تشير البيانات إلى أنه منذ إطلاقه، استقطب تطبيق DeepSeek 22.15 مليون مستخدم نشط يوميًا (DAU) في غضون 21 يومًا فقط، محققًا نسبة 41.6% من قاعدة مستخدمي ChatGPT، متجاوزًا بذلك 16.95 مليون مستخدم نشط يوميًا لتطبيق Doubao، ليصبح بذلك أسرع التطبيقات نموًا عالميًا، متصدرًا متجر تطبيقات Apple في 157 دولة/منطقة. ومع ذلك، وبينما توافد المستخدمون بأعداد كبيرة، واصل قراصنة الإنترنت مهاجمة تطبيق DeepSeek بلا هوادة، مما تسبب في ضغط كبير على خوادمه. ويعتقد محللو الصناعة أن هذا يعود جزئيًا إلى استخدام DeepSeek لبطاقات التدريب مع افتقارها إلى القدرة الحسابية الكافية للاستدلال. وصرح أحد المطلعين على الصناعة لمجلة AI Technology Review: "يمكن حل مشاكل الخوادم المتكررة بسهولة عن طريق فرض رسوم أو تمويل لشراء المزيد من الأجهزة؛ في النهاية، يعتمد الأمر على قرارات DeepSeek". وهذا يمثل مفاضلة بين التركيز على التكنولوجيا والإنتاج. اعتمدت DeepSeek بشكل كبير على التكميم الكمي لتحقيق الاكتفاء الذاتي، نظرًا لقلة التمويل الخارجي الذي تلقته، مما أدى إلى انخفاض ضغط التدفق النقدي نسبيًا وبيئة تكنولوجية أكثر نقاءً. حاليًا، وفي ضوء المشكلات المذكورة أعلاه، يحث بعض المستخدمين DeepSeek عبر وسائل التواصل الاجتماعي على رفع حدود الاستخدام أو تقديم ميزات مدفوعة لتعزيز راحة المستخدم. بالإضافة إلى ذلك، بدأ المطورون باستخدام واجهة برمجة التطبيقات الرسمية أو واجهات برمجة تطبيقات خارجية لتحسين الأداء. ومع ذلك، أعلنت منصة DeepSeek المفتوحة مؤخرًا أن "موارد الخادم الحالية شحيحة، وقد تم تعليق عمليات إعادة شحن خدمة واجهة برمجة التطبيقات".

هذا بلا شك يفتح آفاقًا جديدة أمام موردي الطرف الثالث في قطاع البنية التحتية للذكاء الاصطناعي. مؤخرًا، أطلقت العديد من شركات الحوسبة السحابية العملاقة المحلية والدولية واجهات برمجة تطبيقات نماذج DeepSeek، وكانت مايكروسوفت وأمازون من أوائل الشركات التي انضمت في نهاية يناير. وكانت هواوي كلاود، الشركة الرائدة محليًا، هي من اتخذت الخطوة الأولى بإطلاق خدمات الاستدلال DeepSeek R1 وV3 بالتعاون مع Flow، الشركة القائمة على السيليكون، في الأول من فبراير. وتشير تقارير من AI Technology Review إلى أن خدمات Flow، الشركة القائمة على السيليكون، شهدت تدفقًا كبيرًا من المستخدمين، مما أدى فعليًا إلى "تعطيل" المنصة. كما أصدرت شركات التكنولوجيا الثلاث الكبرى - BAT (بايدو، علي بابا، تينسنت) وبايت دانس - عروضًا منخفضة التكلفة لفترة محدودة بدءًا من الثالث من فبراير، تُذكرنا بحرب أسعار موردي الحوسبة السحابية العام الماضي التي أشعلها إطلاق DeepSeek لنموذج V2، حيث أصبح DeepSeek يُلقب بـ"جزار الأسعار". تعكس الإجراءات المحمومة لموردي السحابة الروابط القوية السابقة بين مايكروسوفت أزور وOpenAI، حيث استثمرت مايكروسوفت في عام ٢٠١٩ مليار دولار أمريكي في OpenAI وحصدت ثمارها بعد إطلاق ChatGPT في عام ٢٠٢٣. ومع ذلك، بدأت هذه العلاقة الوثيقة بالتراجع بعد أن قامت Meta بجعل Llama مفتوح المصدر، مما سمح لموردي خدمات أخرى خارج بيئة مايكروسوفت أزور بالتنافس مع نماذجهم الكبيرة. في هذه الحالة، لم يتفوق DeepSeek على ChatGPT من حيث شعبية المنتج فحسب، بل قدم أيضًا نماذج مفتوحة المصدر بعد إصدار o1، على غرار الحماس الذي أحاط بإعادة إحياء Llama لـ GPT-3.

