AnswersPublished19 sources
DeepSeek V4.1 Flash ha ridotto la memoria per l’AI. Ma non chiude il dibattito sui chip
DeepSeek V4.1 Flash dichiara di aver portato la memoria HBM della cache KV a un quarto del modello precedente e l’archiviazione persistente della cache a un ottavo. Il mercato ha colpito prima Samsung Electronics e SK Hynix in Corea del Sud, poi i titoli di chip e memoria in Asia, Europa e Stati Uniti.
Pubblicato daModificato con GPT-5.6 TerraImmagini generate con GPT Image 2
Research answer
Key takeaways
- DeepSeek V4.1 Flash dichiara di aver portato la memoria HBM della cache KV a un quarto del modello precedente e l’archiviazione persistente della cache a un ottavo.
- Il mercato ha colpito prima Samsung Electronics e SK Hynix in Corea del Sud, poi i titoli di chip e memoria in Asia, Europa e Stati Uniti.
- Il punto decisivo non è solo quanta memoria serve a ogni richiesta AI, ma se il calo dei costi genererà abbastanza nuovi utilizzi da far crescere comunque la domanda totale.
AI Prompt
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 ha innervosito gli investitori perché mette in discussione una delle ipotesi alla base del boom dell’infrastruttura per l’intelligenza artificiale: più AI non significa necessariamente più memoria richiesta per ogni singolo carico di lavoro.
I miglioramenti di efficienza dichiarati sono rilevanti soprattutto nell’inferenza a contesto lungo, cioè quando un modello produce risposte usando una lunga cronologia di testo. Ma riguardano una componente precisa del sistema — la cache KV — e non l’intero fabbisogno di memoria e calcolo per addestrare o servire i grandi modelli. 9
10
Che cosa ha cambiato DeepSeek: una cache KV più piccola
La cache key-value (KV) conserva lo stato dell’attenzione relativo ai token già elaborati, evitando che il modello debba ricalcolare ogni volta l’intero contesto precedente. È essenziale per conversazioni molto lunghe e flussi di lavoro con agenti AI, ma può diventare costosa in termini di memoria.
DeepSeek afferma che V4.1 Flash combina il riuso della cache KV tra livelli, nella tecnologia Compressed Sparse Attention 2, con il caching KV in formato FP4. Il risultato dichiarato è una cache KV globale di 890 byte per token, circa un quarto dell’impronta corrispondente di V4-Flash. 9
L’azienda descrive inoltre una tecnica di distribuzione chiamata SWA Bounded Replay per l’attenzione a finestra corta. Invece di conservare stabilmente quella cache su SSD o nella memoria dell’host, il sistema usa temporaneamente un pool distribuito di DRAM dell’host e ricalcola una porzione limitata del contesto in caso di mancato ritrovamento nella cache. Secondo DeepSeek, l’impronta della cache persistente scende così a circa un ottavo di quella della generazione precedente. 1
9
Tradotto in termini pratici, le dichiarazioni equivalgono a circa il 75% in meno di HBM e l’87,5% in meno di capacità SSD persistente, ma soltanto per la funzione di cache KV rispetto a V4-Flash. 9
10
Più utenti contemporaneamente? In teoria sì, fino a quattro volte
In un sistema di inferenza limitato soprattutto dalla capacità disponibile per le cache KV attive, un fabbisogno di memoria pari a un quarto potrebbe consentire, in teoria, di mantenere circa quattro volte più cache simultanee con la stessa allocazione HBM.
Non è però un benchmark indipendente sulla concorrenza effettiva. Il numero reale di utenti contemporanei dipende anche dai pesi del modello, dalla potenza di calcolo, dalla rete, dalla lunghezza delle richieste, dal batching, dai tempi di risposta richiesti e dal software di serving.
Perché i titoli della memoria hanno reagito così male
La reazione non implicava che DeepSeek avesse reso superflua la memoria. Il timore riguardava l’intensità futura della domanda: i fornitori di HBM e le aziende esposte a NAND e SSD per data center hanno beneficiato dell’aspettativa che sistemi AI sempre più avanzati richiedano più memoria e più storage.
