DeepSeek 推出 V4.1 Flash 之所以令投資人不安，是因為它挑戰了 AI 基礎設施熱潮中的一項核心假設：AI 用得越多，每一項工作負載就必然需要越多記憶體。

這次公布的效率提升，對長上下文推論尤其值得注意；但它處理的是 AI 系統中的一個環節——KV Cache（鍵值快取），而不是大型模型訓練或部署的全部記憶體與算力需求。910

技術重點：KV Cache 變得更小

KV Cache 是模型保存先前 token 注意力狀態的記憶體區域，讓模型在生成下一個 token 時，不必每次重新計算整段既有上下文。對長篇對話、AI Agent 等工作負載而言，這項快取特別重要，也可能相當昂貴。

DeepSeek 表示，V4.1 Flash 將 Compressed Sparse Attention 2（CSA2）的跨層 KV Cache 重用，與 FP4 KV 快取結合；其全球 KV Cache 的占用量為每 token 890 位元組，約為 V4-Flash 對應用量的四分之一。9

該公司也提出名為 SWA Bounded Replay 的部署技術，用於短視窗注意力。系統不再把這部分快取長期保存在 SSD 或主機記憶體，而是使用暫時性的分散式主機 DRAM 資源池；若發生快取未命中，則只重算受限範圍內的上下文。DeepSeek 稱，這可將持久化 KV Cache 的占用降至前代約八分之一。19

換算來看，這些說法意味著：就 KV Cache 這項功能而言，相較 V4-Flash，HBM 用量約少 75%，持久化 SSD 容量約少 87.5%。910

這是否代表同一套硬體可同時服務四倍使用者？

在主要受「活躍 KV Cache 容量」限制的推論服務系統中，理論上有此可能。若每個長上下文請求的快取記憶體降至原本四分之一，同樣的 HBM 配置便可能容納約四倍的活躍快取。

不過，這是根據每 token 占用量推導的容量含義，不是經獨立驗證的端到端同時使用者測試結果。實際併發能力還取決於模型權重、可用算力、網路、請求長度、批次處理、延遲目標及推論軟體等因素。

為什麼記憶體股反應如此劇烈？

市場擔心的不是 DeepSeek 讓記憶體「不再需要」，而是未來每項 AI 推論工作負載所需的記憶體位元數與持久化儲存可能下降。

HBM 供應商、NAND 與企業級 SSD 業者近年受惠於一種預期：AI 系統能力愈強，會持續拉高記憶體與儲存基礎設施需求。當模型架構出現效率突破，投資人自然會重新評估每次推論所需記憶體與儲存容量是否變少，進而影響需求成長、定價能力及資本支出假設。

彭博報導指出，9 月 11 日 DeepSeek 公布消息後，三星電子在南韓下跌 3.5%、SK 海力士下跌 2.2%。17 當時也有報導稱，兩家公司在首爾盤中跌幅均超過 3%，而美國交易時段初期的美光與 SanDisk 相對較為抗跌。8

因此，投資人面對的是估值層面的風險：若 AI 工作負載的記憶體密度降低，記憶體供應商原先被市場定價的需求增速、議價能力與擴產邏輯，都可能需要下修。

疑慮如何從南韓記憶體股蔓延至全球？

後續市場反應，已從特定推論效率的擔憂，擴大為對整體 AI 資本支出交易的重新檢視。

在要求放慢前沿 AI 發展的呼聲出現後，晶片股跨市場走弱：SK 海力士與三星電子分別下跌 6.4%、4.1%，日本鎧俠（Kioxia）下跌 6.4%；歐洲的 ASML、英飛凌、ASM International、BE Semiconductor 與意法半導體也走低。18 另有報導指出，軟銀下跌 11%、鎧俠下跌 6.5%，台積電在亞洲交易時段下跌 1.2%。19

美國盤前交易中，Marvell 跌近 8%；英特爾、美光與 SanDisk 則各被報導下跌約 6%。20

這些跌勢不應被解讀為「單靠 DeepSeek 一次發表就機械式造成所有下跌」。利率、科技股估值與 AI 成長預期等因素，本來就會同時影響市場。但這項發布提供了具體理由，讓市場檢驗一個脆弱前提：AI 需求成長，不必然等比例轉化為每次查詢更高的記憶體需求。17

