美国东部时间3月26日，存储芯片股集体重挫，闪迪跌超11%，希捷跌逾8%，超威半导体、西部数据跌逾7%，美光科技跌近7%。
业内人士分析，这一波动源自谷歌研究院即将在国际学习表征会议（ICLR 2026）上正式亮相的学术论文，该研究推出了一种新型AI内存压缩技术“TurboQuant”。
谷歌宣称，该技术可将大语言模型推理中的缓存内存占用压缩至六分之一，并在英伟达H100 GPU上实现最高8倍的性能加速。
AI模型运行时存在一种“工作内存”，即KV缓存（Key-Value Cache）。每当模型处理信息、生成回答时，KV缓存便会迅速膨胀，且上下文窗口越长，缓存占用的内存越大。
TurboQuant本质上是一种极致的量化压缩算法，传统量化方法需要在压缩精度和额外存储开销之间妥协，而谷歌团队通过PolarQuant（极坐标量化）和QJL（量化JL变换）两项创新，实现了在“零损失”前提下将KV缓存压缩至3-bit精度。
Cloudflare首席执行官将这一成果称为谷歌的“DeepSeek时刻”，认为其有望像DeepSeek一样，通过极致效率大幅拉低AI的运行成本。
不过，摩根士丹利在最新研报中指出，市场对此存在误读。该技术仅作用于推理阶段的键值缓存，并不影响模型权重所占用的高带宽内存（HBM），也与AI训练任务无关。
分析师强调，所谓的“6倍压缩”并非存储总需求的减少，而是通过效率提升增加单GPU的吞吐量。这意味着在相同硬件条件下，可以支持4倍至8倍更长的上下文，或在不触发内存溢出的前提下显著提升批处理规模。
目前，谷歌尚未公布TurboQuant在Gemini等自研模型中的具体部署时间表，研究团队计划在下个月的ICLR 2026会议上正式发布相关成果。
