ทำไม DeepSeek V4.1-Flash จึงกดดันหุ้นเมมโมรีและสตอเรจ

DeepSeek V4.1-Flash ทำให้ตลาดตั้งคำถามกับสมมติฐานหลักของธีมลงทุน AI ว่า โมเดลที่มีความสามารถมากขึ้นต้องใช้เมมโมรีและสตอเรจมากขึ้นต่อหนึ่งบริการเสมอไปหรือไม่ ปฏิกิริยาราคาหุ้นที่ตามมาคือการปรับมูลค่ารับความเสี่ยงจากสมมติฐานดังกล่าวใหม่ โดยยังมีแรงกดดันจากอีกประเด็นหนึ่ง คือการถกเถียงว่าควรชะลอความเร็วในการพัฒนา AI ระดับแนวหน้าหรือไม่ ไม่ใช่ข้อพิสูจน์ว่าวงจรดีมานด์เมมโมรีสำหรับ AI สิ้นสุดลงแล้ว

DeepSeek เปลี่ยนอะไร

DeepSeek ระบุว่า V4.1-Flash ใช้ HBM (High-Bandwidth Memory) สำหรับ KV cache เพียงหนึ่งในสี่ และใช้พื้นที่ SSD เพียงหนึ่งในแปด เมื่อเทียบกับรุ่นก่อนหน้า บริษัทชี้ด้วยว่าต้นทุนจากการเรียกใช้ข้อมูลที่มีอยู่ในแคช (cache hit) มักเป็นสัดส่วนสำคัญของต้นทุน AI agent 29

KV cache คือพื้นที่ที่เก็บสถานะการประมวลผลจากโทเคนก่อนหน้า เพื่อให้โมเดลสนทนาหรือทำงานต่อเนื่องได้โดยไม่ต้องคำนวณบริบทเดิมทั้งหมดใหม่ จึงเป็นข้อจำกัดด้านความจุที่สำคัญของการให้บริการ AI แบบอนุมาน (inference) โดยเฉพาะงานที่ใช้บริบทยาวและ AI agent

อย่างไรก็ดี ตัวเลขนี้ ไม่ได้หมายความว่าระบบ AI ทั้งระบบจะใช้ HBM ลดลง 75% หรือใช้สตอเรจลดลง 87.5% เพราะเป็นการเปรียบเทียบเฉพาะความต้องการของ KV cache กับสถาปัตยกรรม DeepSeek รุ่นก่อนหน้าเท่านั้น น้ำหนักโมเดล โครงสร้างพื้นฐานสำหรับการฝึก และองค์ประกอบอื่น ๆ ยังต้องใช้หน่วยความจำและสตอเรจในปริมาณมาก 25

เหตุใดหุ้นเมมโมรีและสตอเรจจึงถูกขาย

สำหรับนักลงทุน ความหมายของข่าวค่อนข้างตรงไปตรงมา: หากโมเดลรองรับงานอนุมานในระดับใกล้เคียงเดิมโดยใช้เมมโมรีแคชน้อยลง ฮาร์ดแวร์ AI ชุดเดิมก็อาจรองรับผู้ใช้งานหรือเซสชันได้มากขึ้น นั่นอาจลดความคาดหวังระยะสั้นต่อปริมาณเมมโมรีต่อหนึ่งเวิร์กโหลด รวมถึงต่อดีมานด์และราคาของ HBM กับสตอเรจระดับองค์กร

ตลาดตอบสนองต่อความกังวลนี้ทันที ในกรุงโซล หุ้น Samsung ลดลง 3.5% และ SK Hynix ลดลง 2.2% หลังการเปิดตัว ตามรายงานในช่วงเวลานั้น 49 ต่อมา หุ้นเมมโมรีและสตอเรจในสหรัฐฯ ก็เผชิญแรงขายเช่นกัน โดยรายงานข่าวเชื่อมโยงการประเมินแนวโน้มดีมานด์โครงสร้างพื้นฐาน AI ใหม่เข้ากับความต้องการ HBM และ SSD ที่ต่ำลงของ DeepSeek 5152

