DeepSeek 推出 DSv4.1 Flash 模型，这一次冲击市场的核心并非模型本身具备看图能力，而是它对 KV 缓存架构做出重大优化，直接把模型运行所需的 HBM 高带宽内存需求压缩至上一代产品的四分之一，SSD 存储需求缩减至原来的八分之一。消息一经放出，海外存储板块立刻出现明显震荡，美光、SK 海力士、西部数据等存储巨头股价同步走弱，市场开始重新审视 AI 算力产业链长期以来的资本叙事。

      很长一段时间里，全球 AI 资本圈都默认，大模型持续扩张就会源源不断推高 HBM 与存储需求，这也是海外存储企业估值的核心支撑逻辑。大模型生成文本的过程，需要不断调取前文已经计算完成的信息，这份被称为 KV 缓存的数据，要持续保存在高速内存之中。模型规模越大、并发调用量越高，对 HBM 容量的需求就越高，资本持续押注存储赛道，本质上就是押注这个需求会无限膨胀。而 DSv4.1 的技术革新，打破了这个底层假设，用算法优化减少硬件资源消耗，意味着同样的算力硬件，可以承载更多模型并发，行业对高端存储的增量需求预期，随之被修正。

        很多人会简单理解，这项技术会直接重创英伟达的芯片业务，但视频里提出了不一样的判断。算力领域存在杰文斯悖论，当模型推理成本大幅下降，模型使用门槛降低，市场整体调用总量反而会爆发式增长。成本下降带来更多应用落地，更多场景接入大模型，整体算力盘子持续做大。芯片作为底层算力底座，长期需求不会萎缩，真正受到冲击的，是单纯依靠 " 大模型必然无限消耗海量存储 " 这个故事支撑的金融估值体系。

        回看 DeepSeek 此前的动作，梁文锋的打法一直是从底层重构 AI 成本结构。此前 V4 版本发布，凭借极强的模型能力和极低调用定价，一度引发海外资本市场剧烈波动。这一轮 DSv4.1 没有单纯比拼模型参数与效果，而是直击算力硬件成本里最昂贵的存储环节。过去行业内卷思路，大多是堆叠更多高端芯片、大容量 HBM 来提升模型上限，属于堆硬件的路线。DeepSeek 选择换一个方向，依靠算法架构优化，降低硬件依赖，用更少的存储资源跑通同等能力的大模型。

        这套技术路线，也和 DeepSeek 自身的资本安排形成呼应。在早前一轮融资当中，梁文锋自掏 200 亿入局，拿到融资的同时牢牢掌握公司全部投票权，投资人资金带有长期锁定期。他并不希望资本短期逐利的诉求干预长期技术研发，坚持优先打磨底层算法，降低国产大模型对海外高端存储、高端算力硬件的依赖。在 AI 算力这套由美国企业主导的金融叙事里面，算力、存储硬件是赚取高额利润的核心抓手，算法公司持续采购硬件，构成循环。而 DSv4.1 证明，算法层面的创新，可以改变硬件需求曲线，直接动摇这套资本故事的根基。

      当然这项技术落地同样存在现实边界。算法压缩 KV 缓存，会存在一定的性能取舍，在部分超长文本、复杂推理场景，效果上限还需要更多大规模真实业务验证。同时海外存储厂商也会持续迭代新一代 HBM 产品，产业链博弈不会就此终结。但不可否认，DeepSeek 这一次发布，给全球 AI 行业提供了全新思路，模型能力提升，不一定只能依靠无休止增加硬件投入。算法优化带来硬件降本，正在重塑整个算力产业链的估值逻辑，这也是这次技术发布，在资本市场引发巨大震动的根本原因。$*ST 春天 ( SH600381 ) $  $ 中兵红箭 ( SZ000519 ) $  $ 科思科技 ( SH688788 ) $  

追加内容

本文作者可以追加内容哦 !