Perché DeepSeek V4.1-Flash ha scosso i titoli della memoria per l’AI

L’annuncio di DeepSeek del 10 settembre su V4.1-Flash ha innervosito un mercato fondato su una narrativa sempre più lineare: modelli più grandi, contesti più lunghi e più agenti AI avrebbero richiesto quantità crescenti di memoria ad alta larghezza di banda (HBM), NAND e hardware di storage. Il messaggio tecnico non è che la memoria non serva più. È che, grazie all’architettura del modello e alla gestione della cache, la memoria necessaria per erogare uno specifico carico di lavoro AI può diminuire in modo sostanziale. 6125

Il punto tecnico: una cache KV molto più piccola

La cache key-value (KV) conserva lo stato dell’attenzione mentre il modello risponde a una richiesta. È particolarmente importante nelle conversazioni con contesto lungo e nei carichi di lavoro basati su agenti: permette di mantenere il contesto precedente senza rielaborare ogni volta l’intera cronologia.

DeepSeek dichiara che V4.1-Flash riduce il fabbisogno della propria cache KV a un quarto della HBM e a un ottavo dello storage SSD rispetto alla generazione precedente. 61 Nella scheda del modello, l’azienda attribuisce il risultato a un’architettura causal encoder-decoder: la cache KV globale del decoder viene proiettata dagli stati nascosti finali dell’encoder. A ciò si aggiunge una tecnica di distribuzione chiamata SWA Bounded Replay, che evita di salvare su SSD alcuni stati della cache a finestra scorrevole. 52

Le analisi indipendenti della release hanno indicato un ingombro della cache KV globale di circa 890 byte per token, approssimativamente un quarto di quello di V4-Flash. In teoria, la soluzione può consentire di servire da quattro a otto volte più utenti con la stessa impronta di cache KV. 53 DeepSeek afferma inoltre che il modello attiva 8 miliardi di parametri per token nella fase di prefill e 16 miliardi nella fase di generazione, con l’obiettivo di migliorare l’efficienza dei carichi di lavoro ricchi di input. 52

Perché il mercato ha venduto titoli della memoria e dei semiconduttori

La questione immediata non era se i sistemi AI abbiano bisogno di memoria: ne hanno chiaramente bisogno. Il problema era se la quantità di memoria richiesta per unità di output dell’inferenza potesse ridursi molto più rapidamente di quanto incorporato nelle stime di ricavi e domanda.

Se un modello comparabile riesce a gestire più richieste simultanee e a contesto lungo con una dotazione fissa di HBM o storage, i cloud provider potrebbero ottenere più capacità dall’infrastruttura già installata. Questa possibilità mette in discussione le ipotesi su volumi futuri, tensione dell’offerta e potere di determinazione dei prezzi in HBM, DRAM, SSD per le imprese e apparecchiature di storage collegate.

Secondo le notizie di mercato, dopo il lancio le azioni di Samsung Electronics e SK Hynix sono scese entrambe di oltre il 3% intraday in Corea. 17 Il timore si è propagato perché il trade sulle infrastrutture AI collega produttori di memoria, storage, reti e calcolo: una minore impronta di memoria può cambiare l’economia della distribuzione dei modelli, anche senza ridurre nello stesso modo la domanda di ogni categoria hardware.

Il caso SanDisk mostra quanto la tesi d’investimento fosse diventata sensibile alle attese sulla domanda AI. I dati di mercato del periodo indicavano un intervallo sulle 52 settimane di circa 85-2.354 dollari, mentre il consenso degli analisti restava su Buy o Moderate Buy. 3537 Un giudizio positivo, però, non risolve l’incertezza centrale: quanta parte della futura domanda di storage dipenda dal mantenimento di architetture di inferenza sempre più intensive in memoria.

L’appello di Amodei ha aggiunto un secondo rischio

La notizia DeepSeek è stata uno shock di efficienza. La proposta di Dario Amodei di «dare un ritmo al confine» dell’AI ha posto una questione distinta: il ritmo di crescita delle capacità dell’intelligenza artificiale e, di riflesso, della spesa per infrastrutture.

