データによると、DeepSeekはリリースからわずか21日間で2,215万人のデイリーアクティブユーザー（DAU）を獲得し、ChatGPTのユーザーベースの41.6%を占め、Doubaoのデイリーアクティブユーザー1,695万人を上回り、世界で最も急成長しているアプリケーションとなり、157の国と地域でApple App Storeのトップを獲得しました。しかし、ユーザーが殺到する一方で、サイバーハッカーはDeepSeekアプリを執拗に攻撃し、サーバーに大きな負荷をかけています。業界アナリストは、これはDeepSeekが学習用のカードを展開している一方で、推論に必要な計算能力が不足していることが一因であると考えています。業界関係者はAI Technology Reviewに対し、「頻繁なサーバー障害は、料金を請求するか、マシンを追加購入するための資金調達を行うことで簡単に解決できます。最終的にはDeepSeekの判断次第です」と述べています。これは、技術重視と製品化のトレードオフを示しています。 DeepSeekは、外部からの資金調達をほとんど受けておらず、量子量子化技術に大きく依存して事業を運営してきたため、キャッシュフローへのプレッシャーは比較的低く、技術環境も比較的清浄です。現在、前述の問題を受け、一部のユーザーはソーシャルメディア上でDeepSeekに対し、利用限度額の引き上げや有料機能の導入など、ユーザーの利便性向上を求める声が上がっています。また、開発者は公式APIやサードパーティAPIを活用した最適化も開始しています。しかし、DeepSeekのオープンプラットフォームは最近、「現在、サーバーリソースが不足しており、APIサービスへのチャージを停止しています」と発表しました。

これは間違いなく、AIインフラ分野におけるサードパーティベンダーにとって更なるビジネスチャンスの創出となるでしょう。最近、国内外のクラウド大手企業がDeepSeekのモデルAPIをリリースしており、海外ではMicrosoftとAmazonが1月末にいち早く参加しました。国内大手のHuawei Cloudは、2月1日にSilicon-based Flowと共同でDeepSeek R1およびV3推論サービスをリリースし、先陣を切りました。AI Technology Reviewの報道によると、Silicon-based Flowのサービスはユーザー流入が著しく、プラットフォームが事実上「クラッシュ」したとのことです。大手3社（BAT（百度、アリババ、テンセント）とByteDance）も2月3日から低価格の期間限定オファーを開始しました。これは、DeepSeekのV2モデルのリリースをきっかけに始まった昨年のクラウドベンダー価格競争を彷彿とさせ、DeepSeekが「価格破壊者」と呼ばれるようになった状況を彷彿とさせます。クラウドベンダーの慌ただしい動きは、Microsoft AzureとOpenAIの以前の強固な関係を彷彿とさせます。2019年、MicrosoftはOpenAIに10億ドルもの巨額投資を行い、2023年のChatGPTのリリース後にその恩恵を受けました。しかし、MetaがLlamaをオープンソース化し、Microsoft Azureエコシステム外のベンダーが大規模モデルで競合できるようになったことで、この緊密な関係は徐々に崩れ始めました。今回、DeepSeekは製品の人気度でChatGPTを凌駕しただけでなく、o1リリース後にオープンソースモデルも導入しました。これは、LlamaによるGPT-3の復活をめぐる熱狂に似ています。

実際には、クラウドプロバイダーも AI アプリケーションのトラフィックゲートウェイとしての位置付けをしており、開発者との関係を深めることは先制的な優位性につながります。レポートによると、Baidu Smart Cloud では、モデルの発売日に Qianfan プラットフォーム経由で 15,000 社を超える顧客が DeepSeek モデルを利用していました。さらに、Silicon-based Flow、Luchen Technology、Chuanjing Technology、および DeepSeek モデルのサポートを開始したさまざまな AI インフラプロバイダーなど、いくつかの小規模企業もソリューションを提供しています。AI Technology Review は、DeepSeek のローカライズされたデプロイメントの現在の最適化の機会は主に 2 つの領域に存在することを知りました。1 つは、ハイブリッド GPU/CPU 推論を利用しながら、6,710 億のパラメーターを持つ MoE モデルをローカルにデプロイする混合推論アプローチを使用して、MoE モデルのスパース特性を最適化することです。さらに、MLA の最適化が不可欠です。ただし、DeepSeek の 2 つのモデルは、デプロイメントの最適化において依然としていくつかの課題に直面しています。 「モデルのサイズと多数のパラメータのため、最適化は非常に複雑です。特にローカル展開では、パフォーマンスとコストの最適なバランスを実現するのが困難です」と、Chuanjing Technologyの研究者は述べています。最大のハードルは、メモリ容量の制限を克服することです。「CPUやその他の計算リソースを最大限に活用するために、異種連携アプローチを採用しています。疎なMoE行列の非共有部分のみをCPU/DRAMに配置し、高性能CPU演算子を用いて処理し、密な部分はGPUに保持します」と、研究者は説明しています。報告によると、ChuanjingのオープンソースフレームワークKTransformersは、主にテンプレートを通じて様々な戦略と演算子を元のTransformers実装に注入し、CUDAGraphなどの手法を用いた推論速度を大幅に向上させます。DeepSeekは、成長のメリットが明らかになるにつれて、これらのスタートアップ企業に機会をもたらしています。多くの企業がDeepSeek APIのリリース後に顧客数の顕著な増加を報告し、最適化を求める既存顧客からの問い合わせを受けています。業界関係者は、「これまで、ある程度の規模の顧客グループは、規模の経済性によるコスト優位性に縛られ、大企業の標準化されたサービスに縛られることが多かった。しかし、春節前にDeepSeek-R1/V3の導入を完了した後、複数の著名な顧客から突然協力の依頼を受け、以前は休眠状態にあった顧客からもDeepSeekサービスの紹介を求める連絡が入った」と指摘している。現在、DeepSeekはモデル推論性能をますます重要にしており、大規模モデルの採用が拡大するにつれて、AIインフラ業界の発展に大きな影響を与え続けるだろう。DeepSeekレベルのモデルを低コストでローカルに導入できれば、政府や企業のデジタルトランスフォーメーションの取り組みに大きく貢献するだろう。しかし、大規模モデルの性能に高い期待を抱く顧客もいるため、課題は依然として残っており、実用化においては性能とコストのバランスが不可欠であることがより明らかになっている。