JawabanDipublikasikan19 sumber
DeepSeek V4.1 Flash Pangkas Kebutuhan Memori AI, Saham Chip Ikut Gemetar. Apa Artinya?
DeepSeek V4.1 Flash menyatakan kebutuhan HBM untuk cache KV inferensinya turun menjadi seperempat model sebelumnya, sementara kapasitas cache persisten turun menjadi seperdelapan. Reaksi awal menekan Samsung Electronics dan SK Hynix di Korea Selatan, lalu kekhawatiran meluas ke saham chip di Jepang, Eropa, dan Ameri...
Diterbitkan olehDiedit dengan GPT-5.6 TerraGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- DeepSeek V4.1 Flash menyatakan kebutuhan HBM untuk cache KV inferensinya turun menjadi seperempat model sebelumnya, sementara kapasitas cache persisten turun menjadi seperdelapan.
- Reaksi awal menekan Samsung Electronics dan SK Hynix di Korea Selatan, lalu kekhawatiran meluas ke saham chip di Jepang, Eropa, dan Amerika Serikat.
- Pertanyaan utamanya bukan sekadar apakah penggunaan AI tumbuh, melainkan apakah pertumbuhan jumlah beban kerja mampu mengimbangi penurunan kebutuhan memori pada tiap permintaan.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: How did DeepSeek’s V4.1 Flash model trigger a selloff in memory-chip and broader technology stocks, what architectural changes did it introd. Article summary: DeepSeek V4.1 Flash caused a sharp reassessment of AI-memory demand because it claimed to cut the KV-cache memory used in long-context inference to one-quarter of its predecessor’s level and persistent SSD use to one-eig. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
DeepSeek V4.1 Flash mengguncang investor karena menantang asumsi penting dalam ledakan investasi infrastruktur AI: semakin banyak penggunaan AI tidak selalu berarti setiap beban kerja akan membutuhkan memori yang terus membesar.
Klaim efisiensinya memang besar, khususnya untuk inferensi dengan konteks panjang. Namun, perbaikannya berfokus pada satu bagian dari sistem AI, yakni cache key-value (KV), bukan keseluruhan kebutuhan memori dan komputasi untuk melatih maupun menjalankan model besar. 9
10
Klaim teknisnya: cache KV jauh lebih kecil
Cache KV menyimpan status perhatian (attention state) dari token-token sebelumnya agar model tidak perlu menghitung ulang konteks pada setiap langkah. Komponen ini menjadi sangat penting—dan mahal—untuk percakapan panjang serta beban kerja agen AI.
DeepSeek menyatakan V4.1 Flash memadukan penggunaan ulang cache KV lintas lapisan dalam Compressed Sparse Attention 2 dengan cache KV FP4. Jejak cache KV global yang dilaporkan adalah 890 byte per token, sekitar seperempat dari jejak cache model V4-Flash. 9
Perusahaan ini juga menjelaskan teknik penerapan bernama SWA Bounded Replay untuk perhatian berjendela pendek. Alih-alih menyimpan cache tersebut secara persisten di SSD atau memori host, sistem memakai kumpulan DRAM host terdistribusi yang bersifat sementara dan menghitung ulang konteks dalam batas tertentu ketika terjadi cache miss. DeepSeek menyebut pendekatan ini memangkas jejak cache KV persisten menjadi sekitar seperdelapan generasi sebelumnya. 1
9
Secara praktis, klaim itu setara dengan sekitar 75% lebih sedikit HBM dan 87,5% lebih sedikit kapasitas SSD persisten—tetapi khusus untuk fungsi cache KV dibandingkan V4-Flash. 9
10
Apakah artinya pengguna simultan bisa menjadi empat kali lipat?
Bisa saja, pada sistem penyajian AI yang kendala utamanya adalah kapasitas cache KV aktif. Bila tiap permintaan berkonteks panjang memakai kira-kira seperempat memori cache sebelumnya, alokasi HBM yang sama secara teori dapat menampung sekitar empat kali lebih banyak cache aktif.
Tetapi ini adalah implikasi kapasitas dari angka per token yang dilaporkan, bukan hasil uji mandiri mengenai kapasitas pengguna simultan dari ujung ke ujung. Kapasitas nyata juga ditentukan oleh bobot model, komputasi yang tersedia, jaringan, panjang permintaan, batching, target latensi, dan perangkat lunak penyajian model.
Mengapa saham memori bereaksi keras?
Pasar tidak sedang menyimpulkan DeepSeek membuat memori menjadi tidak diperlukan. Kekhawatirannya adalah intensitas permintaan di masa depan. Pemasok HBM dan perusahaan NAND/SSD perusahaan selama ini diuntungkan oleh ekspektasi bahwa sistem AI yang makin canggih akan memerlukan lebih banyak memori dan infrastruktur penyimpanan.