Amodei 倡議放慢前沿 AI，為何再添壓力？

賣壓在 Anthropic 執行長達里奧・阿莫迪（Dario Amodei）呼籲 AI 公司放慢推進前沿模型能力的速度後加劇。他提出的框架，是希望爭取更多時間來處理 AI 遭濫用與安全風險。

對基礎設施投資人來說，這在 DeepSeek 的效率主張之外，帶來第二層顧慮：

1. 每項推論任務所需記憶體更少，可能降低記憶體密度。
2. 前沿模型競賽若放慢，可能延後大型訓練、資料中心擴建與相關採購，連帶影響加速器、HBM、網路與儲存需求。

兩者的經濟意涵不同，但市場可以合理地把它們都視為對「AI 基建將持續高速擴張」這一已反映在股價中的預期之挑戰。相關報導也將更廣泛的晶片跌勢，直接連結到投資人對放慢 AI 發展訴求的憂慮。1820

Michael Burry 為何稱之為「自利」？

知名投資人 Michael Burry 批評放慢 AI 發展的訊息具有自利性。他認為，領先 AI 公司的高階主管若將自家技術描述成進展過快、甚至帶有危險性，可能從這種敘事中直接受益；他更將其斥為「IPO 的炒作與誇大宣傳」。14

Burry 的觀點是，減速可能有利於既有領先者、增加後進競爭者追趕的難度，同時強化稀缺性、可信度與未來上市的敘事。這是他對企業誘因的解讀，並不構成 AI 安全疑慮不真誠或沒有根據的證據。14

DeepSeek 的成果，對晶片需求代表什麼？

DeepSeek 的宣布之所以重要，在於其技術方向並非投資意義上的獨門祕技。低精度運算、快取壓縮、注意力機制重新設計、重用技術與更佳的推論系統，都是其他模型開發商也能追求的方向。

這使得推論記憶體效率成為一項結構性風險：若供應商的預期建立在「每個 AI 請求的記憶體內容量會一直增加」，這項預期就可能受到挑戰。9

但這些數字有明確邊界。

它針對 KV Cache，不是所有記憶體需求

DeepSeek 沒有宣稱整個模型或整座資料中心的 HBM 需求減少 75%、SSD 容量減少 87.5%。比較範圍明確限於推論期間的 KV Cache，且比較對象是其前一代架構；模型權重、其他系統記憶體、網路與儲存需求，均不在這項狹義比較內。10

訓練仍是另一個需求引擎

已披露的改善，也不能證明訓練前沿模型所需的運算與記憶體會出現同等幅度下降。若把 KV Cache 最佳化直接視為所有 AI 半導體需求即將崩落的證據，將會過度延伸這次發布所能說明的範圍。10

效率提升也可能擴大使用量

更便宜、記憶體需求更低的推論，的確可能降低每次請求的記憶體消耗；但它也可能讓長上下文助手、AI Agent 工作流程與自建部署在更多情境下變得划算。

若因此帶來足夠多的新使用者與應用，總體記憶體需求仍可能保持韌性，甚至成長，儘管單一工作負載的需求下降。

結論：AI 記憶體需求的問題，從「會不會成長」變成「誰跑得更快」

DeepSeek V4.1 Flash 點出了 AI 記憶體多頭敘事的一項弱點：隨著模型架構與推論軟體改善，單一推論工作負載的記憶體需求可以顯著下降。其每 token 890 位元組的全球 KV Cache，以及持久化快取降至前代八分之一的說法，足以解釋投資人為何迅速重估 HBM 與 SSD 的需求假設。9

但現有證據不足以將其稱為立即發生的晶片業需求衝擊。公布的削減範圍限於推論 KV Cache，並非模型訓練或整套資料中心架構。

長期結果將取決於兩股力量的競速：一邊是每項 AI 任務的記憶體密度下降；另一邊則是成本下降所帶來、更廣泛的 AI 採用與工作負載成長。

對記憶體股投資人而言，問題不再只是 AI 使用量會不會增加，而是：總工作負載的成長速度，能否超過 AI 系統提升記憶體使用效率的速度。

DeepSeek 推出 V4.1 Flash 之所以令投資人不安，是因為它挑戰了 AI 基礎設施熱潮中的一項核心假設：AI 用得越多，每一項工作負載就必然需要越多記憶體。

