DeepSeek zpochybnil sázku na trvalý nedostatek AI pamětí

Nešlo o konec AI boomu, ale o zpochybnění jedné klíčové sázky

Uvedení modelu DeepSeek V4.1-Flash dalo trhu důvod přehodnotit velmi silný předpoklad, na němž stály valuace výrobců pamětí a úložišť: že schopnější AI bude nutně potřebovat stále více paměti a storage na každý nasazený pracovní úkol.

Bezprostřední reakce tak byla především přeceněním tohoto předpokladu. Neznamená sama o sobě, že dlouhodobý cyklus poptávky po AI pamětech skončil.

Co DeepSeek změnil

DeepSeek uvedl, že jeho V4.1-Flash potřebuje pro svou KV cache oproti předchozí generaci jen čtvrtinu vysokorychlostní paměti HBM a osminu kapacity SSD. Firma zároveň upozornila, že náklady na využití již uložené cache mohou tvořit výraznou část nákladů agentních AI aplikací. 29

KV cache je v podstatě pracovní paměť, v níž model při inferenci uchovává stav pozornosti z dříve zpracovaných tokenů. Díky tomu nemusí při pokračování dlouhé konverzace nebo úlohy znovu počítat celý předchozí kontext. Právě u dlouhého kontextu a AI agentů proto může být významným omezením kapacity.

Důležitá výhrada: DeepSeek netvrdil, že celý AI systém najednou vystačí se o 75 % méně HBM a o 87,5 % méně úložiště. Srovnání se týká požadavků KV cache vůči předchozí architektuře DeepSeeku. Značnou paměť a úložiště stále vyžadují modelové váhy, tréninková infrastruktura i další části systému. 25

Proč akcie pamětí a úložišť klesaly

Logika investorů byla přímočará: pokud model zvládne podobný inferenční provoz s podstatně menší cache pamětí, může stejná instalovaná hardwarová kapacita obsloužit více relací. To oslabuje krátkodobý výhled na paměťovou náročnost jedné AI úlohy — a tím i očekávání poptávky a cen HBM či podnikových úložišť.

V Soulu po uvedení modelu klesly akcie Samsungu o 3,5 % a SK Hynixu o 2,2 %. 49 Následně se pod tlak dostaly i americké paměťové a úložné tituly. Tržní komentáře spojovaly výprodej s tím, že nižší nároky V4.1-Flash na HBM a SSD nutí investory znovu hodnotit výhled poptávky po AI infrastruktuře. 5152

To ovšem nedokazuje, že jediný model způsobil všechny pohyby na burze. Polovodičové akcie reagují také na hospodářské výsledky, stav nabídky, úrokové sazby, rizikovou náladu i očekávané kapitálové výdaje provozovatelů datových center. Reakce ale ukázala, jak citlivé jsou AI valuace na důkaz, že software a architektura modelů mohou snížit objem hardwaru potřebný pro jednu jednotku AI služby.

Druhý zdroj tlaku: debata o zpomalení vývoje špičkové AI

Zpráva o efektivitě přišla souběžně s jiným rizikem pro poptávku. Šéf Anthropic Dario Amodei v eseji We Must Pace the Frontier navrhl zpomalit tempo zvyšování schopností AI modelů, aby firmy a vlády získaly čas na jejich zabezpečení a sladění s bezpečnostními požadavky. Zdůraznil, že „pacing“ neznamená zastavit trénink ani technický pokrok; navrhl mimo jiné průběžný dohled nezávislých hodnotitelů, koordinaci demokratických vlád a globální koordinaci. 40

Trh mohl pomalejší růst schopností AI — i bez zmrazení tréninku — číst jako riziko odkladu části výdajů na akcelerátory, sítě, paměti a datová centra. V době popisované tržními zprávami klesaly futures na Nasdaq-100 o 1,77 %, Marvell ztrácel přes 7 %, Intel přibližně 6 % a Micron více než 5 %. 51

Obě zprávy je vhodné oddělit:

• DeepSeek otevřel otázku efektivity: kolik paměti a úložiště potřebuje jednotlivá inferenční úloha?
• Debata o zpomalení otevřela otázku načasování: jak rychle bude odvětví budovat a nasazovat stále schopnější špičkové systémy?

Dohromady narušily dojem, že nejambicióznější prognózy poptávky po AI infrastruktuře jsou téměř automatické.

Burry: volání po zpomalení je podle něj účelové

Investor Michael Burry označil rétoriku o zpomalování AI za „účelovou“. Argumentoval, že by mohla zvýhodnit zavedené špičkové laboratoře před konkurencí, vytvářet „hype & puffery“ pro případné vstupy na burzu a poskytnout zástěrku pro zpomalující růst. Současně tvrdil, že velké jazykové modely nejsou umělou obecnou inteligencí (AGI), a že tedy není co v tomto smyslu zpomalovat. 14

Jde o Burryho pohled na konkurenci, valuace a schopnosti AI, nikoli o ustálený technický závěr. Pro trh je podstatné, že se debata nečetla jen optikou bezpečnosti, ale také optikou ekonomických motivací velkých AI firem.

Co to znamená pro býčí scénář u pamětí

Jednoduchá verze býčí teze pro paměťový sektor zněla lineárně: větší modely, delší kontextová okna a více uživatelů AI znamenají více HBM, NAND a úložné kapacity. DeepSeek do této rovnice vnáší významnou protiváhu — architektonickou efektivitu.

Užitečnější je sledovat dvě samostatné proměnné:

1. Paměť potřebná na jednu úlohu. Efektivnější návrh KV cache ji může snížit.
2. Celkový počet a intenzita úloh. Více uživatelů, delší kontext a více autonomních agentů ji mohou zvýšit.

Pokles první veličiny automaticky neurčuje druhou. Levnější a efektivnější inference může rozšířit adopci a zvýšit celkový počet požadavků. Pokud by se ale úsporné postupy šířily rychleji než využívání AI, na daný objem AI výstupů by mohlo být potřeba méně hardwaru.

Dlouhodobý verdikt zůstává otevřený

V4.1-Flash se nejpřímočařeji týká inference a KV cache. Srovnání DeepSeeku neruší nároky na paměť pro modelové váhy ani pro trénink. 25 To je zásadní rozdíl, protože trénování a obsluha modelu kladou odlišné požadavky na výpočetní výkon, paměť i datová propojení.

Klíčová otázka proto nezní, zda je oznámené zvýšení efektivity významné — je. Jde o to, zda změní souhrnnou poptávku. Investoři budou sledovat, jak rychle se podobné techniky úspory cache rozšíří, jak porostou dlouhé kontexty a agentní aplikace, jak se budou vyvíjet ceny HBM a úložišť a zda bude trénink i nasazování špičkových modelů dál zrychlovat.

Výprodej je zatím nejlépe chápat jako varování před jednostrannou sázkou na trvalý nedostatek AI pamětí. Inovace modelů mohou snižovat hardware potřebný na jeden požadavek stejně rychle, jako nové případy použití zvyšují počet požadavků.