მნიშვნელობისაა. ამასთან, Deepseek– ის ორი მოდელი კვლავ განიცდიან გარკვეულ გამოწვევებს განლაგების ოპტიმიზაციაში. ”მოდელის ზომისა და მრავალი პარამეტრის გამო, ოპტიმიზაცია მართლაც რთულია, განსაკუთრებით ადგილობრივი განლაგებისთვის, სადაც ოპტიმალური ბალანსის მიღწევა შესრულებასა და ღირებულებას შორის რთული იქნება”, - თქვა მკვლევარმა ჩუანჯინგის ტექნოლოგიიდან. ყველაზე მნიშვნელოვანი დაბრკოლება მდგომარეობს მეხსიერების შესაძლებლობების ლიმიტების დაძლევაში. ”ჩვენ ვიღებთ ჰეტეროგენული თანამშრომლობის მიდგომას CPU- ების და სხვა გამოთვლითი რესურსების სრულად გამოყენების მიზნით, მხოლოდ CPU/DRAM- ზე იშვიათად განაწილებულ ნაწილებს განთავსდება CPU/DRAM– ზე, მაღალი ხარისხის CPU ოპერატორების გამოყენებით, ხოლო მკვრივი ნაწილები GPU– ზე რჩება,”-განმარტა მან. მოხსენებები მიუთითებს, რომ ჩუანჯინგის ღია კოდის ჩარჩო ktransformers პირველ რიგში აყენებს სხვადასხვა სტრატეგიებსა და ოპერატორებს ტრანსფორმატორების თავდაპირველ განხორციელებაში შაბლონის მეშვეობით, რაც მნიშვნელოვნად აძლიერებს დასკვნის სიჩქარეს, როგორიცაა Cudagraph. Deepseek– მა შექმნა შესაძლებლობები ამ სტარტაპებისთვის, რადგან ზრდის სარგებელი აშკარა ხდება; ბევრმა ფირმამ შეამჩნია მომხმარებელთა შესამჩნევი ზრდა Deepseek API– ის ამოქმედების შემდეგ, წინა კლიენტებისგან გამოძიების მიღების შემდეგ, რომლებიც ეძებენ ოპტიმიზაციას. ინდუსტრიის ინსაიდერებმა აღნიშნეს, რომ ”წარსულში, გარკვეულწილად დამკვიდრებული კლიენტთა ჯგუფები ხშირად ჩაკეტილი იყვნენ უფრო დიდი კომპანიების სტანდარტიზებულ სერვისებში, რომლებიც მჭიდროდ არის შეკრული მათი ხარჯების უპირატესობებით მასშტაბის გამო. თუმცა, საგაზაფხულო ფესტივალამდე Deepseek-R1/V3- ის განლაგების დასრულების შემდეგ, ჩვენ მოულოდნელად მივიღეთ თანამშრომლობის თხოვნები რამდენიმე ცნობილი კლიენტებისგან, და გაცილებით ადრე, რომლებმაც შეადგინეს ჩვენი ღრმა კლიენტები.” ამჟამად, როგორც ჩანს, Deepseek აკეთებს მოდელის დასკვნის შესრულებას უფრო კრიტიკულად და დიდი მოდელების უფრო ფართო მიღებით, ეს კვლავ გააგრძელებს გავლენას AI ინფრას ინდუსტრიაში განვითარებას. თუ Deepseek- ის დონის მოდელის განლაგება ადგილობრივად დაბალ ფასად შეიძლება, ეს მნიშვნელოვნად დაეხმარება მთავრობასა და საწარმოს ციფრული ტრანსფორმაციის მცდელობებს. ამასთან, გამოწვევები შენარჩუნებულია, რადგან ზოგიერთ კლიენტს შეიძლება ჰქონდეს მაღალი მოლოდინები დიდი მოდელის შესაძლებლობებთან დაკავშირებით, რაც უფრო აშკარა გახდება, რომ შესრულების დაბალანსება და ღირებულება სასიცოცხლო მნიშვნელობისაა პრაქტიკულ განლაგებაში.