橘子喵酱西施花絮

橘子喵酱西施花絮

出品 | 网易智能

作者 | 小小

编辑 | 王凤枝

谷歌新算法引发股价大跌之后，存储行业给出了明确的回应：反应过度了。

事情的起因，是谷歌研究院刚刚发布了一项名为TurboQuant的新技术。这项技术的亮相，确实让原本火热的内存芯片市场感受到了一丝寒意。

它直击的是AI大模型太吃内存的硬件痛点。用过AI大模型的人都知道，输入的问题越长，多轮对话越复杂，AI记住前面内容所消耗的临时内存就越惊人。谷歌这套新算法，相当于给这段临时记忆做了一次无损压缩。平均下来它能省掉六分之五的内存消耗，计算速度还能提升8倍。对企业而言，如果大规模部署这项技术，运营成本极有可能直接缩减50%以上。

面对这份测试数据，资本市场率先做出了激烈反应，内存板块的股价出现了剧烈波动。韩国的三星电子、SK海力士以及美国的美光等巨头股价均遭遇大幅下跌，西部数据、闪迪和希捷等公司也面临着明显的抛售压力。很多市场评论毫不犹豫地将这场大跌的元凶，归结到了谷歌这个刚刚问世的新算法头上。

但业内专家和投行却给出了截然不同的看法，并用此前DeepSeek引发的市场反应进行了精准类比。正如DeepSeek极低的训练成本最终引爆了更庞大的算力渴求一样，这套压缩算法并没有干掉硬件需求，反而在为更大规模的AI落地铺平道路。

与其说一串压缩代码打垮了存储行业，不如说它只是为前期涨幅过高的资本市。峁┝艘桓鐾昝狼姨迕娴奶紫纸杩。

01算法确实能打，但市场反应另有隐情

长期以来，大模型在处理长文本或复杂对话时，一直面临着一个名为“键值（KV）缓存”的硬件瓶颈。

简单来说，模型处理的每一个字都需要占用宝贵的GPU显存，文本越长，显存消耗就越呈指数级增长。这被业内戏称为AI的内存税，不仅推高了企业成本，也严重限制了模型处理长文档的能力。

谷歌发布的TurboQuant就像是给这个臃肿的缓存做了一场微创手术。它利用PolarQuant极坐标转换和1位QJL变换两项数学技术，在不牺牲模型智商的前提下，把数据体积压到了极致。这意味着，原本需要大量GPU才能跑起来的任务，现在可能只需要更少的资源，或者在同样的硬件上能处理6倍以上的信息量。

随着谷歌技术细节的披露，存储芯片市场在3月25日和26日接连遭遇重挫。

据X用户 @f53574的梳理，3月24日TurboQuant博客发布，3月25日内存股做出反应：美光跌3.4%，西部数据跌约4.7%，希捷跌约4%。到了3月26日，跌幅明显扩大：美光跌6.97%，西部数据和希捷都跌了超过7%。

表面上看，市场逻辑很直接：需求被算法压缩了，芯片自然不好卖了。但如果仔细观察跌幅的时间点，会发现这更像是一场借题发挥的“获利了结”。在 TurboQuant 发布前，美光、SK 海力士等股票在过去一年的涨幅已普遍超过300%，市净率远高于十年中位数。

结合估值来看，在TurboQuant发布前，美光从2025年初的低点涨了约340%，SK海力士在2025年涨了274%，2026年又涨了60%。美光的市净率冲到6.2到7.9倍，而过去十年的中位数只有2.2倍，市盈率也明显高于历史均值。这些数字摆在那里，怎么看都像是到了一个急需回调的高风险位置。

小红书博主“硅基引力”也表达了类似观点，她引用Ortus Advisors分析师安德鲁·杰克逊（Andrew Jackson）的判断指出：在经历如此巨大的涨幅之后，出现一定程度的获利回吐是完全合理的。

XTB的市场分析也印证了这一点，抛售内存股票看起来更像是一种对新闻标题的条件反射，而不是基本面的根本性转变。换句话说，股价涨多了总要找个理由跌一跌，谷歌这篇博客恰好出现在了那个敏感的时间窗口。

02分析师评级未变：基本面支撑仍在

针对所谓的需求萎缩论，业内专家和分析师们搬出了经济学中著名的杰文斯悖论（Jevons Paradox）来进行有力的反驳。这个源自19世纪关于煤炭生产的悖论，其核心观点是：提高资源利用效率的技术进步，最终非但不会减少需求，反而会成倍增加该资源的消耗。

