Data menunjukkan bahwa sejak dirilis, DeepSeek telah mengumpulkan 22,15 juta pengguna aktif harian (DAU) hanya dalam waktu 21 hari, mencapai 41,6% dari basis pengguna ChatGPT dan melampaui 16,95 juta pengguna aktif harian Doubao, sehingga menjadi aplikasi dengan pertumbuhan tercepat secara global, menduduki puncak Apple App Store di 157 negara/wilayah. Namun, sementara pengguna berbondong-bondong, peretas dunia maya terus-menerus menyerang aplikasi DeepSeek, yang menyebabkan tekanan signifikan pada servernya. Analis industri percaya hal ini sebagian disebabkan oleh DeepSeek yang menggunakan kartu untuk pelatihan sementara tidak memiliki daya komputasi yang cukup untuk penalaran. Seorang informan industri memberi tahu AI Technology Review, "Masalah server yang sering terjadi dapat diselesaikan dengan mudah dengan mengenakan biaya atau pembiayaan untuk membeli lebih banyak mesin; pada akhirnya, itu tergantung pada keputusan DeepSeek." Hal ini menghadirkan trade-off dalam fokus pada teknologi versus produktivitas. DeepSeek sebagian besar mengandalkan kuantisasi kuantum untuk menopang dirinya sendiri, setelah menerima sedikit pendanaan eksternal, yang mengakibatkan tekanan arus kas yang relatif rendah dan lingkungan teknologi yang lebih murni. Saat ini, mengingat masalah yang disebutkan di atas, beberapa pengguna mendesak DeepSeek di media sosial untuk meningkatkan ambang batas penggunaan atau memperkenalkan fitur berbayar untuk meningkatkan kenyamanan pengguna. Selain itu, pengembang telah mulai memanfaatkan API resmi atau API pihak ketiga untuk pengoptimalan. Namun, platform terbuka DeepSeek baru-baru ini mengumumkan, "Sumber daya server saat ini langka, dan pengisian ulang layanan API telah ditangguhkan."

Hal ini tentu saja membuka lebih banyak peluang bagi vendor pihak ketiga di sektor infrastruktur AI. Baru-baru ini, banyak raksasa cloud domestik dan internasional telah meluncurkan API model DeepSeek—raksasa luar negeri Microsoft dan Amazon termasuk yang pertama bergabung pada akhir Januari. Pemimpin domestik, Huawei Cloud, mengambil langkah pertama, merilis layanan penalaran DeepSeek R1 dan V3 bekerja sama dengan Flow yang berbasis di Silicon pada tanggal 1 Februari. Laporan dari AI Technology Review menunjukkan bahwa layanan Flow yang berbasis di Silicon telah melihat masuknya pengguna, yang secara efektif "menghancurkan" platform tersebut. Tiga perusahaan teknologi besar—BAT (Baidu, Alibaba, Tencent) dan ByteDance—juga mengeluarkan penawaran berbiaya rendah dan terbatas waktu mulai tanggal 3 Februari, mengingatkan pada perang harga vendor cloud tahun lalu yang dipicu oleh peluncuran model DeepSeek V2, di mana DeepSeek mulai dijuluki "tukang daging harga." Tindakan panik vendor cloud menggemakan hubungan kuat sebelumnya antara Microsoft Azure dan OpenAI, di mana pada tahun 2019, Microsoft membuat investasi besar senilai $1 miliar di OpenAI dan menuai keuntungan setelah peluncuran ChatGPT pada tahun 2023. Namun, hubungan dekat ini mulai renggang setelah Meta menjadikan Llama sebagai sumber terbuka, yang memungkinkan vendor lain di luar ekosistem Microsoft Azure untuk bersaing dengan model besar mereka. Dalam hal ini, DeepSeek tidak hanya melampaui ChatGPT dalam hal popularitas produk tetapi juga memperkenalkan model sumber terbuka setelah rilis o1, mirip dengan kegembiraan seputar kebangkitan GPT-3 oleh Llama.

