AnswersPublished19 sources
DeepSeek V4.1 Flash налякав акції виробників пам’яті: що насправді змінилося для AI-чипів
DeepSeek V4.1 Flash заявляє, що зменшила потребу свого KV кешу в HBM до чверті від рівня попередньої моделі, а постійного кешу — до однієї восьмої. Першою реакцією стало падіння акцій Samsung Electronics і SK Hynix у Південній Кореї; згодом розпродаж поширився на японські, європейські та американські технологічні ко...
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- DeepSeek V4.1 Flash заявляє, що зменшила потребу свого KV кешу в HBM до чверті від рівня попередньої моделі, а постійного кешу — до однієї восьмої.
- Першою реакцією стало падіння акцій Samsung Electronics і SK Hynix у Південній Кореї; згодом розпродаж поширився на японські, європейські та американські технологічні компанії.
- Ключове питання для інвесторів: чи зменшення пам’яті на один запит скоротить сукупні закупівлі пам’яті, чи здешевлення AI, навпаки, створить значно більше робочих навантажень.
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 змусила інвесторів переглянути одну з базових тез AI-буму: що більше використання штучного інтелекту автоматично означає більше пам’яті для кожного завдання. Заявлене підвищення ефективності є суттєвим для довгих контекстів під час інференсу — тобто коли вже навчена модель генерує відповіді. Але воно стосується лише однієї частини системи, KV-кешу, а не повного обсягу пам’яті й обчислень для навчання або обслуговування великих моделей. 9
10
Що саме DeepSeek оптимізувала
KV-кеш зберігає стан механізму уваги для попередніх токенів, щоб моделі не доводилося щоразу заново обчислювати весь контекст. Він особливо важливий — і дорогий — для довгих діалогів та AI-агентів, які виконують багато послідовних дій.
DeepSeek повідомила, що V4.1 Flash поєднує повторне використання KV-кешу між шарами в архітектурі Compressed Sparse Attention 2 із кешуванням FP4. За даними компанії, глобальний KV-кеш займає 890 байтів на токен — приблизно чверть відповідного показника V4-Flash. 9
Для коротковіконної уваги DeepSeek також описала техніку SWA Bounded Replay. Замість постійно зберігати такий кеш на SSD або в пам’яті хоста, система тимчасово використовує розподілений пул оперативної пам’яті серверів і при промаху кешу перераховує обмежену частину контексту. Компанія стверджує, що це зменшує постійний обсяг KV-кешу приблизно до однієї восьмої від попереднього покоління. 1
9
У перерахунку це означає близько 75% меншої потреби в HBM — високошвидкісній пам’яті, що використовується AI-прискорювачами, — та 87,5% меншої потреби в постійному SSD-сховищі саме для функції KV-кешу порівняно з V4-Flash. 9
10
Чи означає це вчетверо більше одночасних користувачів?
Теоретично — так, якщо серверна система насамперед обмежена місткістю активного KV-кешу. Коли довгий запит потребує приблизно чверть колишнього обсягу кешу, той самий обсяг HBM потенційно може вмістити приблизно вчетверо більше активних кешів.
Втім, це висновок із заявленого показника пам’яті на токен, а не незалежно підтверджений результат повного тесту одночасних користувачів. Реальна місткість залежить також від ваг моделі, доступної обчислювальної потужності, мережі, довжини запитів, пакетної обробки, цільової затримки та серверного програмного забезпечення.
Чому акції виробників пам’яті відреагували так болісно
Ринок не вирішив, що DeepSeek зробила пам’ять непотрібною. Інвестори почали оцінювати, чи не стане кожне AI-навантаження менш вимогливим до пам’яті та накопичувачів у майбутньому. Виробники HBM, NAND-пам’яті й корпоративних SSD вигравали від очікувань, що дедалі потужніші AI-системи потребуватимуть дедалі більше інфраструктури. Прорив в ефективності ставить під сумнів саме інтенсивність такого попиту на один запит.
11 вересня акції Samsung Electronics у Південній Кореї втратили 3,5%, а SK Hynix — 2,2% після оголошення DeepSeek, повідомляв Bloomberg. 17 Інші повідомлення того дня зазначали падіння Samsung і SK Hynix більш ніж на 3% у Сеулі, тоді як Micron і SanDisk спершу трималися краще на американських торгах.
8
Отже, головним ризиком була переоцінка вартості компаній: якщо AI-навантаження потребуватимуть менше бітів пам’яті та менше постійного сховища, доведеться переглядати прогнози зростання попиту, цінової сили виробників і капітальних витрат.
Як локальна тривога перетворилася на глобальний розпродаж
Згодом реакція вийшла за межі конкретної теми ефективності інференсу й переросла у ширше переосмислення ставок на великі витрати на AI-інфраструктуру.
Після закликів уповільнити розвиток передових AI-моделей SK Hynix і Samsung втратили 6,4% та 4,1% відповідно, а японська Kioxia — 6,4%. Падали також європейські виробники та постачальники напівпровідникового обладнання: ASML, Infineon, ASM International, BE Semiconductor і STMicroelectronics. 18 В азійських торгах SoftBank знизився на 11%, Kioxia — на 6,5%, а Taiwan Semiconductor Manufacturing — на 1,2%.
