لماذا أخاف DeepSeek V4.1 Flash مستثمري الذاكرة؟ وما الذي لا يحسمه في جدل رقائق الذكاء الاصطناعي

أربك إطلاق DeepSeek V4.1 Flash المستثمرين لأنه هزّ افتراضاً مركزياً في طفرة البنية التحتية للذكاء الاصطناعي: أن زيادة استخدام الذكاء الاصطناعي تعني بالضرورة مزيداً متصاعداً من الذاكرة لكل عبء عمل. التحسينات التي أعلنتها الشركة مهمة، خصوصاً في الاستدلال ذي السياق الطويل، لكنها تستهدف جزءاً محدداً من المنظومة هو ذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache)، لا كامل استهلاك الذاكرة والحوسبة في التدريب أو تشغيل النماذج الكبيرة. 910

ما الذي تغيّر تقنياً؟

تحتفظ KV cache بحالة الانتباه الخاصة بالرموز السابقة، كي لا يضطر النموذج إلى إعادة حساب السياق في كل خطوة. ولهذا تصبح مكلفة بصفة خاصة في المحادثات الطويلة، ووكلاء الذكاء الاصطناعي الذين ينفذون مهام متعددة الخطوات.

تقول DeepSeek إن V4.1 Flash يجمع بين إعادة استخدام KV cache عبر الطبقات ضمن تقنية Compressed Sparse Attention 2 والتخزين المؤقت بدقة FP4. ووفق أرقامها، بلغ حجم KV cache العالمية 890 بايتاً لكل رمز، أي نحو ربع المستوى المقابل في V4-Flash. 9

كما عرضت الشركة أسلوب نشر باسم SWA Bounded Replay للانتباه ضمن نافذة قصيرة. وبدلاً من إبقاء هذه الذاكرة المؤقتة محفوظة بشكل دائم على أقراص SSD أو في ذاكرة المضيف، تستخدم المنظومة حوضاً مؤقتاً وموزعاً من ذاكرة DRAM للمضيف، ثم تعيد حساب قدر محدود من السياق عند فقدان الذاكرة المؤقتة. وتقول DeepSeek إن ذلك يخفض بصمة KV cache الدائمة إلى نحو الثمن مقارنة بالجيل السابق. 19

عملياً، تعني هذه الأرقام المعلنة انخفاضاً يقارب 75% في HBM و87.5% في سعة SSD الدائمة، لكن لوظيفة KV cache فقط مقارنة بـV4-Flash. 910

هل يعني ذلك أربعة أضعاف المستخدمين المتزامنين؟

قد يكون ذلك ممكناً نظرياً في خادم يقيّده أساساً حجم KV cache النشطة. فإذا كانت كل جلسة طويلة تستهلك ربع الذاكرة المؤقتة السابقة تقريباً، فقد تستوعب مخصصات HBM نفسها قرابة أربعة أضعاف عدد الذاكرات المؤقتة النشطة.

لكن هذه دلالة مستنتجة من رقم الذاكرة لكل رمز، وليست نتيجة مستقلة ومثبتة لاختبار شامل لعدد المستخدمين المتزامنين. فالقدرة الفعلية تتوقف أيضاً على أوزان النموذج، والحوسبة المتاحة، والشبكات، وأطوال الطلبات، والتجميع الدفعي للطلبات، وأهداف زمن الاستجابة، وبرامج التشغيل.

لماذا تراجعت أسهم الذاكرة بهذه الحدة؟

لم يكن رهان السوق أن DeepSeek جعلت الذاكرة غير ضرورية؛ بل إن المستثمرين أعادوا تقييم كثافة الطلب المستقبلية. استفاد موردو HBM وشركات NAND وأقراص SSD المخصصة للمؤسسات من توقعات مفادها أن أنظمة الذكاء الاصطناعي الأكثر قدرة ستحتاج إلى مزيد من الذاكرة والتخزين. أما قفزة الكفاءة فتفتح احتمال أن يحتاج كل عبء استدلال إلى عدد أقل من بتات الذاكرة وسعة تخزين دائمة أقل.