Un salto di efficienza apre invece alla possibilità che ogni carico di inferenza consumi meno bit di memoria e meno archiviazione persistente. Per gli investitori, ciò può imporre una revisione delle stime su crescita della domanda, potere di prezzo e investimenti produttivi del settore.
L’11 settembre, secondo Bloomberg, Samsung Electronics ha perso il 3,5% e SK Hynix il 2,2% in Corea del Sud dopo l’annuncio di DeepSeek. 17 Altre ricostruzioni riportavano ribassi superiori al 3% a Seul per entrambe, mentre Micron e SanDisk inizialmente tenevano meglio nelle contrattazioni statunitensi.
8
Dalla Corea ai mercati globali: il sell-off si è allargato
In seguito, la preoccupazione specifica sull’efficienza dell’inferenza si è sommata a una più ampia rivalutazione del tema degli investimenti AI.
Dopo gli appelli a rallentare lo sviluppo dei modelli AI di frontiera, SK Hynix e Samsung risultavano in calo rispettivamente del 6,4% e del 4,1%, mentre la giapponese Kioxia perdeva il 6,4%. In Europa sono scesi anche titoli del settore come ASML, Infineon, ASM International, BE Semiconductor e STMicroelectronics. 18 Un’altra rilevazione segnalava SoftBank a -11%, Kioxia a -6,5% e Taiwan Semiconductor Manufacturing a -1,2% nelle contrattazioni asiatiche.
19
Nel premarket statunitense, Marvell perdeva quasi l’8%, mentre Intel, Micron e SanDisk erano indicati in calo di circa il 6%. 20
Non sarebbe corretto attribuire meccanicamente ogni ribasso a un singolo lancio di DeepSeek: tassi d’interesse, valutazioni elevate e dubbi sulla crescita dell’AI influenzano contemporaneamente molti titoli tecnologici. Tuttavia, V4.1 Flash ha offerto al mercato una ragione concreta per verificare un presupposto vulnerabile: la crescita dell’uso dell’AI non si traduce automaticamente in una crescita proporzionale della memoria necessaria per query. 17
L’effetto aggiuntivo della proposta di Dario Amodei
La pressione sui titoli è aumentata quando Dario Amodei, CEO di Anthropic, ha invitato le aziende AI a rallentare il ritmo con cui migliorano le capacità dei modelli di frontiera. La proposta puntava a guadagnare tempo per affrontare i rischi di uso improprio e di sicurezza.
Per chi investe nell’infrastruttura, questo ha aggiunto una seconda fonte di incertezza:
- Meno memoria per ogni attività di inferenza può ridurre l’intensità di memoria.
- Una corsa più lenta ai modelli di frontiera può rimandare i maggiori cicli di addestramento e i piani di espansione dei data center da cui dipende la domanda di acceleratori, HBM, reti e storage.
Sono due fattori economicamente distinti, ma il mercato può leggerli entrambi come una sfida a un piano di investimenti AI valutato sulla base di una crescita incessante. Le cronache hanno collegato direttamente l’allargamento dei ribassi ai timori suscitati dagli inviti a rallentare lo sviluppo dell’AI. 18
20
La critica di Michael Burry: «autocelebrativa»
L’investitore Michael Burry ha definito autocelebrativo il messaggio a favore di un rallentamento. A suo giudizio, i dirigenti delle principali aziende AI possono trarre vantaggio dal descrivere la propria tecnologia come pericolosamente veloce; ha liquidato questa narrazione come «IPO hype & puffery». 14
La sua tesi è che un rallentamento possa favorire gli operatori già affermati rispetto ai concorrenti più piccoli, rafforzando al tempo stesso scarsità, credibilità e racconto in vista di future quotazioni. È l’interpretazione di Burry sugli incentivi delle aziende, non una prova che le preoccupazioni sulla sicurezza siano insincere o infondate. 14
Cosa significa davvero per la domanda di chip
L’annuncio di DeepSeek è importante perché le tecniche alla base non sono un’eccezione irripetibile dal punto di vista degli investimenti. Precisione più bassa, compressione della cache, riprogettazione dell’attenzione, riuso dei dati e software di serving più efficienti sono direzioni percorribili anche da altri sviluppatori.