Pada kenyataannya, penyedia cloud juga memposisikan diri mereka sebagai gerbang lalu lintas untuk aplikasi AI, yang berarti bahwa memperdalam hubungan dengan pengembang menghasilkan keuntungan preemptif. Laporan menunjukkan bahwa Baidu Smart Cloud memiliki lebih dari 15.000 pelanggan yang memanfaatkan model DeepSeek melalui platform Qianfan pada hari peluncuran model tersebut. Selain itu, beberapa perusahaan yang lebih kecil menawarkan solusi, termasuk Flow berbasis silikon, Luchen Technology, Chuanjing Technology, dan berbagai penyedia AI Infra yang telah meluncurkan dukungan untuk model DeepSeek. AI Technology Review telah mempelajari bahwa peluang pengoptimalan saat ini untuk penerapan DeepSeek yang dilokalkan terutama ada di dua area: satu adalah mengoptimalkan karakteristik kelangkaan model MoE menggunakan pendekatan penalaran campuran untuk menerapkan model MoE 671 miliar parameter secara lokal sambil memanfaatkan inferensi GPU/CPU hibrida. Selain itu, pengoptimalan MLA sangat penting. Namun, kedua model DeepSeek masih menghadapi beberapa tantangan dalam pengoptimalan penerapan. "Karena ukuran model dan banyaknya parameter, pengoptimalan memang rumit, terutama untuk penerapan lokal yang mana mencapai keseimbangan optimal antara kinerja dan biaya akan menjadi tantangan," ungkap seorang peneliti dari Chuanjing Technology. Kendala paling signifikan terletak pada mengatasi batasan kapasitas memori. "Kami mengadopsi pendekatan kolaborasi heterogen untuk sepenuhnya memanfaatkan CPU dan sumber daya komputasi lainnya, hanya menempatkan bagian yang tidak digunakan bersama dari matriks MoE yang jarang pada CPU/DRAM untuk diproses menggunakan operator CPU berkinerja tinggi, sementara bagian yang padat tetap berada di GPU," jelasnya lebih lanjut. Laporan menunjukkan bahwa kerangka kerja sumber terbuka Chuanjing KTransformers terutama menyuntikkan berbagai strategi dan operator ke dalam implementasi Transformers asli melalui templat, yang secara signifikan meningkatkan kecepatan inferensi menggunakan metode seperti CUDAGraph. DeepSeek telah menciptakan peluang bagi perusahaan rintisan ini, karena manfaat pertumbuhan menjadi nyata; banyak perusahaan telah melaporkan pertumbuhan pelanggan yang nyata setelah meluncurkan API DeepSeek, menerima pertanyaan dari klien sebelumnya yang mencari pengoptimalan. Orang dalam industri telah mencatat, "Di masa lalu, kelompok klien yang cukup mapan sering kali terkunci pada layanan standar perusahaan besar, terikat erat oleh keunggulan biaya mereka karena skala. Namun, setelah menyelesaikan penerapan DeepSeek-R1/V3 sebelum Festival Musim Semi, kami tiba-tiba menerima permintaan kerja sama dari beberapa klien terkenal, dan bahkan klien yang sebelumnya tidak aktif pun memulai kontak untuk memperkenalkan layanan DeepSeek kami." Saat ini, tampaknya DeepSeek menjadikan kinerja inferensi model semakin penting, dan dengan adopsi model besar yang lebih luas, hal ini akan terus memengaruhi pengembangan dalam industri AI Infra secara signifikan. Jika model tingkat DeepSeek dapat diterapkan secara lokal dengan biaya rendah, hal itu akan sangat membantu upaya transformasi digital pemerintah dan perusahaan. Namun, tantangan tetap ada, karena beberapa klien mungkin memiliki harapan tinggi terkait kemampuan model besar, sehingga semakin jelas bahwa menyeimbangkan kinerja dan biaya menjadi vital dalam penerapan praktis.