ຂໍ້ມູນຊີ້ໃຫ້ເຫັນວ່ານັບຕັ້ງແຕ່ການປ່ອຍອອກມາ, DeepSeek ໄດ້ເພີ່ມຂຶ້ນ 22.15 ລ້ານຄົນທີ່ໃຊ້ວຽກປະຈໍາວັນ (DAU) ພາຍໃນພຽງແຕ່ 21 ມື້, ບັນລຸ 41.6% ຂອງຖານຜູ້ໃຊ້ຂອງ ChatGPT ແລະລື່ນກາຍ 16.95 ລ້ານຄົນທີ່ມີການເຄື່ອນໄຫວປະຈໍາວັນຂອງ Doubao, ດັ່ງນັ້ນຈຶ່ງກາຍເປັນແອັບພລິເຄຊັນທີ່ເຕີບໂຕໄວທີ່ສຸດໃນທົ່ວໂລກ, ຂຶ້ນເປັນ Apple App Store 5 ປະເທດ/regions. ຢ່າງໃດກໍຕາມ, ໃນຂະນະທີ່ຜູ້ໃຊ້ flocked ໃນຂັບລົດ, ແຮກເກີ cyber ໄດ້ໂຈມຕີ app DeepSeek ຢ່າງບໍ່ຢຸດຢັ້ງ, ເຊິ່ງກໍ່ໃຫ້ເກີດຄວາມເຄັ່ງຕຶງໃນເຄື່ອງແມ່ຂ່າຍຂອງມັນ. ນັກວິເຄາະອຸດສາຫະກໍາເຊື່ອວ່ານີ້ແມ່ນບາງສ່ວນເນື່ອງຈາກ DeepSeek ນໍາໃຊ້ບັດສໍາລັບການຝຶກອົບຮົມໃນຂະນະທີ່ຂາດພະລັງງານຄອມພິວເຕີ້ພຽງພໍສໍາລັບການສົມເຫດສົມຜົນ. ພາຍໃນອຸດສາຫະກໍາໄດ້ແຈ້ງໃຫ້ AI Technology Review, "ບັນຫາເຊີຟເວີເລື້ອຍໆສາມາດແກ້ໄຂໄດ້ງ່າຍໂດຍການຄິດຄ່າທໍານຽມຫຼືການເງິນເພື່ອຊື້ເຄື່ອງເພີ່ມເຕີມ; ສຸດທ້າຍ, ມັນຂຶ້ນກັບການຕັດສິນໃຈຂອງ DeepSeek." ນີ້ນໍາສະເຫນີການຄ້າໃນການສຸມໃສ່ເຕັກໂນໂລຢີທຽບກັບການຜະລິດ. DeepSeek ສ່ວນໃຫຍ່ແມ່ນອີງໃສ່ quantum quantization ສໍາລັບການລ້ຽງດູຕົນເອງ, ໄດ້ຮັບເງິນທຶນຈາກພາຍນອກພຽງເລັກນ້ອຍ, ເຊິ່ງກໍ່ໃຫ້ເກີດຄວາມກົດດັນຂອງກະແສເງິນສົດຂ້ອນຂ້າງຕໍ່າແລະສະພາບແວດລ້ອມເຕັກໂນໂລຢີທີ່ບໍລິສຸດ. ໃນປັດຈຸບັນ, ໃນແງ່ຂອງບັນຫາທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ຜູ້ໃຊ້ບາງຄົນກໍາລັງຮຽກຮ້ອງໃຫ້ DeepSeek ໃນສື່ມວນຊົນສັງຄົມຍົກລະດັບຂອບເຂດການນໍາໃຊ້ຫຼືແນະນໍາຄຸນສົມບັດທີ່ຈ່າຍເພື່ອເພີ່ມຄວາມສະດວກສະບາຍຂອງຜູ້ໃຊ້. ນອກຈາກນັ້ນ, ນັກພັດທະນາໄດ້ເລີ່ມໃຊ້ API ຢ່າງເປັນທາງການຫຼື APIs ພາກສ່ວນທີສາມສໍາລັບການເພີ່ມປະສິດທິພາບ. ຢ່າງໃດກໍຕາມ, ເວທີເປີດຂອງ DeepSeek ໄດ້ປະກາດເມື່ອໄວໆມານີ້, "ຊັບພະຍາກອນຂອງເຄື່ອງແມ່ຂ່າຍໃນປະຈຸບັນແມ່ນຂາດແຄນ, ແລະການເກັບຄ່າບໍລິການ API ໄດ້ຖືກໂຈະ."

