20260401-天风国际证券-宏观专题_谷歌使存储行业暴跌_怎么回事_3页_565kb

报告摘要

宏观专题 | 谷歌使存储行业暴跌？怎么回事？

核心内容

近期，谷歌发布了一篇关于AI存储优化的学术论文，引发了全球存储芯片行业的剧烈波动。美光、西部数据、闪迪等公司股价纷纷下跌，市场对谷歌技术的潜在影响表现出高度关注。这篇论文提出了一种名为TurboQuant的压缩算法，能够将AI运行时的“记忆”（即KV Cache）占用空间减少至原来的六分之一，同时保持完全相同的性能效果。这一技术突破被认为可能对存储行业产生深远影响。

主要观点

技术突破：谷歌通过PolarQuant方法，将数据从笛卡尔坐标转换为极坐标，简化了数据的存储和处理方式，从而显著降低内存占用。
应用场景：该技术主要用于AI模型的推理阶段，特别是在处理长上下文任务时，能够有效减少KV Cache的显存需求。
行业影响：市场对这一技术的反应表明，存储行业可能面临新的挑战，尤其是高带宽内存（HBM）的供需矛盾可能加剧。
技术动机：模型厂商推动内存优化的动机更多是提升模型在推理阶段的能力，而非单纯降低内存需求。这有助于AI代理（Agent）处理更复杂、更长周期的任务。
技术路径：行业正逐步聚焦于三种关键技术路径：压缩、量化、访问优化，以提升AI系统的整体效率。

关键信息

TurboQuant：谷歌提出的新型压缩算法，可将KV Cache内存占用减少至少6倍，并带来最高8倍的速度提升，且不损失精度。
KV Cache：AI模型在推理过程中用于存储对话历史和上下文信息的缓存，是存储资源的主要消耗者。
行业瓶颈：当前AI扩张过程中，存储芯片已成为仅次于电力的第二大瓶颈，尤其在推理阶段，对存储容量的需求呈指数级增长。
IDC预测：随着AI代理任务复杂度的提升，全球年度Token消耗量将出现数量级跃迁，年复合增长率高达3418%。
市场反应：存储行业股价下跌可能源于市场对技术前景的担忧，也可能反映了恐慌情绪的集中释放。

技术背景与行业趋势

AI模型的推理成本远高于训练成本，尤其是在处理长上下文任务时，KV Cache的内存占用成为主要限制因素。谷歌的TurboQuant技术通过数据压缩，解决了这一问题，使得AI模型能够在不增加硬件成本的前提下处理更复杂的任务。这一技术的提出，标志着AI行业在优化内存使用方面的进一步探索，也推动了存储行业向更高效、更灵活的方向发展。