社区

上周刚交出“史诗级”亮眼财报的存储芯片巨头美光（MU），本周却未能延续涨势。周三，Google Research扔下的一枚“炸弹”——压缩技术TurboQuant，声称可将运行大型语言模型所需的内存量压缩至少六分之一，AI推理速度同步提升8倍，整体训练成本随之大幅下降。

消息一出，全球内存与存储板块应声下挫。美光、闪迪率先领跌，韩国SK海力士、日本铠侠Kioxia次日跟跌，跌幅均超6%。一场由算法引发的存储股“雪崩”，正在席卷全球。

Part.01

导火索：TurboQuant横空出世

引发这场海啸的源头，是Alphabet旗下Google Research最近发布的一项名为TurboQuant的向量量化压缩技术。

在AI推理过程中，随着上下文变长，系统需要存储庞大的KV Cache（键值缓存），这已成为显存占用的最大来源，也是限制大语言模型处理长文本的“内存瓶颈”。

Google宣称，TurboQuant采用了创新的“两阶段”压缩流程：

l 极坐标量化（PolarQuant）： 先通过随机旋转让数据分布均匀，以极低位宽（2-4 bits）捕捉向量特征。

l QJL纠错： 利用数学变换将残差投影到低维空间，并仅用1 bit存储正负号作为“数学纠错器”。

其最终效果堪称惊人：

6倍压缩：将LLM运行所需的显存量降低至 6倍。

8倍提速：在Nvidia H100上，推理效率最高提升8倍。

零精度损失：在“大海捞针”等长文本测试中保持了原模型精度。

数据无关：无需重新训练即可直接部署。

对于Google等超大规模云服务商而言，这意味着能以极低的成本运行更强的AI模型，极大地提升投资回报率。

Part.02

市场担忧：AI内存需求的“神话”动摇了吗？

TurboQuant的杀伤力，在于它直接针对AI基础设施的核心“耗材”——内存。过去两年，AI大模型的训练与推理对HBM及NAND的需求呈爆发式增长，支撑了美光、SK海力士、铠侠等内存股的史诗级行情。

一旦单模型的内存消耗量被压缩6倍，市场最直接的担忧是：云厂商能否用更少的内存、更低的成本完成同样的AI工作负载？若答案为“是”，则内存扩容的紧迫性将大幅下降，供需格局的再平衡时间线也将提前。

TurboQuant的出现，无疑打破了市场对于“AI对物理内存需求将无限制指数级增长”的信仰。投资者担心，这可能是导致高带宽内存（HBM）等尖端产品需求萎缩的“生存威胁”。受此情绪影响，美光、闪迪等个股纷纷走低。

Part.03

华尔街观点：假利空，继续买买买！

然而，华尔街主流分析师对上述空头逻辑提出了强烈反驳。他们搬出了一个19世纪的经济学理论——杰文斯悖论（Jevons Paradox）：“效率越高，需求反而越旺。”

英国经济学家杰文斯在研究煤炭生产时发现：技术效率的提升往往催生更大规模的使用，而非减少消耗。

这一逻辑在AI领域并不陌生。去年DeepSeek以低成本模型掀起恐慌时，市场同样担忧先进算力需求将萎缩。但事实证明，低成本反而刺激了AI推理的普及化，整体算力消耗不降反升。

摩根大通在研报中补充道：投资者或许会借TurboQuant的消息进行短线获利了结，但短期内不会对内存需求构成威胁。

Ortus Advisors的Andrew Jackson则提出了另一个关键维度：当前内存市场仍处于极度供应紧张的状态。在这一背景下，TurboQuant对实际需求的冲击可能“微乎其微”，因为需求本就超过了现有产能所能满足的上限。

总结

TurboQuant究竟是会彻底改变AI硬件供应链的“降维打击”，还是仅仅通过降低门槛、进一步引爆AI应用从而利好硬件的“催化剂”？

虽然目前，投资者选择了先“落袋为安”，但分析师们依然坚信，在AI这场浩大的社会效率变革中，“杰文斯悖论”终将再次战胜短期的恐慌。