لماذا هزّ نموذج «ديب سيك» الأكثر كفاءة أسهم الذاكرة؟

لم يكن تراجع أسهم الذاكرة والتخزين بعد إطلاق DeepSeek V4.1-Flash حكماً بأن طفرة الذكاء الاصطناعي انتهت. بل كان إعادة تسعير سريعة لافتراض أساسي في السوق: أن النماذج الأقوى ستحتاج، بالضرورة، إلى مزيد من الذاكرة والتخزين مع كل خدمة ذكاء اصطناعي تُشغَّل.

فقد أظهر النموذج أن تحسين البنية البرمجية للنموذج يمكن أن يخفض كمية العتاد اللازمة لكل عبء استدلال. وجاء ذلك بالتزامن مع جدل منفصل حول إبطاء وتيرة تطوير نماذج الذكاء الاصطناعي المتقدمة، ما زاد حساسية المستثمرين تجاه توقعات الإنفاق على البنية التحتية.

ما الذي غيّره «ديب سيك»؟

قالت «ديب سيك» إن نموذج V4.1-Flash يحتاج، في ذاكرة التخزين المؤقت للمفتاح والقيمة (KV cache)، إلى ربع ذاكرة النطاق الترددي العالي (HBM) وإلى ثُمن سعة تخزين SSD مقارنة بالجيل السابق. كما شددت الشركة على أن تكلفة الاستفادة من الذاكرة المؤقتة قد تمثل جزءاً كبيراً من تكاليف تشغيل الوكلاء البرمجيين للذكاء الاصطناعي. 29

ببساطة، تحتفظ KV cache بالحالة المرتبطة بما عالجه النموذج من رموز أو كلمات سابقاً، كي يستطيع متابعة محادثة أو مهمة طويلة من دون إعادة حساب السياق كله في كل مرة. لذلك تصبح عاملاً مهماً في سعة خوادم الاستدلال، وخصوصاً مع المحادثات الطويلة ووكلاء الذكاء الاصطناعي الذين ينفذون مهام متعددة الخطوات.

لكن هناك قيد أساسي: لم تقل «ديب سيك» إن منظومة الذكاء الاصطناعي بأكملها باتت تحتاج إلى HBM أقل بنسبة 75% أو تخزين أقل بنسبة 87.5%. المقارنة تخص KV cache فقط وبالقياس إلى بنية «ديب سيك» السابقة. وما زالت أوزان النموذج والبنية التدريبية ومكوّنات أخرى تستهلك قدراً كبيراً من الذاكرة والتخزين. 25

لماذا تراجعت أسهم الذاكرة والتخزين؟

قرأ المستثمرون الرسالة على نحو مباشر: إذا استطاع نموذج دعم حجم مشابه من نشاط الاستدلال بذاكرة مؤقتة أقل كثيراً، فقد تتمكن المجموعة نفسها من الخوادم والمسرّعات من خدمة جلسات أكثر. وهذا يضعف، على المدى القريب، توقعات كثافة استخدام الذاكرة في كل عبء عمل، وما يرتبط بها من افتراضات الطلب والتسعير لذاكرة HBM والتخزين المؤسسي.

في سيول، تراجع سهم سامسونغ 3.5% وسهم SK Hynix بنسبة 2.2% بعد الإطلاق، وفق تغطية متزامنة مع الحدث. 49 ثم امتد الضغط في التداولات الأميركية إلى شركات الذاكرة والتخزين؛ إذ ربطت تقارير بين متطلبات النموذج الأقل من HBM وSSD وبين إعادة تقييم المستثمرين لتوقعات الطلب على بنية الذكاء الاصطناعي. 5152

ولا يعني ذلك أن إصدار نموذج واحد يفسر كل حركة في السوق. فأسهم أشباه الموصلات تتأثر أيضاً بتوقعات الأرباح، وظروف المعروض، وأسعار الفائدة، والشهية العامة للمخاطرة، وخطط الإنفاق الرأسمالي. لكن رد الفعل كشف مدى حساسية التقييمات المرتبطة بالذكاء الاصطناعي لأي دليل على أن ابتكار البرمجيات وبنية النماذج قد يخفضان العتاد المطلوب لكل وحدة من خدمات الذكاء الاصطناعي.

ضغط ثانٍ: الدعوة إلى «تأطير» سرعة الذكاء الاصطناعي المتقدم

وصل خبر الكفاءة في وقت كان فيه مصدر قلق مختلف يضغط على توقعات الطلب. فقد دعا داريو أمودي، الرئيس التنفيذي لشركة Anthropic، في مقاله We Must Pace the Frontier إلى إبطاء معدل تحسن قدرات الذكاء الاصطناعي، لمنح الشركات والحكومات وقتاً لمواءمة الأنظمة المتقدمة وتأمينها.