ນີ້ແນ່ນອນຈະເປີດໂອກາດຫຼາຍສໍາລັບຜູ້ຂາຍພາກສ່ວນທີສາມໃນຂະແຫນງໂຄງສ້າງພື້ນຖານ AI. ບໍ່ດົນມານີ້, ບໍລິສັດເມຄຍັກໃຫຍ່ທັງພາຍໃນແລະຕ່າງປະເທດຈໍານວນຫລາຍໄດ້ເປີດຕົວ APIs ແບບຈໍາລອງຂອງ DeepSeek - ບໍລິສັດຍັກໃຫຍ່ຈາກຕ່າງປະເທດ Microsoft ແລະ Amazon ແມ່ນຫນຶ່ງໃນບັນດາບໍລິສັດທໍາອິດທີ່ເຂົ້າຮ່ວມໃນທ້າຍເດືອນມັງກອນ. ຜູ້ນໍາພາຍໃນປະເທດ, Huawei Cloud, ໄດ້ດໍາເນີນການເຄື່ອນໄຫວທໍາອິດ, ປ່ອຍບໍລິການໃຫ້ເຫດຜົນ DeepSeek R1 ແລະ V3 ໃນການຮ່ວມມືກັບ Silicon-based Flow ໃນວັນທີ 1 ເດືອນກຸມພາ. ບົດລາຍງານຈາກ AI Technology Review ຊີ້ໃຫ້ເຫັນວ່າບໍລິການຂອງ Flow ທີ່ອີງໃສ່ Silicon ໄດ້ເຫັນການໄຫລຂອງຜູ້ຊົມໃຊ້, ປະສິດທິຜົນ "crashing" ເວທີ. ບໍລິສັດເຕັກໂນໂລຢີໃຫຍ່ສາມບໍລິສັດ - BAT (Baidu, Alibaba, Tencent) ແລະ ByteDance - ຍັງໄດ້ອອກການສະເຫນີລາຄາຕ່ໍາ, ເວລາຈໍາກັດໃນວັນທີ 3 ເດືອນກຸມພາ, reminiscent ຂອງສົງຄາມລາຄາຜູ້ຂາຍເມຄຂອງປີທີ່ຜ່ານມາໄດ້ລຸກຂຶ້ນໂດຍການເປີດຕົວແບບຈໍາລອງ DeepSeek ຂອງ V2, ບ່ອນທີ່ DeepSeek ເລີ່ມຕົ້ນຖືກຂະຫນານນາມວ່າ "ຜູ້ຂາຍລາຄາ." ການກະທໍາທີ່ຫຼົງໄຫຼຂອງຜູ້ຂາຍເມຄໄດ້ສະທ້ອນເຖິງຄວາມສຳພັນອັນແໜ້ນແຟ້ນລະຫວ່າງ Microsoft Azure ແລະ OpenAI, ເຊິ່ງໃນປີ 2019, Microsoft ໄດ້ລົງທຶນຫຼາຍຕື້ໂດລາໃນ OpenAI ແລະເກັບກ່ຽວຜົນປະໂຫຍດຫຼັງຈາກການເປີດຕົວຂອງ ChatGPT ໃນປີ 2023. ແນວໃດກໍ່ຕາມ, ຄວາມສຳພັນອັນໃກ້ຊິດນີ້ເລີ່ມແຕກແຍກຫຼັງຈາກ Meta open-sourced Llama, ອະນຸຍາດໃຫ້ຜູ້ຂາຍອື່ນໆທີ່ຢູ່ນອກລະບົບ Microsoft A. ໃນຕົວຢ່າງນີ້, DeepSeek ບໍ່ພຽງແຕ່ໄດ້ລື່ນກາຍ ChatGPT ໃນແງ່ຂອງຄວາມຮ້ອນຂອງຜະລິດຕະພັນ, ແຕ່ຍັງໄດ້ນໍາສະເຫນີແບບຈໍາລອງ open-source ຫຼັງຈາກການປ່ອຍ o1, ຄ້າຍຄືກັບຄວາມຕື່ນເຕັ້ນທີ່ອ້ອມຮອບການຟື້ນຕົວຂອງ Llama ຂອງ GPT-3.

