데이터에 따르면 DeepSeek은 21 일 만에 2 억 2,150 만 명의 일일 활동 사용자 (DAU)를 발생시켜 ChatGpt의 사용자 기반의 41.6%를 달성하고 Doubao의 1,395 만 명의 활동적인 사용자를 능가하여 전 세계적으로 가장 빠르게 성장하는 응용 프로그램이되어 157 개국/지역에서 Apple App Store를 토핑 한 것으로 나타났습니다. 그러나 사용자가 운전에 몰려 들었을 때 사이버 해커는 DeepSeek 앱을 끊임없이 공격하여 서버에 상당한 부담을 초래했습니다. 업계 분석가들은 이것이 부분적으로 훈련을위한 카드를 배포하는 동시에 추론을위한 충분한 계산 능력이 부족하기 때문이라고 생각합니다. 업계 내부자는 AI 기술 검토를 알렸다. 이것은 기술 대 생산물에 초점을 맞추는 데 상충 관계를 제시합니다. DeepSeek은 외부 자금이 거의 없어서 자체 유지를위한 양자 양자화에 크게 의존하여 현금 흐름 압력이 상대적으로 낮고 기술 환경을 상대적으로 낮 춥니 다. 현재, 위에서 언급 한 문제에 비추어 일부 사용자는 소셜 미디어에서 DeepSeek에게 사용 임계 값을 높이거나 유료 기능을 도입하여 사용자의 편의를 향상시킵니다. 또한 개발자는 최적화를 위해 공식 API 또는 타사 API를 활용하기 시작했습니다. 그러나 DeepSeek의 오픈 플랫폼은 최근에 "현재 서버 리소스가 부족하고 API 서비스 재충전이 중단되었습니다."라고 발표했습니다.

이것은 의심 할 여지없이 AI 인프라 부문의 타사 공급 업체에게 더 많은 기회를 열어줍니다. 최근에 수많은 국내 및 국제 클라우드 거인들이 DeepSeek의 모델 API를 출시했습니다. 오버세스 거인 Microsoft와 Amazon은 1 월 말에 처음으로 합류했습니다. 국내 지도자 인 화웨이 클라우드 (Huawei Cloud)는 2 월 1 일에 실리콘 기반 흐름과 협력하여 DeepSeek R1 및 V3 추론 서비스를 발표했습니다. AI Technology Review의 보고서에 따르면 Silicon 기반 Flow의 서비스가 사용자의 유입을 보았을 때 플랫폼의 "충돌"하는 것으로 나타났습니다. 바트 (바이 두, 알리바바, 텐 센트)와 사이드 런스 (Bytedance)는 2 월 3 일부터 저렴한 제한된 시간 제안을 발행했으며 작년의 클라우드 공급 업체 가격 전쟁을 연상시키는 Deepseek의 V2 모델 출시를 연상 시켰습니다. 클라우드 공급 업체의 열광적 인 행동은 Microsoft Azure와 Openai 사이의 초기 강력한 관계를 반영합니다. 2019 년 Microsoft는 2023 년에 Chatgpt가 출시 한 후 OpenAI에 대한 10 억 달러의 투자와 재점 혜택을 얻었습니다. 그러나이 긴밀한 관계는 Meta Open Sourced LLAMA 이후에 Microsoft Azure 외부의 다른 공급 업체를 사용하여 FRAY를 시작했습니다. 이 경우 DeepSeek은 제품 열 측면에서 ChatGpt를 능가했을뿐만 아니라 LLAMA의 GPT-3 부흥을 둘러싼 흥분과 유사하게 O1 릴리스 후 오픈 소스 모델을 도입했습니다.

실제로 클라우드 제공 업체는 AI 애플리케이션의 트래픽 게이트웨이로 자리 매김하고 있습니다. 즉, 개발자와의 관계가 심화되는 것은 선제 적 이점으로 해석됩니다. 보고서에 따르면 Baidu Smart Cloud는 모델의 출시 당일에 Qianfan 플랫폼을 통해 DeepSeek 모델을 사용하는 15,000 명 이상의 고객이 있습니다. 또한, 실리콘 기반 흐름, 루첸 기술, chuanjing 기술 및 깊은 모델에 대한 지원을 시작한 다양한 AI 인프라 제공 업체를 포함한 몇몇 소규모 회사가 솔루션을 제공하고 있습니다. AI Technology Review는 DeepSeek의 현지화 된 배포를위한 현재 최적화 기회가 주로 두 가지 영역에 존재한다는 것을 알게되었습니다. 하나는 하이브리드 GPU/CPU 추론을 활용하면서 671 억 파라미터 MOE 모델을 로컬로 배치하기위한 혼합 추론 접근법을 사용하여 MOE 모델의 스파트 특성을 최적화하고 있습니다. 또한 MLA의 최적화는 필수적입니다. 그러나 DeepSeek의 두 모델은 여전히 ​​배포 최적화에 몇 가지 어려움에 직면 해 있습니다. Chuanjing Technology의 연구원은 "모델의 크기와 수많은 매개 변수로 인해 최적화는 실제로 복잡합니다. 특히 성능과 비용 사이의 최적의 균형을 달성하는 것이 어려울 수있는 로컬 배치의 경우 특히 복잡합니다."라고 Chuanjing Technology의 연구원은 말했습니다. 가장 중요한 장애물은 메모리 용량 제한을 극복하는 데 있습니다. "우리는 CPU 및 기타 계산 자원을 완전히 활용하기 위해 이기종 협업 접근법을 채택하여 고성능 CPU 운영자를 사용하여 CPU/DRAM의 비 공유 부분 만 배치하는 반면, 조밀 한 부분은 GPU에 머물러 있습니다." 보고서에 따르면 Chuanjing의 오픈 소스 프레임 워크 Ktransformers는 주로 다양한 전략과 운영자를 템플릿을 통해 원래 변압기 구현에 주입하여 Cudagraph와 같은 방법을 사용하여 추론 속도를 크게 향상시킵니다. DeepSeek은 성장 혜택이 분명해지면서 이러한 스타트 업을위한 기회를 창출했습니다. 많은 회사들이 DeepSeek API를 시작한 후 눈에 띄는 고객 성장을보고했으며, 최적화를 찾는 이전 고객으로부터 문의를 받았습니다. 업계 내부자들은 과거에 다소 확립 된 고객 그룹이 종종 대기업의 표준화 된 서비스에 잠겨 있었고, 규모로 인해 비용 이점에 밀접하게 구속되었습니다. 그러나 봄 축제 전에 DeepSeek-R1/V3의 배치를 완료 한 후, 우리는 여러 유명한 고객으로부터 협력 요청을 받았으며, 심지어 Depeek 서비스를 도입하기 위해 Depeek 서비스를 도입하기 위해 갑자기 고객으로부터 협력 요청을 받았습니다. 현재 DeepSeek이 모델 추론 성능을 점점 더 중요하게 만들고 있으며, 대규모 모델을 광범위하게 채택함으로써 AI 인프라 산업의 개발에 크게 영향을 미칠 것입니다. DeepSeek 수준의 모델을 저렴한 비용으로 로컬로 배치 할 수 있다면 정부 및 기업 디지털 혁신 노력을 크게 도와 줄 것입니다. 그러나 일부 고객은 대규모 모델 기능에 대한 높은 기대치를 가질 수 있으므로 어려움이 지속되므로 실질적인 배포에서 성능과 비용의 균형을 잡는 것이 더욱 분명합니다.