AnswersPublished19 sources
Waarom DeepSeek V4.1 Flash geheugenaandelen raakte, zonder de chipvraag te ontkrachten
DeepSeek stelt dat V4.1 Flash voor de KV cache tijdens inferentie nog een kwart van het eerdere HBM gebruik en een achtste van de permanente opslagcapaciteit nodig heeft. Samsung Electronics en SK Hynix daalden aanvankelijk in Seoul; later sloeg de onrust over naar Japanse, Europese en Amerikaanse chipaandelen.
Gepubliceerd doorBewerkt met GPT-5.6 TerraAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- DeepSeek stelt dat V4.1 Flash voor de KV cache tijdens inferentie nog een kwart van het eerdere HBM gebruik en een achtste van de permanente opslagcapaciteit nodig heeft.
- Samsung Electronics en SK Hynix daalden aanvankelijk in Seoul; later sloeg de onrust over naar Japanse, Europese en Amerikaanse chipaandelen.
- De kernvraag voor beleggers is of minder geheugen per AI verzoek de totale vraag verlaagt, of AI juist goedkoper maakt en daardoor veel meer toepassingen mogelijk maakt.
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 verontrustte beleggers omdat het een belangrijke aanname achter de AI-infrastructuurhausse ter discussie stelt: meer AI-gebruik betekent niet automatisch dat elk verzoek steeds meer geheugen nodig heeft. De geclaimde efficiëntiewinst kan groot zijn bij inferentie met lange context, maar betreft één onderdeel van een AI-systeem — de key-valuecache, kortweg KV-cache — en niet de volledige geheugen- en rekenbehoefte voor training of het draaien van grote modellen. 9
10
De technische claim: een veel kleinere KV-cache
Een KV-cache bewaart de aandachtsinformatie van eerdere tokens, zodat een model die context niet bij elke volgende stap opnieuw hoeft uit te rekenen. Vooral bij lange gesprekken en AI-agenten, die veel stappen zelfstandig doorlopen, kan die cache veel capaciteit kosten.
DeepSeek zegt dat V4.1 Flash cross-layer-hergebruik van de KV-cache in Compressed Sparse Attention 2 combineert met FP4-KV-caching. Volgens het bedrijf komt de wereldwijde KV-cache daardoor uit op 890 bytes per token: ongeveer een kwart van de vergelijkbare voetafdruk bij V4-Flash. 9
Daarnaast beschrijft DeepSeek een uitroltechniek met de naam SWA Bounded Replay voor attention met een kort venster. In plaats van die cache permanent op een SSD of in het hostgeheugen te bewaren, gebruikt het systeem tijdelijk een verdeelde pool van host-DRAM en berekent het bij een cache-misser een begrensd deel van de context opnieuw. Volgens DeepSeek daalt de permanente KV-cachevoetafdruk zo tot circa een achtste van die van de vorige generatie. 1
9
Praktisch betekenen die claims circa 75% minder HBM en 87,5% minder permanente SSD-capaciteit, maar uitsluitend voor de functie van de KV-cache vergeleken met V4-Flash. HBM staat voor high-bandwidth memory: zeer snel geheugen dat onder meer in AI-accelerators wordt gebruikt. 9
10
Betekent dit vier keer zo veel gelijktijdige gebruikers?
Dat kan in theorie, als een systeem dat AI-verzoeken verwerkt vooral wordt beperkt door de beschikbare capaciteit voor actieve KV-caches. Verbruikt elk lang verzoek ongeveer een kwart van het eerdere cachegeheugen, dan kan dezelfde HBM-toewijzing theoretisch ongeveer vier keer zo veel actieve caches bevatten.
Dat is echter een gevolgtrekking uit de gemelde hoeveelheid geheugen per token, geen onafhankelijk getoetst resultaat voor de totale gelijktijdige capaciteit. Die hangt ook af van modelgewichten, beschikbare rekenkracht, netwerkcapaciteit, verzoeklengte, batching, gewenste responstijd en de software die het model bedient.
