> **来源：[研报客](https://pc.yanbaoke.cn)** # 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。 ## 结论 谷歌的TurboQuant技术虽引发市场震荡，但其核心价值在于提升AI模型的推理效率和处理能力。尽管市场反应可能受到情绪因素影响，但该技术代表了AI行业在存储优化上的重要进展，未来有望成为推动AI应用扩展的关键因素。存储行业需加快技术升级和产能扩张，以应对AI带来的新需求。