Nel suo saggio di settembre, il CEO di Anthropic ha sostenuto che le aziende dovrebbero rallentare deliberatamente la velocità con cui migliorano i modelli di frontiera, usando il tempo aggiuntivo per il lavoro su allineamento e sicurezza. Ha proposto valutatori terzi integrati nelle aziende, coordinamento tra società dei Paesi democratici e, in prospettiva, accordi tra governi. 45

Non era un invito a sospendere ogni sviluppo dell’AI. Ma il sostegno pubblico di altri importanti leader del settore ha spinto i mercati a considerare se il coordinamento volontario o future politiche possano moderare la spesa in acceleratori, data center e memoria che sostiene il più ampio trade sull’AI. In quel fine settimana, i futures sul Nasdaq 100 sono stati indicati in calo dell’1%, mentre il dibattito sottoponeva il settore a un esame più severo. 8

Per gli investitori, le due notizie hanno creato una combinazione scomoda: DeepSeek suggeriva che i servizi AI possano richiedere meno memoria per carico di lavoro; il dibattito sul rallentamento dei modelli di frontiera sollevava la possibilità di una crescita più lenta dei carichi di lavoro stessi.

Perché Michael Burry ha definito il rallentamento «self-serving»

L’investitore Michael Burry ha liquidato gli appelli a rallentare lo sviluppo dell’AI come «self-serving», cioè funzionali agli interessi di chi li propone. Il suo ragionamento è che un rallentamento potrebbe favorire i laboratori di frontiera già affermati e rendere più difficile ai concorrenti più piccoli recuperare terreno; Burry ha anche messo in dubbio che gli attuali chatbot AI siano avviati verso l’intelligenza artificiale generale. 15

Le osservazioni di Burry sono una critica agli incentivi, non una prova delle motivazioni delle aziende. Anche le affermazioni secondo cui i messaggi sulla sicurezza sarebbero concepiti per sostenere future IPO vanno quindi considerate come sue accuse, non come fatti accertati. 1115

Che cosa cambia davvero — e che cosa no

La conclusione più solida è circoscritta ma rilevante: DeepSeek ha messo in crisi una versione troppo semplice della tesi rialzista sulla memoria per l’AI. Ha dimostrato che software, architettura del modello, quantizzazione e gestione della cache possono ridurre materialmente l’intensità di memoria dell’inferenza. 5255

Non ha dimostrato, invece, che la domanda totale di memoria diminuirà. I tagli annunciati riguardano la cache KV durante l’inferenza e il confronto è con l’architettura DeepSeek precedente. Non equivalgono a dire che l’intero modello o il data center consumino il 75% in meno di HBM e l’87,5% in meno di storage SSD; né eliminano la memoria necessaria per i pesi del modello o per l’addestramento. 25

Costi di erogazione inferiori possono inoltre aumentare l’utilizzo: un’inferenza più economica può abilitare più utenti, contesti più estesi e più cicli degli agenti. L’esito finale dipenderà da quale forza prevarrà: l’efficienza per richiesta oppure la crescita del numero e della complessità delle richieste.

Cosa significa per la tesi sulla memoria AI

DeepSeek V4.1-Flash non invalida la tesi di lungo periodo per HBM, NAND o infrastrutture AI. La rende però più condizionata. Non è più prudente dare per scontato che l’aumento dell’uso dell’AI si traduca automaticamente, uno a uno, in maggiore consumo di memoria per carico di lavoro.

La domanda decisiva è se i guadagni di efficienza supereranno l’espansione dell’adozione dell’AI. DeepSeek ha fornito evidenza che l’inferenza può diventare molto più snella; non ha stabilito quanto rapidamente cresceranno, dopo questo cambiamento, l’uso globale dell’AI, la scala dell’addestramento e la domanda di hardware.