Waarom geheugenaandelen zo hard reageerden
De koersreactie ging over de verwachte intensiteit van de toekomstige vraag, niet over het idee dat DeepSeek geheugen overbodig zou hebben gemaakt. Leveranciers van HBM en NAND-flashgeheugen — de basis voor onder meer zakelijke SSD's — profiteren van de verwachting dat krachtigere AI-systemen meer geheugen en opslaginfrastructuur vragen. Een efficiëntiesprong maakt het denkbaar dat een afzonderlijke inferentietaak minder geheugenbits en minder permanente opslag nodig heeft.
Op 11 september daalde Samsung Electronics in Zuid-Korea met 3,5% en SK Hynix met 2,2% na de aankondiging van DeepSeek, meldde Bloomberg. 17 Andere berichtgeving beschreef dalingen van meer dan 3% voor Samsung en SK Hynix in Seoul, terwijl Micron en SanDisk aanvankelijk beter standhielden in de Amerikaanse handel.
8
Voor beleggers is het risico dus vooral een waarderingsvraagstuk: als AI-taken minder geheugenintensief worden, moeten verwachtingen voor volumegroei, prijszettingsmacht en investeringen bij geheugenproducenten mogelijk worden bijgesteld.
Van Koreaanse geheugenmakers naar een bredere AI-verkoopgolf
De beweging verbreedde zich later van een specifieke zorg over efficiëntere inferentie naar een ruimere herwaardering van de AI-investeringshausse.
Na oproepen om de ontwikkeling van grensverleggende AI-modellen te vertragen, lieten markten wereldwijd zwakte zien. SK Hynix en Samsung daalden respectievelijk 6,4% en 4,1%, terwijl het Japanse Kioxia 6,4% verloor. Ook Europese halfgeleiderbedrijven, waaronder ASML, Infineon, ASM International, BE Semiconductor en STMicroelectronics, stonden lager. 18 Een ander bericht meldde een daling van 11% voor SoftBank, 6,5% voor Kioxia en 1,2% voor Taiwan Semiconductor Manufacturing in de Aziatische handel.
19
In de Amerikaanse voorbeurshandel verloor Marvell bijna 8%; Intel, Micron en SanDisk stonden volgens berichten elk circa 6% lager. 20
Dit is geen bewijs dat één DeepSeek-release elke koersdaling rechtstreeks veroorzaakte. Renteverwachtingen, waarderingen en zorgen over AI-groei beïnvloeden technologieaandelen vaak tegelijk. De release gaf de markt wel een concrete aanleiding om een kwetsbare veronderstelling te testen: groei van AI-gebruik vertaalt zich niet vanzelf in een evenredig hogere geheugenbehoefte per verzoek. 17
Waarom de oproep van Dario Amodei extra druk gaf
De verkoopgolf nam toe nadat Anthropic-topman Dario Amodei AI-bedrijven opriep om het tempo van vooruitgang bij frontiermodellen te verlagen. Zijn voorgestelde kader moest meer tijd creëren om misbruik en veiligheidsrisico's te beheersen.
Voor beleggers kwam daarmee een tweede zorg boven op de efficiëntieclaim van DeepSeek:
- Minder geheugen per inferentietaak kan de geheugenintensiteit verlagen.
- Een trager tempo in de race om frontiermodellen kan de grootste trainingsruns en uitbreidingen van datacenters uitstellen — investeringen waarop de vraag naar accelerators, HBM, netwerken en opslag steunt.
Economisch zijn dit twee verschillende ideeën. Toch kan de markt beide zien als risico's voor een AI-uitbouw die was ingeprijsd op onverminderd hoge groei. Berichten koppelden de bredere daling van chipaandelen rechtstreeks aan de bezorgdheid rond oproepen om AI-ontwikkeling af te remmen. 18
20
Michael Burry noemt de oproep ‘eigenbelang’
Belegger Michael Burry bekritiseerde de boodschap over vertraging als eigenbelang. Hij stelde dat bestuurders van toonaangevende AI-bedrijven er voordeel van kunnen hebben om hun eigen technologie als gevaarlijk snel voortschrijdend neer te zetten, en omschreef die framing als “IPO hype & puffery”. 14
Zijn redenering: een vertraging kan gevestigde ondernemingen bevoordelen boven kleinere uitdagers, terwijl zij schaarste, geloofwaardigheid en het verhaal rond toekomstige beursgangen versterkt. Dat is Burry's interpretatie van de prikkels voor deze bedrijven, geen bewijs dat de veiligheidszorgen onoprecht of ongegrond zijn. 14
Wat dit wel — en niet — zegt over de chipvraag
De aankondiging van DeepSeek is relevant omdat de onderliggende technieken als beleggingsvraagstuk niet uniek zijn. Lagere precisie, cachecompressie, een ander attention-ontwerp, hergebruik van gegevens en betere software om modellen te bedienen zijn richtingen die ook andere ontwikkelaars kunnen inslaan. Dat maakt geheugenefficiëntie bij inferentie een structureel risico voor leveranciers waarvan de verwachtingen afhangen van steeds meer geheugen per AI-verzoek. 9
Maar aan de claims zitten duidelijke grenzen.
