一篇论文，“砸翻”一堆牛股

　　3月26日，全球存储芯片市场因一篇学术论文而引发恐慌。

　　存储芯片公司股价全线承压。3月26日A股收盘，恒烁股份跌超6%，兆易创新（603986）、佰维存储、朗科科技（300042）跌超5%，江波龙（301308）、北京君正（300223）等个股也纷纷跟跌。3月26日美股开盘，存储芯片板块普跌，截至北京时间22点30分，闪迪跌超6%，美光科技与西部数据跌超4%，希捷科技跌超3%。

　　这场波动的导火索来自一篇由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。谷歌推出的新型AI内存压缩技术“TurboQuant”，宣称可将大语言模型（LLM）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。

　　目前，资本市场将其解读为对存储硬件需求的致命一击，但在恐慌性抛售背后，长期真实影响又会如何？

　　“Pied Piper”走进现实

　　TurboQuant究竟解决了什么问题？

　　当前大模型运行时的核心瓶颈之一在于“键值缓存”（KV Cache）。简单来说，当用户与AI对话时，模型需要记住之前聊过的内容（上下文），这部分临时存储的数据就是KV Cache。随着大模型上下文窗口从几千Token膨胀至百万甚至千万级别，KV Cache对内存的消耗呈指数级增长，成为制约推理成本的关键。

　　记者查阅该论文，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，而谷歌团队通过两项创新PolarQuant（极坐标量化）和 QJL（量化JL变换）实现了在“零损失”的前提下将KV Cache压缩至3-bit精度。

　　有业内人士将这一突破比作HBO经典美剧《硅谷》中那家凭借“无损压缩算法”颠覆行业的虚构创业公司Pied Piper。Cloudflare首席执行官更是将其称为谷歌的“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。

　　“条件反射”式抛售

　　对于长期沉浸在“算力即权力”“存力即国力”叙事中的资本市场而言，这项技术的问世无疑触动了敏感的神经。

　　如果单张显卡的内存吞吐效率被成倍放大，各大云服务商和企业客户未来对DRAM和HBM（高带宽内存）的物理采购量是否会断崖式下滑？这种逻辑推导直接导致了资金的避险行为。

　　这并非是存储芯片股的首次技术面恐慌。2025年初，DeepSeek发布低训练成本模型时，也曾引发市场对算力硬件需求的质疑。TurboQuant被视为同一逻辑的延续。“以软代硬”正在从故事变为现实。

　　但在科技圈的狂热与二级市场的抛售之间，华尔街投行表现出一定的冷静。

　　摩根士丹利在最新研报中明确表示，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”也不是存储总需求的减少，而是通过效率提升增加单GPU的吞吐量。这意味着，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。

　　Lynx Equity Strategies的分析师更进一步表示，媒体报道存在夸大成分。当前的推理模型早已广泛采用4-bit量化数据，谷歌所谓的“8倍性能提升”是建立在与老旧的32位模型对比的基础之上。

　　此外，TurboQuant当下的验证范围相对有限。快思慢想研究院院长、特邀评论员田丰向记者表示，该技术目前仅在Gemma、Mistral等开源模型上验证，Gemini等谷歌核心模型的适配效果尚未公开，技术普适性仍需观察。

　　值得注意的是，压缩KV cache、进行长上下文优化也并不是全新的技术思路。早在2025年4月，谷歌就曾公开发表过TurboQuant的相关论文。

　　在类似技术思路上，国内也有相关布局。如月之暗面KimiLinear，在处理长上下文任务时，相较于传统全注意力模型，KV cache使用可降最多75%；DeepSeek V2提出的MLA方法也可优化KV cache。

　　杰文斯悖论：效率越高，需求越大？

　　除了技术细节可能被误读外，还应从经济学视角重估TurboQuant的长期影响。

　　从供应链视角看，短期内各原厂产能满载。当下，服务器内存需求持续增长，2026年服务器DRAM需求预计增长39%，HBM需求年增58%，TurboQuant的优化效果或将被行业增长浪潮淹没。

　　“这会是杰文斯悖论的又一个例证。”无限星辰董事长方海声告诉上证报记者，技术效率的提升往往会降低使用成本，从而激发出更庞大的总需求。蒸汽机效率的提高没有减少煤炭消耗，反而推动了煤炭需求的爆发式增长，这一规律在AI时代同样适用。

　　尽管TurboQuant直击AI系统的内存成本曲线，但历史经验表明，压缩算法的存在从未从根本上改变硬件采购的整体规模。通过大幅降低单次查询的服务成本，这类技术能让原本只能在昂贵云端集群上运行的模型迁移至本地，有效降低AI规模化部署的门槛，从而激活更多因成本受限而无法落地的应用场景。

　　“推理成本重心将从GPU转向存储优化，推动TCO（总拥有成本）显著下降。这也会使中小厂商可进一步参与AI应用创新，打破大厂技术壁垒，推动AI民主化加速。”田丰表示。

　　一篇尚未正式发表的论文，引发全球存储芯片板块的剧烈震荡，这本身就足以说明当前AI基础设施投资逻辑的脆弱与敏感。

　　截至发稿时，谷歌尚未公布TurboQuant在Gemini等自研模型中的具体部署时间表。关于该技术的讨论，将在4月的ICLR 2026会议上继续发酵。本报记者将持续关注此事进展。