แน่นอนว่าไม่ได้แปลว่าโมเดลเดียวเป็นสาเหตุของทุกความเคลื่อนไหวในตลาด หุ้นเซมิคอนดักเตอร์ยังขึ้นอยู่กับคาดการณ์กำไร ภาวะอุปทาน ดอกเบี้ย ความต้องการรับความเสี่ยงของตลาด และแผนลงทุนศูนย์ข้อมูลของบริษัทขนาดใหญ่ด้วย แต่แรงตอบรับครั้งนี้สะท้อนว่ามูลค่าหุ้นที่โยงกับ AI อ่อนไหวมากเพียงใดต่อหลักฐานที่ว่า ซอฟต์แวร์และสถาปัตยกรรมโมเดลอาจลดฮาร์ดแวร์ที่ต้องใช้ต่อหนึ่งหน่วยบริการ AI ได้

แรงกดดันอีกด้าน: ข้อเสนอให้ “กำหนดจังหวะ” การพัฒนา AI แนวหน้า

ข่าวประสิทธิภาพของ DeepSeek เกิดขึ้นพร้อมกับข้อกังวลด้านอุปสงค์อีกเรื่องหนึ่ง Dario Amodei ซีอีโอของ Anthropic เสนอในบทความ We Must Pace the Frontier ว่าควรชะลออัตราการเพิ่มขีดความสามารถของ AI เพื่อให้บริษัทและภาครัฐมีเวลาจัดการการกำกับดูแลและความปลอดภัยของระบบที่ทรงพลังขึ้น เขาย้ำว่า “pacing” ไม่ใช่การหยุดฝึกโมเดลหรือหยุดความก้าวหน้าทางเทคนิค และเสนอให้มีผู้ประเมินอิสระที่เข้าถึงการทำงานของบริษัท การประสานงานระหว่างรัฐบาลประชาธิปไตย และการประสานงานระดับโลก 40

ตลาดสามารถตีความเส้นทางการพัฒนาความสามารถ AI ที่ช้าลง แม้ไม่ใช่การระงับการฝึกโมเดล ว่าอาจทำให้การใช้จ่ายด้านตัวเร่งประมวลผล เครือข่าย เมมโมรี และศูนย์ข้อมูลบางส่วนถูกเลื่อนออกไป ในวันเดียวกับที่มีรายงานตลาด Nasdaq-100 futures ลดลง 1.77% ขณะที่ Marvell ลดลงกว่า 7% Intel ลดลงราว 6% และ Micron ลดลงกว่า 5% 51

ทั้งสองเรื่องเป็นคนละประเด็นกัน:

• DeepSeek ตั้งคำถามเรื่องประสิทธิภาพ: งานอนุมานหนึ่งหน่วยต้องใช้เมมโมรีและสตอเรจเท่าไร
• การถกเถียงเรื่อง pacing ตั้งคำถามเรื่องเวลา: อุตสาหกรรมจะสร้างและนำ AI แนวหน้าที่เก่งขึ้นไปใช้งานเร็วเพียงใด

เมื่อนำมารวมกัน ทั้งสองปัจจัยทำให้ประมาณการดีมานด์โครงสร้างพื้นฐาน AI ที่มองบวกมากที่สุดดูไม่ใช่สิ่งที่เกิดขึ้นโดยอัตโนมัติอีกต่อไป

Michael Burry วิจารณ์แนวคิดชะลอ AI อย่างไร

Michael Burry นักลงทุนที่โด่งดังจากเรื่อง The Big Short เรียกวาทกรรมการชะลอ AI ของผู้นำอุตสาหกรรมว่าเป็นสิ่งที่ “เอื้อประโยชน์ต่อตนเอง” เขามองว่าท่าทีดังกล่าวอาจช่วยผู้เล่นรายใหญ่หรือบริษัท AI แนวหน้ารักษาความได้เปรียบ ทำให้คู่แข่งแข่งขันยากขึ้น สร้าง “hype & puffery” เพื่อหนุนการเสนอขายหุ้นต่อประชาชนครั้งแรก (IPO) และเป็นข้ออ้างบังการชะลอตัวของการเติบโต นอกจากนี้ เขายังโต้แย้งว่าโมเดลภาษาขนาดใหญ่ หรือ LLM ไม่ใช่ปัญญาประดิษฐ์ทั่วไป (AGI) จึงไม่มีสิ่งในความหมายนั้นให้ต้องชะลอ 14

