谷歌TurboQuant实现6倍AI内存压缩，美股存储板块集体承压

近日，谷歌推出新型AI内存压缩算法TurboQuant，可大幅降低大语言模型与向量搜索引擎的内存占用，引发市场对存储需求预期的调整。

TurboQuant针对AI系统中高频访问信息存储的键值缓存瓶颈设计，无需重新训练或微调模型，即可将键值缓存压缩至3bit精度，在Gemma、Mistral等开源模型测试中实现约6倍内存压缩效果。在英伟达H100加速器上，该算法相比未量化键向量可实现最高8倍性能提升。该技术通过PolarQuant数据向量旋转压缩与量化Johnson-Lindenstrauss算法消除残差误差两步完成，优化了传统向量量化方法的额外内存开销问题。谷歌计划于4月举办的ICLR 2026上正式展示TurboQuant技术。

受该消息影响，美股存储板块集体承压，相关企业股价出现不同程度下跌，市场担忧AI模型对内存依赖降低将削弱存储芯片与硬盘产品的长期需求。

富国银行TMT分析师Andrew Rocha认为，随着AI上下文窗口扩大，键值缓存存储规模快速推高内存需求，TurboQuant直接压缩内存成本曲线，若技术普及将利好内存成本控制，但也可能改变市场对内存容量规格的需求判断，需重新评估长期内存需求量级。不过目前该技术是否可推广至谷歌体系外的AI实验室、实验室测试能否落地至真实生产环境仍存不确定性。

摩根士丹利指出，TurboQuant仅作用于推理阶段的键值缓存，不影响模型权重高带宽内存占用与训练任务，并非使存储总需求减少6倍，而是提升单GPU吞吐量，相同硬件可支持4至8倍更长上下文或提升批处理规模。尽管短期市场出现防御性反应，但从效率提升的长期影响来看，技术落地可能降低AI部署门槛，激活更多应用场景，对算力与内存硬件的长期影响中性偏正面。

当前存储板块此前累计涨幅显著，估值承压，此次技术进展触发市场对需求前景的重新定价，后续技术落地范围与实际应用效果将成为影响板块走势的关键因素。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。

本文源自：市场资讯

作者：观察君