في الواقع، يضع مزودو الخدمات السحابية أنفسهم أيضًا كبوابات مرور لتطبيقات الذكاء الاصطناعي، مما يعني أن تعميق العلاقات مع المطورين يترجم إلى مزايا استباقية. تشير التقارير إلى أن Baidu Smart Cloud كان لديه أكثر من 15000 عميل يستخدمون نموذج DeepSeek عبر منصة Qianfan في يوم إطلاق النموذج. بالإضافة إلى ذلك، تقدم العديد من الشركات الأصغر حلولاً، بما في ذلك Silicon-based Flow و Luchen Technology و Chuanjing Technology والعديد من مزودي البنية التحتية للذكاء الاصطناعي الذين أطلقوا دعمًا لنماذج DeepSeek. علمت AI Technology Review أن فرص التحسين الحالية لعمليات النشر المحلية لـ DeepSeek موجودة بشكل أساسي في مجالين: الأول هو تحسين خصائص الندرة لنموذج MoE باستخدام نهج التفكير المختلط لنشر نموذج MoE المكون من 671 مليار معلمة محليًا مع استخدام استدلال وحدة معالجة الرسومات/وحدة المعالجة المركزية الهجين. بالإضافة إلى ذلك، يعد تحسين MLA أمرًا حيويًا. ومع ذلك، لا يزال نموذجا DeepSeek يواجهان بعض التحديات في تحسين النشر. نظرًا لحجم النموذج وتعدد معاييره، يُعدّ التحسين معقدًا للغاية، خاصةً في عمليات النشر المحلية حيث يُشكّل تحقيق التوازن الأمثل بين الأداء والتكلفة تحديًا، وفقًا لباحث من شركة Chuanjing Technology. تكمن العقبة الأبرز في تجاوز حدود سعة الذاكرة. وأوضح قائلًا: "نعتمد نهجًا تعاونيًا متنوعًا للاستفادة الكاملة من وحدات المعالجة المركزية (CPU) والموارد الحاسوبية الأخرى، حيث نضع فقط الأجزاء غير المشتركة من مصفوفة MoE المتفرقة على وحدة المعالجة المركزية/ذاكرة الوصول العشوائي الديناميكية (DRAM) للمعالجة باستخدام مشغلات وحدة المعالجة المركزية عالية الأداء، بينما تبقى الأجزاء الكثيفة على وحدة معالجة الرسومات (GPU). تشير التقارير إلى أن إطار عمل Chuanjing مفتوح المصدر KTransformers يُضيف بشكل أساسي استراتيجيات ومشغلات متنوعة إلى تطبيق Transformers الأصلي من خلال قالب، مما يُحسّن بشكل كبير سرعة الاستدلال باستخدام أساليب مثل CUDAGraph. وقد خلقت DeepSeek فرصًا لهذه الشركات الناشئة، حيث أصبحت فوائد النمو واضحة؛ حيث أبلغت العديد من الشركات عن نمو ملحوظ في قاعدة عملائها بعد إطلاق واجهة برمجة تطبيقات DeepSeek، حيث تلقت استفسارات من عملاء سابقين يبحثون عن تحسينات. أشار خبراء في هذا المجال إلى أنه "في الماضي، كانت مجموعات العملاء الراسخة نوعًا ما محصورة في الخدمات الموحدة للشركات الكبرى، مقيدة بشدة بمزايا التكلفة الناتجة عن حجم العمل. ومع ذلك، بعد الانتهاء من نشر DeepSeek-R1/V3 قبل عيد الربيع، تلقينا فجأة طلبات تعاون من العديد من العملاء المعروفين، وحتى عملاء كانوا خاملين سابقًا بادروا بالتواصل معنا لتقديم خدمات DeepSeek". حاليًا، يبدو أن DeepSeek تجعل أداء استنتاج النماذج أمرًا بالغ الأهمية بشكل متزايد، ومع التوسع في اعتماد النماذج الكبيرة، سيستمر هذا في التأثير بشكل كبير على تطوير صناعة البنية التحتية للذكاء الاصطناعي. إذا أمكن نشر نموذج بمستوى DeepSeek محليًا بتكلفة منخفضة، فسيدعم ذلك بشكل كبير جهود التحول الرقمي للحكومات والمؤسسات. ومع ذلك، لا تزال التحديات قائمة، حيث قد يكون لدى بعض العملاء توقعات عالية بشأن قدرات النماذج الكبيرة، مما يجعل من الواضح أن الموازنة بين الأداء والتكلفة أمر بالغ الأهمية في النشر العملي.