DeepSeek הציתה מכירת מניות זיכרון — והזכירה לשוק שהביקוש ל־AI אינו חד־כיווני

ההשקה של DeepSeek V4.1-Flash ערערה הנחת יסוד מרכזית במסחר סביב תשתיות בינה מלאכותית: שככל שהמודלים משתפרים, כך הם בהכרח צורכים יותר ויותר זיכרון ואחסון לכל עומס עבודה. תגובת השוק הייתה תמחור מחדש של ההנחה הזאת — לא הוכחה לכך שמחזור הביקוש ארוך הטווח לזיכרון עבור AI הסתיים.

מה השתנה ב־DeepSeek

DeepSeek מסרה כי מטמון ה־KV של V4.1-Flash זקוק ל־רבע מכמות זיכרון ה־HBM ול־שמינית מנפח אחסון ה־SSD שנדרשו בדור הקודם. החברה הדגישה שעלויות של שימוש חוזר במטמון — "cache hit" — עשויות להוות חלק גדול מעלויות של סוכני AI. 29

מטמון KV שומר את מצב הקשב של טוקנים קודמים, וכך מאפשר למודל להמשיך שיחה או תהליך ארוך בלי לחשב מחדש את כל ההקשר. לכן הוא מגבלה חשובה בהפעלת מודלים לצורכי הסקה (inference), במיוחד בשיחות ארוכות ובמערכות של סוכני AI.

הנתון אינו אומר שמערכת AI שלמה זקוקה לפתע ל־75% פחות HBM או ל־87.5% פחות אחסון. ההשוואה מתייחסת רק לדרישות מטמון ה־KV מול הארכיטקטורה הקודמת של DeepSeek. משקלי המודל, תשתיות האימון ורכיבים אחרים עדיין צורכים זיכרון ואחסון ניכרים. 25

למה מניות הזיכרון והאחסון ירדו

מבחינת המשקיעים, המשמעות הייתה פשוטה: אם מודל מסוגל לשרת פעילות הסקה דומה עם פחות זיכרון מטמון, אותו ציוד AI יכול, בתיאוריה, לשרת יותר משתמשים או יותר תהליכים במקביל. הדבר עלול להחליש את הציפיות המיידיות לכמות הזיכרון הנדרשת לכל עומס עבודה — ובהמשך גם את הנחות הביקוש והתמחור של HBM ואחסון ארגוני.

בסיאול, מניית סמסונג ירדה ב־3.5% ומניית SK Hynix ירדה ב־2.2% לאחר ההשקה, לפי דיווחים מאותה תקופה. 49 במסחר בארה״ב שהגיע לאחר מכן נרשם לחץ גם על מניות זיכרון ואחסון. דיווחים קישרו את החשש להערכת המשקיעים מחדש של צורכי HBM ו־SSD בעקבות המודל החדש. 5152

אין בכך הוכחה שהשקת מודל אחת לבדה גרמה לכל תנועה במניות. מניות שבבים מושפעות גם מציפיות לדוחות, תנאי היצע, ריביות, מצב הרוח בשווקים ותחזיות להשקעות הון של מפעילי מרכזי נתונים. אך התגובה המחישה עד כמה שוויין של חברות המקושרות ל־AI רגיש לראיות לכך שתוכנה וארכיטקטורת מודלים יכולות להפחית את החומרה הדרושה לכל יחידת שירות.

לחץ נוסף: הקריאה למתן את קצב ה־AI המתקדם

לחדשות על היעילות התווסף חשש מסוג אחר — קצב התקדמות ה־AI. דַריוֹ אַמוֹדֵיי, מנכ״ל Anthropic, כתב במאמרו We Must Pace the Frontier שיש להאט את קצב השיפור ביכולות AI, כדי שלחברות ולממשלות יהיה זמן ליישר את המודלים עם כללי בטיחות ולהגן מפני סיכונים. הוא הבהיר כי "קיצוב הקצב" אינו עצירת אימון מודלים או עצירת ההתקדמות הטכנולוגית, והציע מעריכים חיצוניים קבועים בתוך החברות, תיאום בין ממשלות דמוקרטיות ותיאום גלובלי. 40

