DeepSeek’in V4.1-Flash modeli bellek hisselerinde neden satış dalgası yarattı?

DeepSeek’in V4.1-Flash sürümü, yapay zekâ donanımı yatırımının temel kabullerinden birini hedef aldı: Daha güçlü modellerin, hizmete alındıkça her iş yükü için zorunlu olarak daha fazla bellek ve depolama gerektirdiği varsayımını.

Piyasanın ilk tepkisi, yapay zekâ bellek döngüsünün sona erdiğine dair kesin bir yargıdan çok, bu varsayımın yeniden fiyatlanmasıydı. Etki, en ileri AI modellerindeki ilerlemenin yavaşlatılması gerektiği yönündeki ayrı tartışmayla da büyüdü.

DeepSeek neyi değiştirdi?

DeepSeek, V4.1-Flash’ın anahtar-değer (KV) önbelleği için önceki nesle göre dörtte bir HBM (yüksek bant genişlikli bellek) ve sekizde bir SSD depolama gerektirdiğini açıkladı. Şirket, özellikle yapay zekâ ajanı iş yüklerinde önbellek isabetlerinin maliyet içindeki payına dikkat çekti. 29

KV önbelleği, modelin önceki token’lardan gelen dikkat durumunu saklar. Böylece model, uzun bir konuşmayı ya da işlemi sürdürürken daha önceki bağlamı baştan hesaplamak zorunda kalmaz. Bu nedenle özellikle uzun bağlamlı ve ajan tabanlı çıkarım hizmetlerinde önemli bir kapasite sınırıdır.

Buradaki önemli ayrım şu: DeepSeek, tüm AI sisteminin bir anda %75 daha az HBM veya %87,5 daha az depolama kullandığını söylemedi. Karşılaştırma, yalnızca KV önbellek gereksiniminin DeepSeek’in önceki mimarisine göre değişimini kapsıyor. Model ağırlıkları, eğitim altyapısı ve diğer bileşenler kayda değer bellek ve depolama tüketmeye devam ediyor. 25

Bellek ve depolama hisseleri neden geriledi?

Yatırımcı açısından çıkarım basitti: Bir model benzer çıkarım faaliyetini daha az önbellek belleğiyle yürütebiliyorsa, sabit bir AI donanımı havuzu daha fazla oturuma hizmet verebilir. Bu da iş yükü başına bellek yoğunluğuna ilişkin kısa vadeli beklentileri; dolayısıyla HBM ve kurumsal depolama talebi ile fiyatlamasına dair varsayımları zayıflatabilir.

Bu endişe piyasa hareketlerine de yansıdı. Dönemin haberlerine göre Samsung hisseleri Seul’de %3,5, SK Hynix hisseleri ise %2,2 düştü. 49 Ardından ABD işlemlerinde de bellek ve depolama şirketleri baskı gördü. Haberlerde, yatırımcıların AI altyapısı talep görünümünü yeniden değerlendirmesinde DeepSeek’in daha düşük HBM ve SSD gereksinimlerinin etkili olduğu belirtildi. 5152

Elbette tek bir model sürümünün her fiyat hareketinin tek nedeni olduğunu söylemek doğru olmaz. Yarı iletken hisseleri; şirket kâr beklentileri, arz koşulları, faizler, genel risk iştahı ve büyük teknoloji şirketlerinin sermaye harcaması planları gibi birçok etkene göre işlem görüyor. Ancak bu tepki, yazılım ve model mimarisindeki gelişmelerin AI hizmeti başına gerekli donanımı azaltabileceğine dair işaretlere bağlı değerlemelerin ne kadar hassaslaştığını gösterdi.

İkinci baskı unsuru: En ileri AI gelişimini yavaşlatma çağrısı

Verimlilik haberi, AI talebine ilişkin farklı bir kaygının öne çıktığı döneme denk geldi. Anthropic CEO’su Dario Amodei, We Must Pace the Frontier başlıklı yazısında şirketlerin ve hükümetlerin giderek yetkinleşen sistemleri uyumlu ve güvenli hâle getirmesi için, AI kabiliyetlerindeki ilerleme hızının yavaşlatılmasını savundu.

