谷歌的“压缩革命”影响人工智能计算逻辑：存储需求是否已达到顶峰？

TradingKey - Google（GOOGL）新型人工智能内存压缩技术TurboQuant的发布引发了市场对存储需求前景的担忧。受该消息影响，美国存储芯片板块周三盘中大幅下跌，Sandisk（SNDK）一度下跌6.5%，美光科技（MU）一度下跌逾5%，西部数据（WDC）一度下跌逾6%，希捷科技（STX）一度下跌逾8%。

在过去一年人工智能驱动的市场中，存储行业受益于HBM、动态存储器和闪存价格上涨，将估值推至相对较高的水平;因此，任何可能削弱需求增长的变量都会很快被消化。

据报道，该技术可以在不影响准确性的情况下将大型语言模型（LLM）的缓存占用空间减少至少六倍，同时实现高达八倍的加速，旨在解决人工智能推理和载体搜索中的内存瓶颈。

TurboQuant的核心在于大型模型推理阶段对内存使用的极度压缩。在模型精度不会出现显着损失的情况下，它可以将KV缓存压缩到3位，从而节省大约六倍的内存，并提高多达八倍的推理性能。

本质上，这一突破并没有削弱人工智能需求;相反，它显着提高了单位计算能力的效率，允许相同的硬件资源处理更多的推理任务。

市场定价表明，这项技术已被解读为“存储的看跌信号”。"

但根据当前信息，该技术主要针对推理阶段，不影响训练端对高带宽内存的严格依赖，也无法取代大规模计算集群在模型训练中的核心作用。这意味着，即使资源利用方法不断发展，人工智能基础设施需求的基础仍然坚实。

进一步来看，这种效率提高实际上可能会导致“需求扩张”。“随着推理成本的大幅下降和人工智能应用商业化门槛的降低，更多的企业和开发者将能够部署大型模型服务，从而提高使用频率。在这个过程中，总体计算功耗不一定会下降，相反，它可能会因为应用场景的扩展而上升。换句话说，效率的提高在一定条件下可以刺激总需求的增长。

当前存储行业的回调似乎是高估值环境下对预期的重新定价，而非基本面走弱;长期来看，人工智能需求扩散的趋势保持不变，甚至可能因成本下降而进一步加强。

谷歌TurboQuant带来的影响本质上不是“需求消失”，而是“需求重组”。“随着人工智能效率的不断提高，投资者需要关注哪些存储公司能够在新的产业结构中保持原始定价能力。