DeepSeek V4.1-Flash Guncang Saham Memori AI: Mengapa Pasar Khawatir

Pengumuman DeepSeek pada 10 September mengenai V4.1-Flash mengguncang narasi yang selama ini menopang saham memori AI: model yang makin besar, konteks yang makin panjang, dan agen AI yang makin banyak dianggap akan terus menuntut lebih banyak high-bandwidth memory (HBM), NAND, serta perangkat penyimpanan.

Yang dipertanyakan pasar bukan apakah AI masih membutuhkan memori—jelas masih. Kekhawatirannya adalah kebutuhan memori untuk melayani setiap unit pekerjaan inferensi AI dapat turun jauh lebih cepat daripada asumsi dalam proyeksi permintaan dan pendapatan.

Intinya: cache KV jauh lebih hemat

Saat model AI melayani permintaan, cache key-value (KV) menyimpan informasi status perhatian (attention state) dari konteks sebelumnya. Cache ini penting untuk percakapan panjang dan beban kerja berbasis agen, karena model tidak perlu memproses ulang seluruh riwayat pada setiap langkah.

DeepSeek menyatakan V4.1-Flash membutuhkan hanya seperempat HBM dan seperdelapan penyimpanan SSD untuk cache KV dibanding generasi sebelumnya. 6125 Menurut kartu modelnya, penghematan tersebut ditopang arsitektur causal encoder-decoder: cache KV global pada decoder diproyeksikan dari status tersembunyi akhir encoder. Teknik penerapan bernama SWA Bounded Replay juga menghindari kebutuhan menyimpan sebagian status cache sliding-window secara persisten ke SSD. 52

Liputan independen memperkirakan jejak cache KV global sekitar 890 byte per token, atau kira-kira seperempat dari V4-Flash. Dengan jejak cache yang sama, desain ini diperkirakan dapat menangani sekitar empat hingga delapan kali lebih banyak pengguna. 53 DeepSeek juga menyebut model mengaktifkan 8 miliar parameter per token ketika memproses masukan (prefill) dan 16 miliar parameter saat menghasilkan keluaran (decoding), yang ditujukan untuk meningkatkan efisiensi pada beban kerja agen yang padat masukan. 52

Mengapa saham memori dan semikonduktor tertekan

Jika model sebanding dapat melayani lebih banyak permintaan ber-konteks panjang dari kapasitas HBM atau penyimpanan yang sama, penyedia cloud berpotensi memperoleh throughput lebih besar dari infrastruktur yang sudah terpasang. Bagi investor, itu menciptakan risiko terhadap asumsi volume penjualan, kelangkaan pasokan, dan daya tawar harga di HBM, DRAM, SSD perusahaan, serta peralatan penyimpanan terkait.

Saham Samsung Electronics dan SK Hynix masing-masing sempat turun lebih dari 3% secara intraday di Korea Selatan setelah peluncuran tersebut, menurut laporan. 17 Reaksinya meluas karena perdagangan bertema infrastruktur AI menghubungkan produsen memori dengan pemasok penyimpanan, jaringan, dan komputasi. Jejak memori yang lebih kecil dapat mengubah ongkos penyebaran model, walaupun dampaknya tidak harus sama bagi setiap kategori perangkat keras.

Kasus SanDisk memperlihatkan betapa sensitifnya tesis investasi terhadap ekspektasi permintaan AI. Data pasar pada periode itu menunjukkan rentang harga saham 52 minggu sekitar US$85 hingga US$2.354, sementara konsensus analis secara umum masih berada di level Beli atau Beli Moderat. 3537 Namun, konsensus positif tidak menjawab pertanyaan mendasarnya: seberapa besar permintaan penyimpanan masa depan bergantung pada arsitektur inferensi yang semakin boros memori.

Seruan memperlambat AI menambah risiko kedua

Kabar DeepSeek adalah guncangan efisiensi. Seruan CEO Anthropic, Dario Amodei, untuk “pace the frontier”—mengatur laju pengembangan AI terdepan—menambah risiko terpisah: kemungkinan pertumbuhan kapabilitas AI, dan pada akhirnya belanja infrastrukturnya, melambat.