ໃນຄວາມເປັນຈິງ, ຜູ້ໃຫ້ບໍລິການຟັງຍັງຕັ້ງຕົວເອງເປັນປະຕູການຈະລາຈອນສໍາລັບຄໍາຮ້ອງສະຫມັກ AI, ຊຶ່ງຫມາຍຄວາມວ່າການລົງເລິກສາຍພົວພັນກັບນັກພັດທະນາແປວ່າມີຂໍ້ໄດ້ປຽບກ່ອນ. ບົດລາຍງານຊີ້ໃຫ້ເຫັນວ່າ Baidu Smart Cloud ມີລູກຄ້າຫຼາຍກວ່າ 15,000 ຄົນທີ່ໃຊ້ຮູບແບບ DeepSeek ຜ່ານເວທີ Qianfan ໃນມື້ເປີດຕົວຂອງຕົວແບບ. ນອກຈາກນັ້ນ, ບໍລິສັດຂະຫນາດນ້ອຍຈໍານວນຫນຶ່ງກໍາລັງສະເຫນີການແກ້ໄຂ, ລວມທັງການໄຫຼເຂົ້າທີ່ອີງໃສ່ Silicon, Luchen Technology, Chuanjing Technology, ແລະຜູ້ໃຫ້ບໍລິການ AI Infra ຕ່າງໆທີ່ໄດ້ເປີດຕົວສະຫນັບສະຫນູນແບບ DeepSeek. AI Technology Review ໄດ້ຮຽນຮູ້ວ່າໂອກາດການເພີ່ມປະສິດທິພາບໃນປັດຈຸບັນສໍາລັບການນໍາໃຊ້ທ້ອງຖິ່ນຂອງ DeepSeek ຕົ້ນຕໍແມ່ນມີຢູ່ໃນສອງດ້ານ: ອັນຫນຶ່ງແມ່ນການເພີ່ມປະສິດທິພາບສໍາລັບລັກສະນະຄວາມຫນາແຫນ້ນຂອງແບບຈໍາລອງ MoE ໂດຍໃຊ້ວິທີການສົມເຫດສົມຜົນແບບປະສົມເພື່ອນໍາໃຊ້ຕົວແບບ MoE 671 ຕື້ພາລາມິເຕີຢູ່ໃນທ້ອງຖິ່ນໃນຂະນະທີ່ນໍາໃຊ້ການປະສົມປະສານ GPU / CPU inference. ນອກຈາກນັ້ນ, ການເພີ່ມປະສິດທິພາບຂອງ MLA ແມ່ນສໍາຄັນ. ຢ່າງໃດກໍຕາມ, ສອງຕົວແບບຂອງ DeepSeek ຍັງປະເຊີນກັບສິ່ງທ້າທາຍບາງຢ່າງໃນການເພີ່ມປະສິດທິພາບການໃຊ້ງານ. ນັກຄົ້ນຄວ້າຈາກບໍລິສັດ Chuanjing Technology ກ່າວວ່າ "ເນື່ອງຈາກຂະຫນາດຂອງຕົວແບບແລະຕົວກໍານົດການຈໍານວນຫລາຍ, ການເພີ່ມປະສິດທິພາບແມ່ນສັບສົນແທ້ໆ, ໂດຍສະເພາະແມ່ນການນໍາໃຊ້ທ້ອງຖິ່ນທີ່ບັນລຸຄວາມສົມດຸນທີ່ດີທີ່ສຸດລະຫວ່າງການປະຕິບັດແລະຄ່າໃຊ້ຈ່າຍແມ່ນສິ່ງທ້າທາຍ", ນັກຄົ້ນຄວ້າຈາກບໍລິສັດ Chuanjing Technology ກ່າວ. ອຸປະສັກທີ່ ສຳ ຄັນທີ່ສຸດແມ່ນຢູ່ໃນການເອົາຊະນະຂໍ້ ຈຳ ກັດດ້ານຄວາມ ຈຳ. "ພວກເຮົາຮັບຮອງເອົາວິທີການຮ່ວມມືທີ່ຫລາກຫລາຍເພື່ອນໍາໃຊ້ CPU ແລະຊັບພະຍາກອນຄອມພິວເຕີ້ອື່ນໆຢ່າງເຕັມທີ່, ວາງພຽງແຕ່ສ່ວນທີ່ບໍ່ໄດ້ແບ່ງປັນຂອງ Matrix MoE ເລັກນ້ອຍໃນ CPU / DRAM ສໍາລັບການປຸງແຕ່ງໂດຍໃຊ້ຕົວປະຕິບັດການ CPU ທີ່ມີປະສິດທິພາບສູງ, ໃນຂະນະທີ່ສ່ວນທີ່ຫນາແຫນ້ນຢູ່ໃນ GPU," ລາວອະທິບາຍຕື່ມອີກ. ບົດລາຍງານຊີ້ໃຫ້ເຫັນວ່າ KTransformers ກອບການເປີດແຫຼ່ງຂອງ Chuanjing ຕົ້ນຕໍແມ່ນໃສ່ກົນລະຍຸດຕ່າງໆແລະຜູ້ປະຕິບັດການເຂົ້າໃນການປະຕິບັດ Transformers ຕົ້ນສະບັບໂດຍຜ່ານແມ່ແບບ, ເສີມຂະຫຍາຍຄວາມໄວ inference ຢ່າງຫຼວງຫຼາຍໂດຍໃຊ້ວິທີການເຊັ່ນ CUDAGraph. DeepSeek ໄດ້ສ້າງໂອກາດສໍາລັບການເລີ່ມຕົ້ນເຫຼົ່ານີ້, ຍ້ອນວ່າຜົນປະໂຫຍດການຂະຫຍາຍຕົວແມ່ນປາກົດຂື້ນ; ບໍລິສັດຈໍານວນຫຼາຍໄດ້ລາຍງານການຂະຫຍາຍຕົວຂອງລູກຄ້າທີ່ສັງເກດເຫັນຫຼັງຈາກການເປີດຕົວ DeepSeek API, ໄດ້ຮັບການສອບຖາມຈາກລູກຄ້າທີ່ຜ່ານມາຊອກຫາການເພີ່ມປະສິດທິພາບ. ພາຍໃນອຸດສາຫະກໍາໄດ້ສັງເກດເຫັນວ່າ, "ໃນອະດີດ, ກຸ່ມລູກຄ້າທີ່ຖືກສ້າງຕັ້ງຂື້ນບາງຢ່າງມັກຈະຖືກລັອກເຂົ້າໄປໃນການບໍລິການມາດຕະຖານຂອງບໍລິສັດຂະຫນາດໃຫຍ່, ຜູກມັດຢ່າງແຫນ້ນແຟ້ນກັບຄວາມໄດ້ປຽບຂອງຄ່າໃຊ້ຈ່າຍຂອງພວກເຂົາເນື່ອງຈາກຂະຫນາດ. ຢ່າງໃດກໍຕາມ, ຫຼັງຈາກສໍາເລັດການຈັດຕັ້ງປະຕິບັດ DeepSeek-R1 / V3 ກ່ອນງານບຸນລະດູໃບໄມ້ປົ່ງ, ພວກເຮົາໄດ້ຮັບຄໍາຮ້ອງຂໍການຮ່ວມມືຈາກລູກຄ້າທີ່ມີຊື່ສຽງຫຼາຍແຫ່ງ, ແລະແມ້ກະທັ້ງການຕິດຕໍ່ກັບລູກຄ້າ DeepSeek ຂອງພວກເຮົາໃນເມື່ອກ່ອນ. ໃນປັດຈຸບັນ, ມັນປະກົດວ່າ DeepSeek ກໍາລັງເຮັດໃຫ້ການປະຕິບັດຕົວແບບ inference ມີຄວາມສໍາຄັນເພີ່ມຂຶ້ນ, ແລະດ້ວຍການຮັບຮອງເອົາແບບຈໍາລອງຂະຫນາດໃຫຍ່, ນີ້ຈະສືບຕໍ່ມີອິດທິພົນຕໍ່ການພັດທະນາໃນອຸດສາຫະກໍາ AI Infra ຢ່າງຫຼວງຫຼາຍ. ຖ້າຕົວແບບລະດັບ DeepSeek ສາມາດຖືກນໍາໄປໃຊ້ຢູ່ໃນທ້ອງຖິ່ນດ້ວຍຄ່າໃຊ້ຈ່າຍຕ່ໍາ, ມັນຈະຊ່ວຍລັດຖະບານແລະວິສາຫະກິດຢ່າງຫຼວງຫຼາຍໃນຄວາມພະຍາຍາມຫັນເປັນດິຈິຕອນ. ຢ່າງໃດກໍ່ຕາມ, ສິ່ງທ້າທາຍຍັງຄົງຢູ່, ຍ້ອນວ່າລູກຄ້າບາງຄົນອາດຈະມີຄວາມຄາດຫວັງສູງກ່ຽວກັບຄວາມສາມາດຂອງຕົວແບບຂະຫນາດໃຫຍ່, ເຮັດໃຫ້ມັນເຫັນໄດ້ຊັດເຈນວ່າການດຸ່ນດ່ຽງການປະຕິບັດແລະຄ່າໃຊ້ຈ່າຍກາຍເປັນສິ່ງສໍາຄັນໃນການປະຕິບັດຕົວຈິງ.