Het gaat om KV-cache, niet om alle geheugenbehoeften
DeepSeek stelde niet dat het hele model of datacenter 75% minder HBM en 87,5% minder SSD-capaciteit nodig heeft. De vergelijking gaat specifiek over de KV-cache bij inferentie, tegenover de vorige eigen architectuur. Modelgewichten, ander systeemgeheugen, netwerkvereisten en overige opslag vallen buiten deze beperkte vergelijking. 10
Training blijft een afzonderlijke vraagmotor
De bekendgemaakte verbeteringen tonen niet aan dat de reken- en geheugenbehoefte voor het trainen van frontiermodellen in dezelfde mate afneemt. Een optimalisatie van de KV-cache behandelen als bewijs voor een instorting van alle vraag naar AI-halfgeleiders zou daarom veel verder gaan dan wat de aankondiging laat zien. 10
Efficiëntie kan ook meer gebruik uitlokken
Goedkopere, minder geheugenintensieve inferentie kan het geheugengebruik per verzoek verlagen. Tegelijk kan zij assistenten met lange context, AI-agenten en zelf gehoste toepassingen op veel meer plekken rendabel maken. Als het aantal gebruikers en toepassingen daardoor sterk genoeg toeneemt, kan de totale geheugenvraag veerkrachtig blijven of zelfs groeien, ondanks een lagere behoefte per taak.
Conclusie
DeepSeek V4.1 Flash legt een zwakke plek bloot in het optimistische verhaal rond AI-geheugen: de geheugenbehoefte per inferentietaak kan scherp dalen wanneer modelarchitectuur en bedieningssoftware verbeteren. De gemelde 890 bytes per token voor de wereldwijde KV-cache en een permanente cachevoetafdruk van een achtste verklaren waarom beleggers hun aannames over HBM en SSD's snel heroverwogen. 9
Toch wijst het beschikbare bewijs niet op een onmiddellijke vraagschok voor de volledige chipindustrie. De gemelde besparingen zijn beperkt tot KV-caching tijdens inferentie, niet tot modeltraining of de hele datacenterketen. Op lange termijn draait het om de strijd tussen twee krachten: minder geheugenintensiteit per AI-taak tegenover mogelijk veel bredere AI-adoptie doordat de kosten dalen.
Voor beleggers in geheugenaandelen is de relevante vraag dus niet meer alleen óf AI-gebruik groeit. Het is of de groei van het totale aantal workloads sneller kan gaan dan de snelheid waarmee AI-systemen leren om zuiniger met geheugen om te springen.
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 "Waarom DeepSeek V4.1 Flash geheugenaandelen raakte, zonder de chipvraag te ontkrachten"?
DeepSeek stelt dat V4.1 Flash voor de KV cache tijdens inferentie nog een kwart van het eerdere HBM gebruik en een achtste van de permanente opslagcapaciteit nodig heeft.
What are the key points to validate first?
DeepSeek stelt dat V4.1 Flash voor de KV cache tijdens inferentie nog een kwart van het eerdere HBM gebruik en een achtste van de permanente opslagcapaciteit nodig heeft. Samsung Electronics en SK Hynix daalden aanvankelijk in Seoul; later sloeg de onrust over naar Japanse, Europese en Amerikaanse chipaandelen.
What should I do next in practice?
De kernvraag voor beleggers is of minder geheugen per AI verzoek de totale vraag verlaagt, of AI juist goedkoper maakt en daardoor veel meer toepassingen mogelijk maakt.
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