Dalam esainya pada September, Amodei meminta perusahaan dengan model terdepan sengaja memperlambat laju peningkatan kemampuan model sembari memakai waktu tambahan itu untuk riset keselamatan dan penyelarasan AI. Ia mengusulkan evaluator pihak ketiga yang tertanam di perusahaan, koordinasi antarperusahaan di negara demokratis, serta pada akhirnya kesepakatan antarpemerintah. 45

Usul ini bukan ajakan menghentikan seluruh pengembangan AI. Namun, dukungan terbuka dari tokoh AI lain membuat pasar mempertimbangkan kemungkinan koordinasi sukarela atau kebijakan di masa depan dapat mengendurkan belanja akselerator, pusat data, dan memori. Kontrak berjangka Nasdaq 100 dilaporkan turun 1% pada akhir pekan ketika isu tersebut menempatkan perdagangan saham AI di bawah sorotan. 8

Dua perkembangan ini menciptakan kombinasi yang tidak nyaman bagi investor: DeepSeek memberi sinyal layanan AI dapat membutuhkan memori lebih sedikit per beban kerja, sementara perdebatan soal perlambatan AI memunculkan kemungkinan pertumbuhan beban kerja itu sendiri tidak secepat yang diperkirakan.

Mengapa Michael Burry menyebutnya “self-serving”

Investor Michael Burry menilai seruan perlambatan pengembangan AI sebagai langkah yang “self-serving”, atau menguntungkan diri sendiri. Argumennya: perlambatan dapat menguntungkan laboratorium AI terdepan yang sudah mapan dan menyulitkan pesaing kecil untuk mengejar ketertinggalan. Ia juga meragukan bahwa chatbot AI saat ini berada di jalur menuju kecerdasan umum buatan (artificial general intelligence). 15

Pernyataan Burry merupakan kritik terhadap insentif, bukan bukti mengenai motif perusahaan. Demikian pula, anggapan bahwa pesan keselamatan AI dibuat untuk mendukung rencana IPO perlu diperlakukan sebagai tuduhan Burry, bukan fakta yang telah terbukti. 1115

Yang berubah—dan yang tidak

Kesimpulan paling kuatnya bersifat spesifik: DeepSeek menggugat versi terlalu sederhana dari tesis memori AI. Perusahaan itu menunjukkan bahwa perangkat lunak, arsitektur model, kuantisasi, dan pengelolaan cache dapat secara material menurunkan intensitas memori dalam inferensi. 5255

Namun, DeepSeek tidak membuktikan bahwa permintaan memori total akan turun. Pengurangan yang diumumkan berfokus pada cache KV saat inferensi dan dibandingkan dengan arsitektur DeepSeek sebelumnya. Ini bukan klaim bahwa keseluruhan model atau pusat data memakai HBM 75% lebih sedikit dan SSD 87,5% lebih sedikit. Penghematan itu juga tidak menghapus memori untuk bobot model maupun pelatihan. 25

Biaya layanan yang lebih murah juga bisa memperluas penggunaan: inferensi yang lebih murah dapat mendorong lebih banyak pengguna, konteks yang lebih panjang, serta lebih banyak putaran kerja agen. Hasil akhirnya bergantung pada kekuatan mana yang dominan—efisiensi per permintaan atau pertumbuhan jumlah dan kompleksitas permintaan.

Implikasinya bagi tesis saham memori AI

V4.1-Flash tidak membatalkan prospek jangka panjang HBM, NAND, maupun infrastruktur AI. Tetapi, kabar ini membuat prospek tersebut lebih bersyarat. Investor tidak lagi dapat mengasumsikan bahwa kenaikan penggunaan AI akan diterjemahkan satu banding satu menjadi kenaikan konsumsi memori per beban kerja.

Pertanyaan yang lebih relevan kini adalah: apakah peningkatan efisiensi akan melampaui ekspansi penggunaan AI? DeepSeek memberikan bukti bahwa inferensi dapat menjadi jauh lebih hemat. Namun, pengumuman itu belum menjawab seberapa cepat penggunaan AI global, skala pelatihan model, dan permintaan perangkat keras akan tumbuh setelahnya.