وأوضح أمودي أن «تأطير الوتيرة» لا يعني وقف تدريب النماذج أو التقدم التقني، بل إتاحة وقت كافٍ للتأكد من سلامتها، مع مقيمين مستقلين داخل الشركات، وتنسيق بين الحكومات الديمقراطية، وتعاون عالمي. 40

وقد يفسر المستثمرون مساراً أبطأ لتطور القدرات—حتى لو لم يكن تجميداً للتدريب—باعتباره خطراً بتأجيل بعض الإنفاق على المسرّعات والشبكات والذاكرة ومراكز البيانات. وفي الجلسة التي تناولتها تقارير السوق، هبطت العقود الآجلة لمؤشر ناسداك-100 بنسبة 1.77%، فيما تراجع سهم Marvell بأكثر من 7%، وIntel بنحو 6%، وMicron بأكثر من 5%. 51

وهذان العاملان مختلفان:

• «ديب سيك» طرح سؤال الكفاءة: كم من الذاكرة والتخزين يحتاج كل عبء استدلال؟
• جدل تأطير الوتيرة طرح سؤال التوقيت: ما مدى سرعة بناء ونشر أنظمة ذكاء اصطناعي متقدمة أكثر قدرة؟

واجتماعهما جعل أكثر توقعات الطلب تفاؤلاً على بنية الذكاء الاصطناعي أقل تلقائية مما كانت عليه.

انتقاد مايكل بَري لدعوات الإبطاء

وصف المستثمر مايكل بَري خطاب الإبطاء في القطاع بأنه «يخدم أصحابه». وقال إن ذلك قد يفيد مختبرات الذكاء الاصطناعي المتقدمة القائمة عبر جعل المنافسة أصعب، ويوفر «تهويلاً وترويجاً» للطروحات العامة المحتملة، ويمنح غطاءً لتباطؤ النمو. كما رأى أن النماذج اللغوية الكبيرة ليست ذكاءً عاماً اصطناعياً، ولذلك لا يوجد، من وجهة نظره، ما يستدعي إبطاءه بهذا المعنى. 14

هذه آراء بَري بشأن المنافسة والتقييمات وقدرات الذكاء الاصطناعي، وليست خلاصات تقنية محسومة. لكن دلالتها السوقية أن نقاش الإبطاء صار يُقرأ من زاويتين معاً: السلامة من جهة، والحوافز التجارية من جهة أخرى.

ماذا يعني ذلك لأطروحة الصعود في قطاع الذاكرة؟

كانت النسخة المبسطة من أطروحة الاستثمار في ذاكرة الذكاء الاصطناعي خطية: نماذج أكبر، وسياقات أطول، ومستخدمون أكثر، تعني طلباً أكبر على HBM وNAND والتخزين. لكن «ديب سيك» أبرز قوة موازنة مؤثرة: الكفاءة المعمارية.

والإطار الأدق يفصل بين متغيرين:

1. الذاكرة المطلوبة لكل عبء عمل: قد تقلصها تصميمات KV cache الأكثر كفاءة.
2. إجمالي عدد أعباء العمل وكثافتها: قد يرفعها ازدياد المستخدمين، وطول السياق، وانتشار الوكلاء المستقلين.

انخفاض المتغير الأول لا يحسم المتغير الثاني. فالاستدلال الأرخص والأكثر كفاءة قد يوسع الاستخدام ويولد طلبات أكثر في الإجمال. لكن إذا انتشرت الكفاءة أسرع من نمو الاستخدام، فقد ينخفض العتاد المطلوب لإنتاج مستوى معين من مخرجات الذكاء الاصطناعي.

لماذا لا تزال النتيجة طويلة الأجل مفتوحة؟

يتصل أثر V4.1-Flash مباشرة بخدمة الاستدلال وذاكرة KV cache. ولا تلغي مقارنة «ديب سيك» الذاكرة اللازمة لأوزان النموذج أو للتدريب. 25 وهذه نقطة مهمة، لأن تدريب النماذج وتشغيلها يفرضان متطلبات مختلفة على الحوسبة والذاكرة والربط الشبكي عالي السرعة.

لذا، لا يتمثل السؤال المركزي في ما إذا كان تحسن الكفاءة المعلن مهماً—فهو مهم—بل في ما إذا كان سيغير الطلب الكلي. وسيحتاج المستثمرون إلى مراقبة مدى تبني تقنيات مماثلة لتوفير الذاكرة المؤقتة، ونمو أحمال العمل طويلة السياق والوكلاء، وأسعار HBM والتخزين، واستمرار تسارع تدريب ونشر النماذج المتقدمة.

في الوقت الراهن، يُفهم البيع في السوق على نحو أدق باعتباره تحذيراً من التعامل مع ندرة ذاكرة الذكاء الاصطناعي كرهان أحادي الاتجاه. فابتكار النماذج قد يخفض العتاد المطلوب لكل طلب، بالسرعة نفسها التي ترفع فيها حالات الاستخدام الجديدة عدد الطلبات.