في 11 سبتمبر، هبط سهم Samsung Electronics بنسبة 3.5% وسهم SK Hynix بنسبة 2.2% في كوريا الجنوبية عقب إعلان DeepSeek، بحسب بلومبرغ. 17 كما أشارت تقارير آنذاك إلى تراجع السهمين بأكثر من 3% في سيول، بينما صمدت أسهم Micron وSanDisk بصورة أفضل في بداية التداولات الأميركية. 8

إذن، كان الخطر المطروح أمام المستثمرين متعلقاً بالتقييمات: فإذا أصبحت أعباء الذكاء الاصطناعي أقل استهلاكاً للذاكرة، فقد تستلزم توقعات نمو الطلب وقوة التسعير والإنفاق الرأسمالي لدى شركات الذاكرة مراجعة.

كيف امتد القلق إلى أسواق وشركات أخرى؟

تطورت الحركة لاحقاً من قلق محدد بشأن كفاءة الاستدلال إلى مراجعة أوسع لرهان الإنفاق الرأسمالي على الذكاء الاصطناعي.

عقب دعوات لإبطاء تطوير نماذج الذكاء الاصطناعي المتقدمة، أظهرت التقارير ضعفاً عبر الأسواق: هبطت SK Hynix وSamsung بنسبة 6.4% و4.1% على الترتيب، بينما تراجعت Kioxia اليابانية 6.4%. وتداولت أيضاً أسهم أوروبية في قطاع أشباه الموصلات على انخفاض، بينها ASML وInfineon وASM International وBE Semiconductor وSTMicroelectronics. 18 وفي آسيا، ذُكر أن SoftBank هبطت 11%، وKioxia 6.5%، وTaiwan Semiconductor Manufacturing بنسبة 1.2%. 19

وفي تداولات ما قبل الافتتاح في الولايات المتحدة، تراجع Marvell بنحو 8%، فيما ورد أن Intel وMicron وSanDisk انخفضت كل منها بنحو 6%. 20

ولا ينبغي تفسير هذه التحركات بوصفها دليلاً على أن إصدار DeepSeek وحده تسبب آلياً في كل هبوط؛ فأسهم التكنولوجيا تتأثر في الوقت نفسه بأسعار الفائدة والتقييمات وتوقعات نمو الذكاء الاصطناعي. لكن الإصدار منح الأسواق سبباً ملموساً لاختبار فرضية هشة: نمو الطلب على الذكاء الاصطناعي لا يتحول تلقائياً إلى نمو متناسب في طلب الذاكرة لكل استعلام. 17

لماذا زادت دعوة داريو أمودي للإبطاء الضغط؟

اشتد البيع بعد أن دعا داريو أمودي، الرئيس التنفيذي لشركة Anthropic، شركات الذكاء الاصطناعي إلى إبطاء وتيرة تطوير قدرات النماذج المتقدمة. وكان هدف الإطار الذي اقترحه إتاحة وقت أكبر لإدارة مخاطر سوء الاستخدام والسلامة.

بالنسبة إلى مستثمري البنية التحتية، أضاف ذلك قلقاً ثانياً منفصلاً عن إعلان DeepSeek:

1. ذاكرة أقل لكل مهمة استدلال قد تعني انخفاض كثافة استهلاك الذاكرة.
2. سباق أبطأ في تطوير النماذج المتقدمة قد يؤجل أكبر عمليات التدريب وخطط توسع مراكز البيانات، وهي التي تدعم الطلب على المسرّعات وذاكرة HBM والشبكات والتخزين.

الفكرتان مختلفتان اقتصادياً، لكن من المنطقي أن يراهما السوق معاً كتحدٍّ لخطط توسع للذكاء الاصطناعي سُعّرت على أساس نمو متواصل. وربطت تقارير هبوط أسهم الرقائق الأوسع مباشرة بمخاوف المستثمرين من دعوات إبطاء تطوير الذكاء الاصطناعي. 1820

انتقاد مايكل بَري: «مصلحة ذاتية»

انتقد المستثمر مايكل بَري خطاب الإبطاء واعتبره يخدم أصحابه. وقال إن كبار التنفيذيين في شركات الذكاء الاصطناعي قد يستفيدون من تصوير تقنياتهم على أنها تتقدم بسرعة خطرة، ورفض هذا الطرح بوصفه «ضجيجاً ومبالغات لخدمة الطروحات العامة الأولية». 14

