對近期DeepSeek以低成本、非先進製程生產加速硬體即可打造性能可比多數科技業者的大型自然語言模型，IBM董事長暨執行長Arvind Krishina稍早回應表示DeepSeek的作法同時也證實IBM早先研究，認為針對特定需求最佳化調整的人工智慧技術，其背後成本最高能減少30倍，同時也預期能透過此作法讓人工智慧更容易普及化應用，並且帶動更高運算效率。
而亞馬遜執行長Andy Jassy也指出隨著DeepSeek的作法引起市場關注，預期接下來的人工智慧技術應用成本將大幅降低，並且讓更多企業能輕易在其應用服務導入人工智慧技術，同時讓市場對於人工智慧技術的需求增加。
同時，Andy Jassy更認為即使人工智慧技術應用成本下降，不代表企業對於人工智慧技術發展投入資源會減少，反而能讓先前受限人工智慧技術導入成本過高的發展項目重新啟動，預期能使整體市場對於人工智慧技術的需求增加。
在此之前，OpenAI執行長Sam Altman對於DeepSeek近期備受關注情況給予讚賞，但也強調本身仍會持續投入發展大型自然語言模型，更強調推動人工智慧技術發展的算力依然重要。
其他對於DeepSeek的看法，前Google執行長Eric Schmidt則認為DeepSeek的出現，意味中國業者能以更少資源與美國大型科技業者競爭，同時也呼籲美國擴大開源 人工智慧模型發展力道，藉此在全球人工智慧技術競爭轉折點取得優勢，前Intel執行長Pat Gelsinger也在其對於DeepSeek的看法中提及開源重要性，更認為DeepSeek有助於重塑日漸封閉的人工智慧模型建置流程。
另外，人工智慧教母李飛飛的團隊近期也以阿里巴巴通義千問的Qwen2.5- 32B-Instruct模型為基礎，並且以Google DeepMind的Gemini 2.0 Flash Thinking實驗版本進行蒸餾 (Distillation)處理，藉此打造執行更為輕盈的S1模型，而整個訓練過程僅使用16組NVIDIA H100加速器，總計耗時26分鐘，更強調透過雲端服務平台租賃相關運算基礎設施的花費不到20美元，整個訓練流程總花費更可控制在50美元內。
這意味接下來的人工智慧技術發展將會有更明顯分層，大型科技業者依然會持續投入性能更高的大型自然語言模型，依然會朝向打造通用型人工智慧技術 (AGI)的目標前進，而更多應用則會傾向導入以客製化、最佳化等方式製作的人工智慧技術，藉此讓人工智慧能以更有效率、更實惠形式運作使用，同時也能加快人工智慧技術整體普及發展。
不過，DeepSeek迅速走紅，同時也連帶反應一些問題，除了引發美國等國家政府關注，甚至懷疑其模型背後埋有中國政府相關後門，因此可能或已經下令禁止使用，同時也出現不少「仿冒品」，藉此竊取使用者個資、金錢，而不少藉由開源模型「換皮」聲稱自製高效能人工智慧模型，藉此吸引用戶的情況也明顯變多。