Amodei, bunun model eğitimini ya da teknik ilerlemeyi durdurmak anlamına gelmediğini özellikle vurguladı. Önerileri arasında gömülü üçüncü taraf değerlendiriciler, demokratik hükümetler arasında koordinasyon ve küresel koordinasyon bulunuyor. 40

Piyasalar, bir eğitim dondurması olmasa bile daha yavaş bir yetenek artışı ihtimalini; hızlandırıcı, ağ ekipmanı, bellek ve veri merkezi yatırımlarının bir bölümünün ötelenmesi riski olarak okuyabilir. Piyasa haberlerinin kapsadığı günde Nasdaq-100 vadeli işlemleri %1,77 düşerken Marvell %7’nin üzerinde, Intel yaklaşık %6 ve Micron %5’in üzerinde geriledi. 51

Bu iki gelişme farklı sorular doğuruyor:

• DeepSeek’in gündeme getirdiği verimlilik sorusu: Her bir çıkarım iş yükü ne kadar bellek ve depolama gerektiriyor?
• Yavaşlatma tartışmasının gündeme getirdiği zamanlama sorusu: Sektör, giderek yetkinleşen en ileri sistemleri ne kadar hızlı inşa edip devreye alacak?

Birlikte değerlendirildiğinde, AI altyapısı talebine ilişkin en iyimser tahminlerin otomatik olarak gerçekleşeceği düşüncesini zayıflattılar.

Michael Burry’nin eleştirisi

Yatırımcı Michael Burry, sektördeki yavaşlatma söylemini “self-serving” yani tarafların kendi çıkarına hizmet eden bir tutum olarak niteledi. Burry’ye göre bu yaklaşım, yerleşik büyük AI laboratuvarlarına rekabeti zorlaştırarak avantaj sağlayabilir, olası halka arzlar için “hype & puffery” yaratabilir ve büyümedeki yavaşlamayı örtmeye yarayabilir.

Burry ayrıca büyük dil modellerinin yapay genel zekâ olmadığını, dolayısıyla bu türden yavaşlatılacak “bir şey olmadığını” savundu. 14

Bunlar Burry’nin rekabet, değerleme ve AI yeteneklerine ilişkin görüşleri; yerleşik teknik sonuçlar değil. Piyasa bakımından önemli nokta, yavaşlatma tartışmasının yalnızca güvenlik açısından değil, teşvikler ve rekabet açısından da okunmasıydı.

Bellek için yükseliş tezinde ne değişti?

AI-bellek tezinin daha basit eski versiyonu doğrusaldı: Daha büyük modeller, daha uzun bağlam pencereleri ve daha fazla AI kullanıcısı; daha çok HBM, NAND ve depolama kapasitesi anlamına gelecekti.

DeepSeek bunun karşısına önemli bir dengeleyici güç koyuyor: mimari verimlilik.

Daha sağlıklı bir çerçeve, talebi iki değişkene ayırıyor:

1. İş yükü başına gereken bellek: Verimli KV önbellek tasarımı bunu azaltabilir.
2. İş yüklerinin toplam sayısı ve yoğunluğu: Daha çok kullanıcı, daha uzun bağlamlar ve daha otonom ajanlar bunu artırabilir.

İlk ölçütteki düşüş, ikincinin yönünü otomatik olarak belirlemez. Daha ucuz ve verimli çıkarım, benimsemeyi hızlandırarak toplam istek sayısını artırabilir. Tersine, verimlilik kullanım artışından daha hızlı yayılırsa, belirli bir AI çıktısı seviyesi için gereken donanım miktarı azalabilir.

Uzun vadeli hüküm neden henüz verilmiş değil?

V4.1-Flash’ın en doğrudan etkisi, çıkarım hizmetleri ve KV önbellek üzerinde. DeepSeek’in açıkladığı kıyaslama, model ağırlıklarının veya eğitimin kullandığı belleği ortadan kaldırmıyor. 25 Bu ayrım önemli; çünkü model eğitimi ile model sunumu, hesaplama, bellek ve ara bağlantı kapasitesi üzerinde farklı talepler oluşturuyor.

Dolayısıyla asıl belirsizlik, verimlilik kazanımının anlamlı olup olmadığı değil; toplam talebi değiştirip değiştirmeyeceği. Yatırımcıların benzer önbellek tasarrufu tekniklerinin benimsenmesini, uzun bağlamlı ve ajan tabanlı iş yüklerinin büyüme hızını, HBM ile depolama fiyatlarını ve en ileri modellerin eğitim ve devreye alma temposunu izlemesi gerekecek.

Şimdilik bu satış dalgası, AI belleği kıtlığını tek yönlü bir yatırım hikâyesi olarak görmemek gerektiğine dair bir uyarı olarak okunabilir. Model mimarisindeki yenilikler, donanım ihtiyacını istek başına azaltırken yeni kullanım alanları toplam istek sayısını aynı anda artırabilir.