ويقوم رأيه على أن الإبطاء قد يخدم الشركات القائمة على حساب المنافسين الأصغر، ويعزز سرديات الندرة والمصداقية والطروحات المستقبلية. لكن هذا تفسير بَري لحوافز الشركات، وليس دليلاً على أن مخاوف السلامة غير صادقة أو بلا أساس. 14

ما الذي يعنيه ذلك — وما الذي لا يعنيه — لطلب الرقائق؟

إعلان DeepSeek مهم لأن الأفكار التقنية التي يقوم عليها ليست حصرية من زاوية الاستثمار: الدقة المنخفضة، وضغط الذاكرة المؤقتة، وإعادة تصميم الانتباه، وإعادة الاستخدام، وتحسين برمجيات تشغيل النماذج، كلها مسارات يمكن لمطورين آخرين اتباعها. لذلك، تمثل كفاءة ذاكرة الاستدلال خطراً هيكلياً على الموردين الذين تبنى توقعاتهم على ارتفاع محتوى الذاكرة في كل طلب للذكاء الاصطناعي. 9

لكن للنتيجة حدوداً مهمة.

الحديث عن KV cache لا عن كل احتياجات الذاكرة

لم تقل DeepSeek إن نموذجها كاملاً أو مركز بياناتها يحتاج إلى HBM أقل بـ75% أو إلى SSD أقل بـ87.5%. المقارنة تخص احتياجات KV cache خلال الاستدلال، قياساً إلى بنيتها السابقة. أما أوزان النموذج، والذاكرة الأخرى في النظام، والشبكات، وبقية احتياجات التخزين، فهي خارج هذه المقارنة الضيقة. 10

التدريب ما زال محرك طلب مستقلاً

لا تثبت التحسينات المعلنة انخفاضاً مماثلاً في الحوسبة والذاكرة اللازمتين لتدريب النماذج المتقدمة. ومن المبالغة اعتبار تحسين KV cache دليلاً على انهيار الطلب على كامل قطاع أشباه الموصلات المرتبط بالذكاء الاصطناعي. 10

الكفاءة قد توسّع الاستخدام

قد تقلل تكلفة الاستدلال واستهلاكه للذاكرة لكل طلب، لكنها قد تجعل المساعدات طويلة السياق، وسير عمل الوكلاء، والتشغيل الذاتي للنماذج مجدية اقتصادياً في حالات أكثر. وإذا أدى ذلك إلى نمو كافٍ في عدد المستخدمين والتطبيقات، فقد يبقى إجمالي الطلب على الذاكرة متماسكاً أو يرتفع رغم انخفاض الاحتياج في كل عبء عمل.

الخلاصة

كشف DeepSeek V4.1 Flash نقطة ضعف في السردية المتفائلة لأسهم الذاكرة: يمكن أن ينخفض الطلب على الذاكرة لكل عبء استدلال بقوة مع تحسن هندسة النماذج وبرمجيات التشغيل. وتفسر أرقام الشركة المعلنة — 890 بايتاً لكل رمز في KV cache العالمية وبصمة دائمة تعادل الثمن — لماذا أعاد المستثمرون سريعاً تقييم افتراضاتهم بشأن HBM وSSD. 9

لكن الأدلة لا تبرر وصف ذلك بصدمة فورية لطلب قطاع الرقائق. فالخفض المعلن يقتصر على KV cache في الاستدلال، لا على تدريب النماذج ولا على كامل طبقة البنية التحتية لمراكز البيانات. وستتحدد النتيجة طويلة الأجل عبر منافسة بين قوتين: انخفاض كثافة الذاكرة لكل مهمة ذكاء اصطناعي، واتساع تبني الذكاء الاصطناعي المحتمل بفعل انخفاض التكلفة.

لذلك، لم يعد السؤال للمستثمر في أسهم الذاكرة هو: هل سينمو استخدام الذكاء الاصطناعي؟ بل: هل سينمو إجمالي أعباء العمل بوتيرة أسرع من وتيرة تحسن كفاءة استخدام الذاكرة؟