當Google新發布的「TurboQuant」演算法傳出，有望將大型語言模型（LLM）的KV快取記憶體需求壓縮六倍時，記憶體大廠美光（Micron Technology, Inc.）與儲存設備領導服務商Sandisk等記憶體股，近日股價應聲重挫，市場恐慌情緒迅速蔓延。這項消息無疑為投資人敲響了警鐘，擔憂AI對記憶體與儲存容量的需求是否將大幅萎縮。然而，業界分析師卻普遍認為，這波恐慌可能反應過度，背後隱藏著更深層的市場動態與歷史規律。
表象：AI記憶體需求壓縮六倍的震盪
近期，記憶體市場籠罩在一片陰霾之中，美光與Sandisk等龍頭企業的股價承受巨大壓力。這一切源於Google推出的「TurboQuant」演算法，其核心承諾是能將AI模型中關鍵的KV快取記憶體需求，大幅降低至少六倍，同時將處理速度提升最多八倍，且不損害模型準確度。對於習慣AI產業對記憶體需求不斷成長的投資人來說，這無異於晴天霹靂，深怕記憶體訂單將隨之銳減。
截至近日，美光股價重挫6.97%，收在355.46美元，創下1月5日以來的收盤新低；Sandisk則同步慘跌11.02%，收603.17美元，為3月9日以來的收盤新低。這兩家記憶體巨頭的股價表現，直觀地反映了市場對這項新技術的擔憂。
真相：壓縮技術並非全新，效率反促需求
市場對Google TurboQuant引發的記憶體需求恐慌，可能反應過度。這項技術雖能大幅壓縮AI模型記憶體使用量，但並非全新突破，且歷史經驗顯示，效率提升往往會降低成本，反而刺激更多硬體與服務的需求，形成所謂的「傑文斯悖論」。TurboQuant被Google描述為AI模型的「數位備忘單」或「短期記憶」，旨在解決KV快取空間快速填滿的問題，並避免傳統壓縮技術可能導致的模型「幻覺」或錯誤。
不過話說回來，這項演算法的技術草稿早在2025年4月就已在網路流傳，並非橫空出世的秘密武器。瑞穗（Mizuho）科技產業專家Jordan Klein便一針見血地指出：
「如果這項技術真的好到能在Google內部大量使用，相信我，他們絕對不會發表論文公開它。」
這暗示了大型科技公司對於核心競爭技術的保護，遠比公開論文來得謹慎。再者，記憶體使用效率的提升，從歷史脈絡來看，反而很可能導致需求進一步上揚。
各方角力：專家觀點與傑文斯悖論的印證
回顧歷史，我們不難發現類似的情境。舉例來說，2025年1月中國的DeepSeek模型橫空出世，展現了降低AI模型訓練成本的驚人能力，當時一度引發市場擔憂雲端服務商對AI晶片的投資是否過度，導致美股總市值一口氣蒸發一兆美元。然而，隨後發生的正是「傑文斯悖論」：更高效的模型大幅增加了AI服務的需求，反而證明了擴大投資的合理性。
Sandisk財務長Luis Visoso在與美銀證券（BofA Securities）對談時，也持相同看法。美銀分析師Wamsi Mohan引述Visoso的說法指出：
「TurboQuant能提升超大規模資料中心資本支出的投報率（ROI），而效率的提升反將推高需求。」
Mohan因此將Sandisk的投資評等維持在「買進」，目標價為900美元。此外，摩根士丹利（Morgan Stanley，通稱大摩）分析師Joseph Moore也指出，Google對KV快取效率的提升，對整體記憶體需求的直接影響其實有限。這是因為這些數據主要儲存在高頻寬記憶體（HBM）中，而該組件的容量並不會因此改變。他的看法提供了一個更宏觀的視角：
「Google對KV快取效率的提升，對整體記憶體需求的直接影響有限。因為這些數據是儲存在高頻寬記憶體（HBM）中，而該組件的容量並不會因此改變。」
深層影響：AI發展趨勢下的記憶體新常態
綜合各方觀點，TurboQuant的出現，或許並非記憶體產業的末日預兆，而更像是AI技術進化過程中的一個縮影。它反映了產業在追求效率與降低成本上的不懈努力，但這類進步往往會催生出更多應用場景與更龐大的數據處理需求。當記憶體變得更便宜、更高效時，開發者便能嘗試更複雜、更大型的AI模型，進而提供更豐富的AI服務，這將反過來刺激對基礎硬體設施的投資，包括記憶體與AI晶片。
因此，短期市場的波動固然令人不安，但從長遠來看，AI產業的發展動力與對高效能運算的需求，仍是不可逆的趨勢。記憶體市場或許會經歷結構性的調整，但總體需求量，尤其是在HBM等高階產品領域，仍有望持續增長。
未解之問：記憶體市場將如何平衡效率與需求？
儘管專家們普遍看好長期需求，但短期內市場情緒的擺盪，仍是記憶體產業必須面對的課題。當創新技術不斷突破效率瓶頸，記憶體製造商又該如何精準預測市場需求，避免供給過剩或不足？AI模型的快速演進，將如何重塑記憶體產品的規格與技術路線圖？這場由效率提升所帶來的市場震盪，究竟會是曇花一現的恐慌，還是預示著記憶體產業一個全新格局的開始？這些問題，或許只能留待時間來解答。
About the Author
