一篇论文引发全球存储芯片市场恐慌，真相究竟如何？

恐慌源于一篇学术论文

存储芯片市场股价受挫

3月26日，全球存储芯片市场因谷歌一篇学术论文引发恐慌，公司股价全线承压。A股市场上，恒烁股份、兆易创新等多只个股纷纷下跌；美股市场中，闪迪、美光科技等存储芯片板块也普跌。这场恐慌的导火索，便是谷歌即将在ICLR2026上亮相的新型AI内存压缩技术“TurboQuant”。

新技术引发市场担忧

资本市场将“TurboQuant”解读为对存储硬件需求的致命一击。随着大模型上下文窗口增大，KVCache对内存消耗剧增，而该技术宣称可大幅压缩缓存内存并加速性能，这使得市场担忧对DRAM和HBM的采购量会下滑，进而引发资金避险行为。

TurboQuant技术解析

解决大模型核心瓶颈

当前大模型运行的核心瓶颈之一是“键值缓存”。用户与AI对话时，模型需记住上下文，这部分临时存储数据即KVCache。随着大模型发展，其对内存消耗呈指数级增长，制约推理成本。TurboQuant是极致量化压缩算法，能在“零损失”下将KVCache压缩至3-bit精度。

技术创新与业内对比

谷歌团队通过PolarQuant和QJL两项创新实现上述突破。有业内人士将此比作《硅谷》中的PiedPiper。与其他技术对比，如国内月之暗面KimiLinear、DeepSeekV2的相关方法，虽思路类似，但TurboQuant的效果及普适性仍有待观察。

市场误读与长期影响

投行冷静剖析误读

摩根士丹利指出市场误读，“TurboQuant”仅作用于推理阶段的键值缓存，不影响HBM及AI训练任务。分析师强调“6倍压缩”非存储总需求减少，而是提升单GPU吞吐量。LynxEquityStrategies分析师也认为媒体报道夸大，且验证范围有限。

杰文斯悖论下的思考

从经济学视角看，短期内原厂产能满载，TurboQuant优化效果或被行业增长淹没。技术效率提升可能激发更大需求，如蒸汽机提高效率后煤炭需求增长。该技术虽直击内存成本曲线，但未从根本改变硬件采购规模，还能推动AI应用创新与民主化。

相关问答

“TurboQuant”技术主要解决什么问题？

主要解决大模型运行时“键值缓存”对内存消耗大的问题，通过创新算法在“零损失”下将KVCache压缩至3-bit精度。

存储芯片市场股价为何因这篇论文下跌？

资本市场担心该技术会使未来对DRAM和HBM的物理采购量断崖式下滑，导致资金避险，存储芯片股股价下跌。

摩根士丹利对市场误读是如何分析的？

指出技术仅作用于推理阶段的键值缓存，不影响HBM及AI训练任务，“6倍压缩”是提升单GPU吞吐量，非减少存储总需求。

杰文斯悖论在TurboQuant技术中有何体现？

技术效率提升可能激发更大需求，类似蒸汽机提高效率后煤炭需求增长，TurboQuant虽优化内存，但未根本改变硬件采购规模。

国内在类似技术思路上有哪些布局？

月之暗面KimiLinear处理长上下文任务时，KVcache使用可降最多75%；DeepSeekV2提出的MLA方法也可优化KVcache。