這次公布的效率提升，對長上下文推論尤其值得注意；但它處理的是 AI 系統中的一個環節——KV Cache（鍵值快取），而不是大型模型訓練或部署的全部記憶體與算力需求。910

技術重點：KV Cache 變得更小

KV Cache 是模型保存先前 token 注意力狀態的記憶體區域，讓模型在生成下一個 token 時，不必每次重新計算整段既有上下文。對長篇對話、AI Agent 等工作負載而言，這項快取特別重要，也可能相當昂貴。

DeepSeek 表示，V4.1 Flash 將 Compressed Sparse Attention 2（CSA2）的跨層 KV Cache 重用，與 FP4 KV 快取結合；其全球 KV Cache 的占用量為每 token 890 位元組，約為 V4-Flash 對應用量的四分之一。9

該公司也提出名為 SWA Bounded Replay 的部署技術，用於短視窗注意力。系統不再把這部分快取長期保存在 SSD 或主機記憶體，而是使用暫時性的分散式主機 DRAM 資源池；若發生快取未命中，則只重算受限範圍內的上下文。DeepSeek 稱，這可將持久化 KV Cache 的占用降至前代約八分之一。19

換算來看，這些說法意味著：就 KV Cache 這項功能而言，相較 V4-Flash，HBM 用量約少 75%，持久化 SSD 容量約少 87.5%。910

這是否代表同一套硬體可同時服務四倍使用者？

在主要受「活躍 KV Cache 容量」限制的推論服務系統中，理論上有此可能。若每個長上下文請求的快取記憶體降至原本四分之一，同樣的 HBM 配置便可能容納約四倍的活躍快取。

不過，這是根據每 token 占用量推導的容量含義，不是經獨立驗證的端到端同時使用者測試結果。實際併發能力還取決於模型權重、可用算力、網路、請求長度、批次處理、延遲目標及推論軟體等因素。

為什麼記憶體股反應如此劇烈？

市場擔心的不是 DeepSeek 讓記憶體「不再需要」，而是未來每項 AI 推論工作負載所需的記憶體位元數與持久化儲存可能下降。

HBM 供應商、NAND 與企業級 SSD 業者近年受惠於一種預期：AI 系統能力愈強，會持續拉高記憶體與儲存基礎設施需求。當模型架構出現效率突破，投資人自然會重新評估每次推論所需記憶體與儲存容量是否變少，進而影響需求成長、定價能力及資本支出假設。

彭博報導指出，9 月 11 日 DeepSeek 公布消息後，三星電子在南韓下跌 3.5%、SK 海力士下跌 2.2%。17 當時也有報導稱，兩家公司在首爾盤中跌幅均超過 3%，而美國交易時段初期的美光與 SanDisk 相對較為抗跌。8

因此，投資人面對的是估值層面的風險：若 AI 工作負載的記憶體密度降低，記憶體供應商原先被市場定價的需求增速、議價能力與擴產邏輯，都可能需要下修。

疑慮如何從南韓記憶體股蔓延至全球？

後續市場反應，已從特定推論效率的擔憂，擴大為對整體 AI 資本支出交易的重新檢視。

在要求放慢前沿 AI 發展的呼聲出現後，晶片股跨市場走弱：SK 海力士與三星電子分別下跌 6.4%、4.1%，日本鎧俠（Kioxia）下跌 6.4%；歐洲的 ASML、英飛凌、ASM International、BE Semiconductor 與意法半導體也走低。18 另有報導指出，軟銀下跌 11%、鎧俠下跌 6.5%，台積電在亞洲交易時段下跌 1.2%。19

美國盤前交易中，Marvell 跌近 8%；英特爾、美光與 SanDisk 則各被報導下跌約 6%。20

這些跌勢不應被解讀為「單靠 DeepSeek 一次發表就機械式造成所有下跌」。利率、科技股估值與 AI 成長預期等因素，本來就會同時影響市場。但這項發布提供了具體理由，讓市場檢驗一個脆弱前提：AI 需求成長，不必然等比例轉化為每次查詢更高的記憶體需求。17

