Los datos indican que, desde su lanzamiento, DeepSeek ha acumulado 22,15 millones de usuarios activos diarios (DAU) en tan solo 21 días, alcanzando el 41,6 % de la base de usuarios de ChatGPT y superando los 16,95 millones de usuarios activos diarios de Doubao, convirtiéndose así en la aplicación de mayor crecimiento a nivel mundial, encabezando la App Store de Apple en 157 países/regiones. Sin embargo, mientras los usuarios acudían masivamente, los ciberpiratas han estado atacando incesantemente la aplicación DeepSeek, sobrecargando significativamente sus servidores. Los analistas del sector creen que esto se debe en parte a que DeepSeek implementa tarjetas para el entrenamiento, pero carece de la potencia computacional suficiente para el razonamiento. Un experto del sector informó a AI Technology Review: «Los frecuentes problemas con los servidores se pueden resolver fácilmente cobrando comisiones o financiando la compra de más máquinas; en última instancia, depende de las decisiones de DeepSeek». Esto supone un dilema entre centrarse en la tecnología y la productización. DeepSeek se ha basado en gran medida en la cuantización cuántica para su autosuficiencia, tras haber recibido escasa financiación externa, lo que ha resultado en una presión de flujo de caja relativamente baja y un entorno tecnológico más puro. Actualmente, ante los problemas mencionados, algunos usuarios instan a DeepSeek en redes sociales a elevar los umbrales de uso o a introducir funciones de pago para mejorar la comodidad del usuario. Además, los desarrolladores han comenzado a utilizar la API oficial o API de terceros para la optimización. Sin embargo, la plataforma abierta de DeepSeek anunció recientemente: «Los recursos actuales del servidor son escasos y se han suspendido las recargas del servicio API».

Sin duda, esto abre más oportunidades para proveedores externos en el sector de infraestructura de IA. Recientemente, numerosos gigantes de la nube, tanto nacionales como internacionales, han lanzado las API de modelos de DeepSeek; los gigantes internacionales Microsoft y Amazon fueron de los primeros en unirse a finales de enero. El líder nacional, Huawei Cloud, dio el primer paso, lanzando los servicios de razonamiento DeepSeek R1 y V3 en colaboración con Flow, con sede en Silicon, el 1 de febrero. Informes de AI Technology Review indican que los servicios de Flow, con sede en Silicon, han experimentado una afluencia de usuarios, lo que ha colapsado la plataforma. Las tres grandes tecnológicas, BAT (Baidu, Alibaba, Tencent) y ByteDance, también lanzaron ofertas de bajo coste por tiempo limitado a partir del 3 de febrero, que recuerdan la guerra de precios entre proveedores de la nube del año pasado, desatada por el lanzamiento del modelo V2 de DeepSeek, donde DeepSeek empezó a ser apodado el "carnicero de precios". Las acciones frenéticas de los proveedores de la nube reflejan los fuertes vínculos previos entre Microsoft Azure y OpenAI, donde en 2019 Microsoft realizó una inversión sustancial de mil millones de dólares en OpenAI y obtuvo beneficios tras el lanzamiento de ChatGPT en 2023. Sin embargo, esta estrecha relación comenzó a deteriorarse después de que Meta liberara el código de Llama, lo que permitió a otros proveedores fuera del ecosistema de Microsoft Azure competir con sus grandes modelos. En este caso, DeepSeek no solo ha superado a ChatGPT en cuanto a popularidad del producto, sino que también ha introducido modelos de código abierto tras el lanzamiento de o1, similar al entusiasmo generado por el resurgimiento de GPT-3 por parte de Llama.

En realidad, los proveedores de la nube también se están posicionando como puertas de enlace de tráfico para aplicaciones de IA, lo que significa que profundizar los lazos con los desarrolladores se traduce en ventajas preventivas. Los informes indican que Baidu Smart Cloud tenía más de 15.000 clientes que utilizaban el modelo DeepSeek a través de la plataforma Qianfan el día del lanzamiento del modelo. Además, varias empresas más pequeñas están ofreciendo soluciones, incluyendo Silicon-based Flow, Luchen Technology, Chuanjing Technology y varios proveedores de infraestructura de IA que han lanzado soporte para los modelos DeepSeek. AI Technology Review ha descubierto que las oportunidades actuales de optimización para implementaciones localizadas de DeepSeek existen principalmente en dos áreas: una es optimizar las características de escasez del modelo MoE utilizando un enfoque de razonamiento mixto para implementar el modelo MoE de 671 mil millones de parámetros localmente mientras se utiliza la inferencia híbrida de GPU/CPU. Además, la optimización de MLA es vital. Sin embargo, los dos modelos de DeepSeek aún enfrentan algunos desafíos en la optimización de la implementación. "Debido al tamaño del modelo y a los numerosos parámetros, la optimización es realmente compleja, especialmente en implementaciones locales, donde lograr un equilibrio óptimo entre rendimiento y coste será un reto", afirmó un investigador de Chuanjing Technology. El mayor obstáculo reside en superar los límites de capacidad de memoria. "Adoptamos un enfoque de colaboración heterogénea para aprovechar al máximo las CPU y otros recursos computacionales, colocando solo las partes no compartidas de la matriz dispersa de MoE en la CPU/DRAM para su procesamiento mediante operadores de CPU de alto rendimiento, mientras que las partes densas permanecen en la GPU", explicó. Los informes indican que KTransformers, el framework de código abierto de Chuanjing, inyecta principalmente diversas estrategias y operadores en la implementación original de Transformers a través de una plantilla, lo que mejora significativamente la velocidad de inferencia mediante métodos como CUDAGraph. DeepSeek ha generado oportunidades para estas startups, ya que los beneficios de crecimiento son cada vez más evidentes; muchas empresas han informado de un notable crecimiento de clientes tras el lanzamiento de la API de DeepSeek, recibiendo consultas de antiguos clientes que buscan optimizaciones. Expertos del sector han señalado: «Anteriormente, los grupos de clientes relativamente consolidados solían estar limitados a los servicios estandarizados de empresas más grandes, fuertemente condicionados por sus ventajas de coste derivadas de la escala. Sin embargo, tras completar la implementación de DeepSeek-R1/V3 antes del Festival de Primavera, recibimos repentinamente solicitudes de cooperación de varios clientes reconocidos, e incluso clientes que antes no estaban en activo se pusieron en contacto para presentar nuestros servicios DeepSeek». Actualmente, parece que DeepSeek está haciendo que el rendimiento de la inferencia de modelos sea cada vez más crucial, y con la adopción más generalizada de modelos de gran tamaño, esto seguirá influyendo significativamente en el desarrollo de la industria de la infraestructura de IA. Si un modelo a nivel de DeepSeek pudiera implementarse localmente a bajo coste, contribuiría enormemente a los esfuerzos de transformación digital de gobiernos y empresas. Sin embargo, persisten los desafíos, ya que algunos clientes pueden tener altas expectativas respecto a las capacidades de los modelos de gran tamaño, lo que hace más evidente que equilibrar el rendimiento y el coste es vital en la implementación práctica.