สิ่งเหล่านี้เป็นมุมมองของ Burry ต่อการแข่งขัน มูลค่ากิจการ และศักยภาพของ AI ไม่ใช่ข้อสรุปทางเทคนิคที่เป็นที่ยอมรับแล้ว แต่สำหรับตลาด ประเด็นสำคัญคือการถกเถียงเรื่อง pacing ถูกมองผ่านทั้งเลนส์ความปลอดภัยและเลนส์แรงจูงใจทางธุรกิจ

ธีมขาขึ้นของหุ้นเมมโมรีต้องคิดใหม่อย่างไร

คำอธิบายแบบเดิมของธีม AI-memory ค่อนข้างเป็นเส้นตรง: โมเดลใหญ่ขึ้น หน้าต่างบริบทยาวขึ้น และผู้ใช้ AI เพิ่มขึ้น จึงต้องใช้ HBM, NAND และสตอเรจมากขึ้น DeepSeek เพิ่มแรงต้านสำคัญเข้ามา คือ ประสิทธิภาพจากสถาปัตยกรรม

กรอบคิดที่รอบด้านกว่าควรแยกดีมานด์ออกเป็น 2 ตัวแปร:

1. เมมโมรีที่ต้องใช้ต่อหนึ่งเวิร์กโหลด — การออกแบบ KV cache ที่มีประสิทธิภาพช่วยลดส่วนนี้ได้
2. จำนวนและความเข้มข้นของเวิร์กโหลดทั้งหมด — ผู้ใช้มากขึ้น บริบทยาวขึ้น และ AI agent ที่ทำงานอัตโนมัติมากขึ้น อาจทำให้ส่วนนี้เพิ่มขึ้น

การลดลงของตัวแปรแรกไม่ได้กำหนดตัวแปรที่สองโดยอัตโนมัติ การทำ inference ให้ถูกลงและมีประสิทธิภาพขึ้นอาจขยายการนำ AI ไปใช้ และเพิ่มจำนวนคำขอรวมได้ แต่หากประสิทธิภาพแพร่หลายเร็วกว่าการเติบโตของการใช้งาน ก็อาจลดฮาร์ดแวร์ที่จำเป็นต่อปริมาณงาน AI ระดับหนึ่งได้

เหตุใดคำตัดสินระยะยาวยังเปิดกว้าง

V4.1-Flash ส่งผลโดยตรงที่สุดต่อการให้บริการ inference และ KV cache ข้อเปรียบเทียบที่ DeepSeek ระบุไม่ได้ตัดความต้องการเมมโมรีของน้ำหนักโมเดลหรือการฝึกโมเดลออกไป 25 จุดนี้สำคัญ เพราะการฝึกและการให้บริการโมเดลมีความต้องการด้านการประมวลผล เมมโมรี และการเชื่อมต่อระหว่างระบบต่างกัน

ดังนั้น ความไม่แน่นอนหลักไม่ใช่ว่าการประหยัดที่รายงานมีนัยสำคัญหรือไม่—เพราะมีนัยสำคัญ—แต่อยู่ที่ว่าจะเปลี่ยน ดีมานด์รวม หรือไม่ นักลงทุนจึงต้องจับตาการนำเทคนิคประหยัดแคชแบบเดียวกันไปใช้ อัตราเติบโตของงานที่ใช้บริบทยาวและ AI agent ราคาของ HBM กับสตอเรจ ตลอดจนการฝึกและการนำโมเดลแนวหน้าไปใช้งานว่าจะยังเร่งตัวต่อหรือไม่

ในตอนนี้ แรงขายควรถูกมองว่าเป็นคำเตือนว่าไม่ควรมองภาวะเมมโมรีตึงตัวจาก AI เป็นการลงทุนทางเดียว นวัตกรรมด้านโมเดลอาจลดฮาร์ดแวร์ที่ต้องใช้ต่อคำขอได้รวดเร็วพอ ๆ กับที่กรณีใช้งานใหม่ ๆ เพิ่มจำนวนคำขอขึ้นมา