השוק יכול לפרש מסלול איטי יותר של שיפור יכולות — גם ללא הקפאה של אימונים — כסיכון לדחייה של חלק מההשקעות במאיצים, רשתות, זיכרון ומרכזי נתונים. ביום שאליו התייחסו דיווחי השוק, החוזים על נאסד״ק־100 ירדו ב־1.77%; Marvell ירדה ביותר מ־7%, אינטל בכ־6% ומיקרון ביותר מ־5%. 51

אלו שני מנגנונים שונים:

• DeepSeek העלתה שאלה של יעילות: כמה זיכרון ואחסון נדרשים לכל עומס הסקה?
• הדיון על קצב הפיתוח העלה שאלה של תזמון: באיזו מהירות התעשייה תבנה ותפרוס מערכות AI מתקדמות יותר?

ביחד, הם הפכו תחזיות אגרסיביות במיוחד לביקוש לתשתיות AI לפחות מובנות מאליהן.

הביקורת של מייקל בֶּרִי

המשקיע מייקל ברי כינה את הרטוריקה בעד האטת הפיתוח "משרתת את עצמה". לטענתו, היא עשויה להועיל למעבדות AI מובילות באמצעות הקשיית התחרות, לספק "הייפ וניפוח" לקראת הנפקות אפשריות, ולשמש ככיסוי להאטה בצמיחה. הוא גם טען שמודלי שפה גדולים אינם בינה מלאכותית כללית (AGI), ולכן אין "דבר כזה" שיש להאט. 14

אלה עמדותיו של ברי לגבי תחרות, תמחור ויכולות AI — לא מסקנות טכנולוגיות מוסכמות. עם זאת, מבחינת השוק, הן מדגישות שהוויכוח על האטת הפיתוח נקרא לא רק דרך עדשת הבטיחות, אלא גם דרך עדשת התמריצים העסקיים.

מה זה אומר לתזה השורית על זיכרון

הגרסה הפשוטה של תזת ה־AI לזיכרון הייתה ליניארית: מודלים גדולים יותר, חלונות הקשר ארוכים יותר ויותר משתמשי AI אמורים להוביל ליותר HBM, NAND וקיבולת אחסון. DeepSeek מכניסה כוח נגדי משמעותי: יעילות ארכיטקטונית.

דרך מדויקת יותר לבחון את הביקוש מפרידה בין שני משתנים:

1. כמות הזיכרון הנדרשת לכל עומס עבודה. תכנון יעיל יותר של מטמון KV יכול להפחית אותה.
2. המספר הכולל והעוצמה של עומסי העבודה. יותר משתמשים, הקשרים ארוכים יותר ויותר סוכני AI אוטונומיים יכולים להגדיל אותם.

ירידה במדד הראשון אינה קובעת אוטומטית את המדד השני. הסקה זולה ויעילה יותר עשויה להרחיב את השימוש ולייצר יותר בקשות בסך הכול. מנגד, אם היעילות תתפשט מהר יותר מקצב גידול השימוש, ייתכן שיידרש פחות ציוד כדי לייצר אותה תפוקת AI.

למה ההכרעה ארוכת הטווח עדיין לא התקבלה

V4.1-Flash רלוונטי בעיקר להפעלת מודלים לצורכי הסקה ולמטמון KV. ההשוואה של DeepSeek אינה מבטלת את הזיכרון הדרוש למשקלי המודל או לאימון. 25 ההבחנה חשובה, משום שאימון והסקה מציבים דרישות שונות ממחשוב, זיכרון וקישוריות בין רכיבים.

לכן השאלה המרכזית איננה אם השיפור ביעילות משמעותי — הוא משמעותי — אלא אם הוא ישנה את הביקוש המצטבר. המשקיעים יצטרכו לעקוב אחר אימוץ טכניקות חיסכון דומות במטמון, קצב הצמיחה של עומסים ארוכי הקשר ושל סוכני AI, מחירי HBM ואחסון, והאם אימון ופריסה של מודלים מתקדמים ממשיכים להאיץ.

לעת עתה, המכירה במניות היא בעיקר תזכורת לא להתייחס למחסור בזיכרון ל־AI כאל עסקה חד־כיוונית. חדשנות במודלים יכולה להוריד את כמות החומרה לכל בקשה, במקביל לכך ששימושים חדשים מגדילים את מספר הבקשות.