Perché DeepSeek V4.1-Flash ha innescato vendite sui titoli della memoria

La pubblicazione di DeepSeek V4.1-Flash ha incrinato una delle ipotesi più redditizie del boom dell’infrastruttura per l’intelligenza artificiale: che modelli più capaci richiedano inevitabilmente sempre più memoria e storage per ogni carico di lavoro.

Non è stata la prova che il ciclo dell’IA per HBM e memoria NAND sia finito. È stata però una brusca rivalutazione di quanto hardware serva per servire una singola richiesta di IA, aggravata dal dibattito sul possibile rallentamento dello sviluppo dei modelli di frontiera.

Il dato che ha messo in allarme gli investitori

DeepSeek ha dichiarato che V4.1-Flash necessita, per la sua KV cache, di appena un quarto della memoria ad alta larghezza di banda (HBM) e di un ottavo dello storage SSD rispetto alla generazione precedente. L’azienda ha inoltre sottolineato che i costi dei cache hit — il riutilizzo di contesto già elaborato — possono incidere molto sui costi degli agenti IA. 29

La KV cache conserva lo stato dell’attenzione dei token già elaborati. In pratica permette al modello di proseguire una conversazione o un’attività lunga senza ricalcolare ogni volta tutto il contesto precedente. È quindi un vincolo importante quando si servono molte richieste di inferenza, soprattutto con contesti lunghi e agenti IA.

La precisazione essenziale è questa: DeepSeek non ha affermato che l’intero modello, o un intero data center, consumi il 75% di HBM e l’87,5% di storage in meno. Il confronto riguarda esclusivamente la KV cache e la precedente architettura della società. Restano rilevanti sia la memoria per i pesi del modello sia le risorse richieste dall’addestramento. 25

Perché sono scesi memoria e storage

La lettura di Borsa è stata immediata. Se un modello riesce a sostenere una quantità simile di attività di inferenza con molta meno memoria dedicata alla cache, lo stesso parco hardware può teoricamente servire più sessioni. Questo mette sotto pressione le previsioni di domanda di HBM e storage per singolo carico di lavoro.

A Seul, dopo il lancio, Samsung ha perso il 3,5% e SK Hynix il 2,2%, secondo la copertura dell’epoca. 49 Nelle successive contrattazioni statunitensi, anche i titoli legati a memoria e storage hanno subito vendite: gli investitori hanno rivalutato le prospettive della domanda di infrastruttura IA alla luce dei minori requisiti di HBM e SSD indicati da DeepSeek. 5152

Naturalmente, un singolo annuncio non spiega ogni movimento azionario. I semiconduttori rispondono anche a utili attesi, condizioni dell’offerta, tassi d’interesse, propensione al rischio e piani di spesa dei grandi operatori cloud. Ma la reazione ha mostrato quanto le valutazioni fossero sensibili all’idea che il software e l’architettura dei modelli possano ridurre l’hardware richiesto per ogni unità di servizio IA.

Il secondo fattore: il dibattito sul «pacing» dell’IA

La notizia sull’efficienza è arrivata mentre cresceva un’altra preoccupazione: la possibilità che lo sviluppo dei modelli più avanzati venga rallentato.

Nel saggio We Must Pace the Frontier, il CEO di Anthropic Dario Amodei ha proposto di ridurre il ritmo di miglioramento delle capacità dell’IA, per lasciare a imprese e governi il tempo di allineare e rendere sicuri sistemi sempre più potenti. Ha però chiarito che «pacing» non significa fermare l’addestramento o il progresso tecnico: la proposta include valutatori terzi integrati nelle aziende, coordinamento tra governi democratici e coordinamento globale. 40

I mercati possono leggere una traiettoria di capacità più lenta — anche senza un blocco dell’addestramento — come il rischio che una parte della spesa per acceleratori, reti, memoria e data center venga rimandata. Nella seduta riportata dai mercati, i future sul Nasdaq-100 cedevano l’1,77%; Marvell perdeva oltre il 7%, Intel circa il 6% e Micron più del 5%. 51

I due temi, però, sono distinti:

• DeepSeek pone un interrogativo di efficienza: quanta memoria e quanto storage richiede ciascun carico di inferenza?
• Il dibattito sul pacing pone un interrogativo sui tempi: con quale velocità l’industria costruirà e distribuirà sistemi IA di frontiera sempre più capaci?

Insieme, rendono meno automatiche le previsioni più aggressive sulla domanda di infrastruttura IA.

La critica di Michael Burry

L’investitore Michael Burry ha definito la retorica sul rallentamento dell’IA «self-serving», cioè funzionale agli interessi di chi la promuove. Secondo Burry, potrebbe favorire i laboratori già dominanti rendendo più difficile la concorrenza, alimentare «hype & puffery» in vista di possibili quotazioni e offrire una copertura a un rallentamento della crescita. Ha inoltre sostenuto che i grandi modelli linguistici non siano intelligenza artificiale generale, o AGI, e che quindi non ci sia nulla di quel tipo da rallentare. 14

Sono valutazioni di Burry su concorrenza, quotazioni e capacità dell’IA, non conclusioni tecniche consolidate. Per il mercato, il punto rilevante è che il tema della sicurezza è stato letto anche attraverso la lente degli incentivi economici.

Cosa cambia nella tesi rialzista sulla memoria

La versione più semplice della tesi rialzista era lineare: modelli più grandi, finestre di contesto più lunghe e più utenti IA avrebbero richiesto più HBM, NAND e capacità di storage.

DeepSeek introduce una forza compensativa importante: l’efficienza architetturale.

Per valutare la domanda conviene separare due variabili:

1. Memoria richiesta per ogni carico di lavoro. Una progettazione più efficiente della KV cache può ridurla.
2. Numero totale e intensità dei carichi di lavoro. Più utenti, contesti più lunghi e più agenti autonomi possono farli aumentare.

Il calo della prima variabile non determina automaticamente la seconda. Un’inferenza meno costosa ed efficiente può allargare l’adozione e generare più richieste complessive. Al contrario, se l’efficienza si diffondesse più rapidamente della crescita dell’utilizzo, l’hardware necessario per produrre una data quantità di output IA potrebbe ridursi.

Perché il verdetto di lungo periodo è ancora aperto

V4.1-Flash riguarda in modo più diretto il servizio di inferenza e la KV cache. Il confronto dichiarato da DeepSeek non elimina la memoria necessaria per i pesi dei modelli o per il training. 25 Ed è una distinzione cruciale: addestramento e inferenza esercitano pressioni diverse su calcolo, memoria e interconnessioni.

La domanda centrale, quindi, non è se il miglioramento di efficienza sia rilevante: lo è. La vera incognita è se modificherà la domanda aggregata. Gli investitori dovranno osservare la diffusione di tecniche di risparmio della cache, la crescita di contesti lunghi e agenti IA, i prezzi di HBM e storage e il ritmo con cui training e distribuzione dei modelli di frontiera proseguiranno.

Per ora, il sell-off è soprattutto un monito contro l’idea che la scarsità di memoria per l’IA sia una scommessa a senso unico: l’innovazione nei modelli può ridurre l’hardware necessario per richiesta tanto rapidamente quanto nuovi casi d’uso aumentano il numero delle richieste.