Questo rende l’efficienza della memoria nell’inferenza un rischio strutturale per i fornitori le cui previsioni dipendono da un aumento continuo della memoria contenuta in ogni richiesta AI. 9
Ma ci sono limiti netti a questa conclusione.
La riduzione riguarda la cache KV, non tutta la memoria
DeepSeek non ha dichiarato che l’intero modello o l’intero data center richiedano il 75% di HBM in meno e l’87,5% di SSD in meno. Il confronto riguarda in modo specifico la cache KV durante l’inferenza e prende come riferimento l’architettura precedente. Pesi del modello, altra memoria di sistema, rete e ulteriori requisiti di storage restano fuori da quel confronto ristretto. 10
L’addestramento resta un motore separato della domanda
I miglioramenti resi noti non dimostrano riduzioni equivalenti nel calcolo e nella memoria necessari per addestrare modelli di frontiera. Considerare un’ottimizzazione della cache KV come prova di un crollo dell’intera domanda di semiconduttori per l’AI significherebbe andare oltre ciò che l’annuncio dimostra. 10
L’efficienza può anche ampliare l’uso dell’AI
Un’inferenza meno costosa e meno intensiva in memoria può ridurre il consumo per richiesta. Ma può anche rendere economicamente sostenibili in molti più contesti assistenti con grandi finestre di contesto, agenti AI e installazioni autogestite.
Se il numero di utenti e applicazioni cresce abbastanza, la domanda aggregata di memoria può restare solida — o persino aumentare — nonostante il fabbisogno inferiore per ciascun carico di lavoro.
In sintesi
DeepSeek V4.1 Flash ha messo in luce un punto debole della narrativa rialzista sulla memoria per l’AI: il fabbisogno di memoria per singolo carico di inferenza può diminuire rapidamente quando migliorano architettura del modello e software di distribuzione. La cache KV globale dichiarata di 890 byte per token e l’impronta persistente ridotta a un ottavo spiegano perché il mercato abbia riconsiderato così rapidamente le ipotesi su HBM e SSD. 9
I dati disponibili, però, non giustificano di parlare di uno shock immediato per la domanda dell’intera industria dei chip. I tagli annunciati riguardano la cache KV nell’inferenza, non l’addestramento dei modelli né l’intero stack di un data center.
Nel lungo periodo, l’esito dipenderà dalla sfida fra due forze: meno memoria necessaria per ogni attività AI e un’adozione potenzialmente molto più ampia, resa possibile da costi inferiori. Per gli investitori nel comparto memoria, la domanda non è più soltanto se l’uso dell’AI crescerà, ma se la crescita dei carichi di lavoro riuscirà a superare la velocità con cui i sistemi AI imparano a usare la memoria in modo più efficiente.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "DeepSeek V4.1 Flash ha ridotto la memoria per l’AI. Ma non chiude il dibattito sui chip"?
DeepSeek V4.1 Flash dichiara di aver portato la memoria HBM della cache KV a un quarto del modello precedente e l’archiviazione persistente della cache a un ottavo.
What are the key points to validate first?
DeepSeek V4.1 Flash dichiara di aver portato la memoria HBM della cache KV a un quarto del modello precedente e l’archiviazione persistente della cache a un ottavo. Il mercato ha colpito prima Samsung Electronics e SK Hynix in Corea del Sud, poi i titoli di chip e memoria in Asia, Europa e Stati Uniti.
What should I do next in practice?
Il punto decisivo non è solo quanta memoria serve a ogni richiesta AI, ma se il calo dei costi genererà abbastanza nuovi utilizzi da far crescere comunque la domanda totale.
Sources
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