Terobosan efisiensi membuka kemungkinan bahwa setiap beban kerja inferensi membutuhkan lebih sedikit bit memori dan penyimpanan persisten. Jika itu terjadi secara luas, proyeksi pertumbuhan permintaan, daya tawar harga, dan asumsi belanja modal bagi produsen memori dapat perlu dihitung ulang.
Pada 11 September, saham Samsung Electronics turun 3,5% dan SK Hynix turun 2,2% di Korea Selatan setelah pengumuman DeepSeek, menurut Bloomberg. 17 Laporan lain pada saat itu juga menyebut saham Samsung dan SK Hynix sempat turun lebih dari 3% di Seoul, sedangkan Micron dan SanDisk pada awalnya bertahan lebih baik dalam perdagangan AS.
8
Kekhawatiran kemudian meluas lintas negara
Pergerakan pasar selanjutnya bergeser dari kekhawatiran spesifik soal efisiensi inferensi menjadi penilaian ulang yang lebih luas terhadap perdagangan bertema belanja modal AI.
Setelah muncul seruan untuk memperlambat pengembangan AI perintis, SK Hynix dan Samsung masing-masing dilaporkan turun 6,4% dan 4,1%, sementara Kioxia di Jepang turun 6,4%. Saham semikonduktor Eropa seperti ASML, Infineon, ASM International, BE Semiconductor, dan STMicroelectronics juga melemah. 18
Laporan lain menyebut SoftBank turun 11%, Kioxia merosot 6,5%, dan Taiwan Semiconductor Manufacturing turun 1,2% dalam perdagangan Asia. 19 Di prapembukaan pasar AS, Marvell turun hampir 8%, sementara Intel, Micron, dan SanDisk masing-masing dilaporkan turun sekitar 6%.
20
Penurunan ini tidak boleh dibaca sebagai bukti bahwa satu peluncuran DeepSeek secara mekanis menyebabkan seluruh pelemahan saham tersebut. Kekhawatiran tentang suku bunga, valuasi, dan laju pertumbuhan AI dapat memengaruhi saham teknologi pada saat bersamaan. Namun, rilis DeepSeek memberi alasan konkret bagi pasar untuk menguji satu asumsi yang rentan: pertumbuhan permintaan AI tidak otomatis berarti kebutuhan memori per kueri meningkat secara proporsional. 17
Seruan Dario Amodei menambah tekanan
Aksi jual menguat setelah CEO Anthropic, Dario Amodei, meminta perusahaan AI memperlambat laju peningkatan kemampuan model AI perintis. Kerangka yang ia usulkan dimaksudkan untuk memberi lebih banyak waktu dalam mengelola risiko penyalahgunaan dan keselamatan.
Bagi investor infrastruktur, hal itu memunculkan kekhawatiran kedua di samping klaim efisiensi DeepSeek:
- Memori yang lebih sedikit untuk tiap tugas inferensi dapat menurunkan intensitas penggunaan memori.
- Perlombaan model perintis yang melambat dapat menunda pelatihan model berskala terbesar dan ekspansi pusat data yang menopang permintaan akselerator, HBM, jaringan, dan penyimpanan.
Kedua gagasan itu berbeda secara ekonomi. Meski demikian, pasar dapat memandang keduanya sebagai tantangan bagi ekspansi AI yang sebelumnya dihargai dengan asumsi pertumbuhan tanpa henti. Sejumlah laporan mengaitkan pelemahan saham chip yang lebih luas dengan kekhawatiran investor terhadap seruan untuk memperlambat pengembangan AI. 18
20
Kritik Michael Burry: “menguntungkan diri sendiri”
Investor Michael Burry mengkritik pesan perlambatan tersebut sebagai sesuatu yang menguntungkan pihak yang menyampaikannya sendiri. Ia berpendapat eksekutif di perusahaan AI terkemuka dapat diuntungkan dengan menggambarkan teknologi mereka berkembang sangat cepat dan berbahaya, serta menyebut narasi itu sebagai “IPO hype & puffery.” 14
Menurut Burry, perlambatan dapat menguntungkan pemain mapan dibandingkan penantang yang lebih kecil, sambil memperkuat kelangkaan, kredibilitas, dan narasi menuju penawaran umum perdana. Itu merupakan tafsir Burry atas insentif perusahaan, bukan bukti bahwa kekhawatiran keselamatan AI tidak tulus atau tidak berdasar. 14
Apa arti hasil DeepSeek bagi permintaan chip?