19
На премаркеті у США Marvell втратила майже 8%, тоді як Intel, Micron і SanDisk знижувалися приблизно на 6%. 20
Не варто тлумачити ці рухи як доказ того, що саме один реліз DeepSeek механічно спричинив кожне падіння. На технологічні акції одночасно впливають відсоткові ставки, завищені оцінки та сумніви щодо темпів AI-зростання. Проте реліз дав ринку конкретний привід перевірити вразливу тезу: зростання AI-попиту не обов’язково веде до пропорційного зростання потреби в пам’яті на кожен запит. 17
Чому заклик Даріо Амодеї посилив тиск
Розпродаж посилився після того, як генеральний директор Anthropic Даріо Амодеї закликав AI-компанії уповільнити темп нарощування можливостей передових моделей. Запропонований ним підхід мав дати більше часу для контролю ризиків зловживань і безпеки.
Для інвесторів інфраструктурного сегмента це додало другу тривогу до заяв DeepSeek:
- Менше пам’яті на завдання інференсу може знизити інтенсивність споживання пам’яті.
- Повільніші перегони у створенні передових моделей можуть відтермінувати найбільші тренувальні запуски та розширення дата-центрів, на яких тримається попит на прискорювачі, HBM, мережеве обладнання та сховища.
Це різні за економічним змістом фактори. Та ринок міг цілком логічно сприйняти обидва як загрозу сценарію AI-будівництва, в якому зростання не зупиняється. Повідомлення про ширше падіння чипових акцій прямо пов’язували його з побоюваннями щодо закликів сповільнити AI-розвиток. 18
20
Критика Майкла Беррі: «вигідна самим компаніям» риторика
Інвестор Майкл Беррі розкритикував ідею сповільнення, назвавши її вигідною самим прихильникам такого курсу. На його думку, керівники провідних AI-компаній можуть мати комерційний інтерес у твердженнях, що їхня технологія розвивається небезпечно швидко; він охарактеризував це як «IPO hype & puffery» — маркетингове перебільшення для майбутніх біржових розміщень. 14
Логіка Беррі полягає в тому, що уповільнення може працювати на користь уже великих гравців, одночасно посилюючи їхній образ дефіцитних, авторитетних компаній. Це його оцінка стимулів бізнесу, а не доказ того, що застереження щодо безпеки є нещирими чи безпідставними. 14
Що це означає для попиту на чипи — і чого не означає
Оголошення DeepSeek важливе не тому, що її підхід обов’язково стане єдиним стандартом. Зниження точності обчислень, стиснення кешу, оновлення механізмів уваги, повторне використання даних і вдосконалення серверних систем — це широкі напрями розвитку, доступні й іншим розробникам моделей. Тому ефективність використання пам’яті під час інференсу є структурним ризиком для постачальників, чиї очікування спираються на зростання обсягу пам’яті на один AI-запит. 9
Водночас межі цього висновку принципові.
Це оптимізація KV-кешу, а не всіх потреб у пам’яті
DeepSeek не заявляла, що вся модель або дата-центр потребують на 75% менше HBM і на 87,5% менше SSD. Порівняння стосується саме KV-кешу під час інференсу та зроблене відносно попередньої архітектури компанії. Ваги моделі, інша системна пам’ять, мережеві ресурси та інші потреби в сховищі не входять до цього вузького зіставлення. 10
Навчання моделей — окремий двигун попиту
Оприлюднені покращення не доводять аналогічного скорочення обчислень і пам’яті, потрібних для навчання передових моделей. Вважати оптимізацію KV-кешу доказом обвалу всього попиту на AI-напівпровідники означало б зробити висновок, якого ці дані не підтверджують. 10
Ефективність здатна збільшити використання
Дешевший і менш вимогливий до пам’яті інференс справді зменшує споживання пам’яті на один запит. Але він також може зробити доступнішими довгоконтекстних помічників, агентні сценарії та локальне розгортання моделей. Якщо це достатньо розширить кількість користувачів і застосувань, сукупний попит на пам’ять може залишитися стійким або навіть зрости, попри меншу потребу кожного окремого навантаження.
Висновок
DeepSeek V4.1 Flash показала слабке місце оптимістичної історії про AI-пам’ять: потреба в пам’яті на один інференс-запит може різко падати завдяки змінам архітектури моделі та серверного ПЗ. Заявлені 890 байтів на токен для глобального KV-кешу та скорочення постійного кешу до однієї восьмої пояснюють, чому інвестори швидко переглянули припущення щодо HBM і SSD. 9
Однак наявні дані не дають підстав називати це негайним шоком для попиту всієї чипової індустрії. Оголошені скорочення обмежені KV-кешем під час інференсу, а не навчанням моделей чи всією інфраструктурою дата-центру. Довгостроковий результат залежатиме від протистояння двох сил: нижчої потреби в пам’яті на одне AI-завдання та потенційно значно ширшого використання AI завдяки нижчій собівартості.
Для інвесторів у виробників пам’яті питання тепер не лише в тому, чи зростатиме використання AI. Важливіше, чи зможе загальний приріст навантажень випередити швидкість, з якою AI-системи навчаються економніше використовувати пам’ять.
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 налякав акції виробників пам’яті: що насправді змінилося для AI-чипів"?
DeepSeek V4.1 Flash заявляє, що зменшила потребу свого KV кешу в HBM до чверті від рівня попередньої моделі, а постійного кешу — до однієї восьмої.
What are the key points to validate first?
DeepSeek V4.1 Flash заявляє, що зменшила потребу свого KV кешу в HBM до чверті від рівня попередньої моделі, а постійного кешу — до однієї восьмої. Першою реакцією стало падіння акцій Samsung Electronics і SK Hynix у Південній Кореї; згодом розпродаж поширився на японські, європейські та американські технологічні компанії.
What should I do next in practice?
Ключове питання для інвесторів: чи зменшення пам’яті на один запит скоротить сукупні закупівлі пам’яті, чи здешевлення AI, навпаки, створить значно більше робочих навантажень.
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