Amodei 倡議放慢前沿 AI，為何再添壓力？

賣壓在 Anthropic 執行長達里奧・阿莫迪（Dario Amodei）呼籲 AI 公司放慢推進前沿模型能力的速度後加劇。他提出的框架，是希望爭取更多時間來處理 AI 遭濫用與安全風險。

對基礎設施投資人來說，這在 DeepSeek 的效率主張之外，帶來第二層顧慮：

1. 每項推論任務所需記憶體更少，可能降低記憶體密度。
2. 前沿模型競賽若放慢，可能延後大型訓練、資料中心擴建與相關採購，連帶影響加速器、HBM、網路與儲存需求。

兩者的經濟意涵不同，但市場可以合理地把它們都視為對「AI 基建將持續高速擴張」這一已反映在股價中的預期之挑戰。相關報導也將更廣泛的晶片跌勢，直接連結到投資人對放慢 AI 發展訴求的憂慮。1820

Michael Burry 為何稱之為「自利」？

知名投資人 Michael Burry 批評放慢 AI 發展的訊息具有自利性。他認為，領先 AI 公司的高階主管若將自家技術描述成進展過快、甚至帶有危險性，可能從這種敘事中直接受益；他更將其斥為「IPO 的炒作與誇大宣傳」。14

Burry 的觀點是，減速可能有利於既有領先者、增加後進競爭者追趕的難度，同時強化稀缺性、可信度與未來上市的敘事。這是他對企業誘因的解讀，並不構成 AI 安全疑慮不真誠或沒有根據的證據。14

DeepSeek 的成果，對晶片需求代表什麼？

DeepSeek 的宣布之所以重要，在於其技術方向並非投資意義上的獨門祕技。低精度運算、快取壓縮、注意力機制重新設計、重用技術與更佳的推論系統，都是其他模型開發商也能追求的方向。

這使得推論記憶體效率成為一項結構性風險：若供應商的預期建立在「每個 AI 請求的記憶體內容量會一直增加」，這項預期就可能受到挑戰。9

但這些數字有明確邊界。

它針對 KV Cache，不是所有記憶體需求

DeepSeek 沒有宣稱整個模型或整座資料中心的 HBM 需求減少 75%、SSD 容量減少 87.5%。比較範圍明確限於推論期間的 KV Cache，且比較對象是其前一代架構；模型權重、其他系統記憶體、網路與儲存需求，均不在這項狹義比較內。10

訓練仍是另一個需求引擎

已披露的改善，也不能證明訓練前沿模型所需的運算與記憶體會出現同等幅度下降。若把 KV Cache 最佳化直接視為所有 AI 半導體需求即將崩落的證據，將會過度延伸這次發布所能說明的範圍。10

效率提升也可能擴大使用量

更便宜、記憶體需求更低的推論，的確可能降低每次請求的記憶體消耗；但它也可能讓長上下文助手、AI Agent 工作流程與自建部署在更多情境下變得划算。

若因此帶來足夠多的新使用者與應用，總體記憶體需求仍可能保持韌性，甚至成長，儘管單一工作負載的需求下降。

結論：AI 記憶體需求的問題，從「會不會成長」變成「誰跑得更快」

DeepSeek V4.1 Flash 點出了 AI 記憶體多頭敘事的一項弱點：隨著模型架構與推論軟體改善，單一推論工作負載的記憶體需求可以顯著下降。其每 token 890 位元組的全球 KV Cache，以及持久化快取降至前代八分之一的說法，足以解釋投資人為何迅速重估 HBM 與 SSD 的需求假設。9

但現有證據不足以將其稱為立即發生的晶片業需求衝擊。公布的削減範圍限於推論 KV Cache，並非模型訓練或整套資料中心架構。

長期結果將取決於兩股力量的競速：一邊是每項 AI 任務的記憶體密度下降；另一邊則是成本下降所帶來、更廣泛的 AI 採用與工作負載成長。

對記憶體股投資人而言，問題不再只是 AI 使用量會不會增加，而是：總工作負載的成長速度，能否超過 AI 系統提升記憶體使用效率的速度。