梳理各大专业机构的态度可以发现，没有任何一家主要卖方分析师因为TurboQuant而下调内存股的评级。

摩根士丹利（Morgan Stanley）的分析师明确表示，这不是硬件需求减少了6倍，从长期来看，更高效的AI部署对计算和内存绝对是有利的。多家机构均维持了对美光的超配评级和目标股价，甚至建议投资者在回调时买入。

彭博社的报道也印证了这一市场共识。报告指出，谷歌这项研究对行业的影响其实更为积极，因为它改善了推理环节的关键瓶颈。如果处理每次查询的硬件成本显著下降，将直接带来海量的产品采用需求，从长期来看这对内存制造商是绝对的利好。

摩根大通（JPMorgan Chase & Co.）和花旗集团（Citigroup Inc.）的分析师也持相同观点，认为投资者只是借此消息获利了结，短期内并不存在对内存消耗的实质性威胁。而在行业高管看来，供需缺口依然是一座难以逾越的大山，SK集团董事长近期就公开断言，内存芯片的短缺将一直持续到2030年。

更重要的是，TurboQuant压缩的仅仅是推理时的缓存，并不涉及模型权重存储。它解决的命题是如何让现有的硬件干更多的活，而不是让硬件需求本身消失。

03 DeepSeek曾引发类似“恐慌”

这并非AI硬件市场第一次遭遇类似的恐慌。

2025年初DeepSeek发布时，市场也曾因其极低的训练成本而陷入算力需求见顶的恐慌，导致英伟达股价单日暴跌17%。然而，这种情绪宣泄仅持续了短短数周，随着基本面现实的强力回归，市场迅速收复了全部跌幅，AI硬件的需求此后依然保持着强劲的增长。

这种看似矛盾的现象，恰恰是杰文斯悖论的最佳注脚。

在AI领域，TurboQuant带来的低推理成本，本质上是在为长上下文对话、多智能体协作以及大规模本地化部署等新场景铺路。虽然单个任务的内存强度确实降低了，但使用人数和应用频次的指数级翻倍，将彻底淹没单位需求的缩减。

小红书博主“St.V”用了一个形象的类比：这就像油价降低后，人们每月的油费总支出反而可能上升，因为低油价让更多人更愿意开车出行。单位内存需求的下降与总需求的上升并行不悖，其核心逻辑就在于技术解决的是效率瓶颈，而非消灭需求。

压缩技术只会改变需求曲线的斜率，而绝不会逆转其增长的方向。事实上，较低的部署成本会显著扩大采用AI技术的公司和行业基数。技术进步的历程反复证明，效率提升往往不会扼杀产业，而是通过提高可及性（accessibility）来催生更庞大的市场。

这种逻辑在开发者社区的反馈中已初现端倪。不少业内人士指出，TurboQuant显著缩小了免费本地AI与昂贵云订阅之间的差距。

其带来的速度优势，更是让免费在本地运行极其强大的AI模型成为了真正的可能。

04真正的风险来自其他地方

诸多分析师和市场评论者也指出，内存行业的真正风险根本不在TurboQuant这类算法上。

剥开情绪的迷雾，行业更应关注的是几个底层的结构性风险：一是DRAM产能周期，新产能可能在2027年以后带来供给过剩；二是HBM的良率和封装复杂度，这依然是当前制约供给的关键环节；三是宏观环境的影响，地缘冲突与AI资本开支的消化节奏，才是真正左右行业长期走势的核心变量。

可以说，TurboQuant更像是一个叙事的催化剂，而绝非基本面的转折点。它对行业的影响路径，大概率会完美复刻DeepSeek的模式：短期遭遇标题冲击，随后被基本面的现实主导，最终回归原有的增长轨道。

另一方面，随着AI技术朝着以推理为中心的方向发展，不仅是HBM或大容量DRAM，整体的内存需求都有望迎来新一轮的扩张。

结语

TurboQuant无疑是一次极其扎实的工程突破。它向市场证明，AI的进步不仅依赖于更密集的晶体管，同样依赖于更巧妙的数学方法。它让AI的运行变得史无前例的高效，也让更多普通设备有了承载大模型应用的可能。

虽然资本市场出现了短期的剧烈波动，但这更多只是估值高位下脆弱情绪的条件反射。专业投研机构的判断并未动摇，存储行业基本面的增长逻辑也依然坚挺。

当技术的效率大幅提升、部署的成本急剧下降时，底层的硬件需求非但不会萎缩，反而会因为应用的全面普及而迎来真正的大爆发。这也意味着，压缩技术省下的每一兆内存，最终都会转化为市场上更日常、更密集的实际算力消耗。