Pengumuman DeepSeek penting karena teknik yang digunakan bukan konsep investasi yang eksklusif. Presisi lebih rendah, kompresi cache, desain ulang attention, penggunaan ulang data, dan sistem penyajian yang lebih baik adalah arah pengembangan yang dapat ditempuh pembuat model lain. Karena itu, efisiensi memori inferensi adalah risiko struktural bagi pemasok yang ekspektasinya bergantung pada kenaikan kandungan memori untuk tiap permintaan AI. 9
Namun, klaim tersebut memiliki batas yang penting.
Ini soal cache KV, bukan seluruh kebutuhan memori
DeepSeek tidak menyatakan seluruh model atau pusat datanya membutuhkan 75% lebih sedikit HBM dan 87,5% lebih sedikit SSD. Perbandingan itu khusus untuk kebutuhan cache KV selama inferensi, relatif terhadap arsitektur sebelumnya. Kebutuhan bobot model, memori sistem lain, jaringan, dan penyimpanan berada di luar perbandingan sempit tersebut. 10
Pelatihan model tetap menjadi sumber permintaan tersendiri
Peningkatan yang diungkapkan DeepSeek tidak membuktikan adanya pengurangan setara pada komputasi dan memori yang diperlukan untuk melatih model AI perintis. Menjadikan optimasi cache KV sebagai bukti runtuhnya seluruh permintaan semikonduktor AI akan melebih-lebihkan makna pengumuman itu. 10
Efisiensi justru dapat memperluas penggunaan
Inferensi yang lebih murah dan lebih hemat memori memang bisa menurunkan konsumsi memori per permintaan. Namun, hal itu juga dapat membuat asisten berkonteks panjang, alur kerja agen AI, dan penerapan mandiri menjadi ekonomis di lebih banyak tempat.
Jika jumlah pengguna dan aplikasi bertambah cukup besar, permintaan memori secara agregat dapat tetap tangguh—atau bahkan meningkat—meskipun kebutuhan untuk setiap beban kerja turun.
Kesimpulan
DeepSeek V4.1 Flash menyoroti titik lemah narasi bullish pada saham memori AI: kebutuhan memori per beban kerja inferensi dapat turun tajam ketika arsitektur model dan perangkat lunak penyajian makin efisien. Angka 890 byte per token untuk cache KV global serta jejak cache persisten seperdelapan dari generasi sebelumnya menjelaskan mengapa investor cepat menilai ulang asumsi HBM dan SSD. 9
Namun, bukti yang tersedia belum mendukung kesimpulan bahwa ini adalah guncangan permintaan langsung bagi seluruh industri chip. Pengurangan yang diumumkan terbatas pada cache KV untuk inferensi, bukan pelatihan model maupun keseluruhan tumpukan infrastruktur pusat data.
Hasil jangka panjangnya akan ditentukan oleh persaingan dua kekuatan: kebutuhan memori yang lebih rendah untuk tiap tugas AI, melawan potensi adopsi AI yang jauh lebih luas karena biayanya turun. Bagi investor saham memori, pertanyaannya kini bukan hanya apakah penggunaan AI akan tumbuh, tetapi apakah pertumbuhan total beban kerja mampu melampaui kecepatan sistem AI belajar memakai memori secara lebih efisien.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "DeepSeek V4.1 Flash Pangkas Kebutuhan Memori AI, Saham Chip Ikut Gemetar. Apa Artinya?"?
DeepSeek V4.1 Flash menyatakan kebutuhan HBM untuk cache KV inferensinya turun menjadi seperempat model sebelumnya, sementara kapasitas cache persisten turun menjadi seperdelapan.
Apa poin penting yang harus divalidasi terlebih dahulu?
DeepSeek V4.1 Flash menyatakan kebutuhan HBM untuk cache KV inferensinya turun menjadi seperempat model sebelumnya, sementara kapasitas cache persisten turun menjadi seperdelapan. Reaksi awal menekan Samsung Electronics dan SK Hynix di Korea Selatan, lalu kekhawatiran meluas ke saham chip di Jepang, Eropa, dan Amerika Serikat.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Pertanyaan utamanya bukan sekadar apakah penggunaan AI tumbuh, melainkan apakah pertumbuhan jumlah beban kerja mampu mengimbangi penurunan kebutuhan memori pada tiap permintaan.
Sumber
alphaxiv.orgDeepSeek-V4.1-Flash: Pushing the Limits of KV Cache ...
finance.yahoo.comDeepSeek Cut Its KV-Cache HBM Need 75% and SSD Need 87.5%. Micron and Sandisk Investors Should Pay Attention
marktechpost.comDeepSeek AI Released DeepSeek-V4.1-Flash with 1M Context, FP4 KV Cache, and Cross-Layer Attention Reuse
bloomberg.comDeepSeek Hands Memory Stock Investors Fresh Reason for Caution