在谷歌发布新算法后，存储行业对其股价的剧烈下跌做出了回应，认为这是一次过度反应。
谷歌研究院最近推出了一项名为TurboQuant的技术，这一消息让原本火热的内存芯片市场感受到了一股寒意。
TurboQuant直接针对了AI大模型对内存的巨大需求这一问题。众所周知，输入信息越长，对话轮数越多，AI模型需要消耗的临时内存就越大。这项新技术相当于对这些临时信息进行了高效压缩，平均可以节省八成的内存，同时计算速度提升了八倍，对企业而言，大规模应用这项技术后，运营成本有望至少减少一半。
面对这份测试数据，资本市场首先做出了强烈反应，内存股价格波动剧烈，三星、SK海力士、美光等公司股价均遭遇大幅下跌，西部数据、闪迪和希捷等公司也面临较大的抛售压力。很多市场评论认为，这次股价暴跌主要是谷歌新算法所致。
但业内专家和投行对此持有不同的看法，并用DeepSeek引发市场反应来类比。DeepSeek的出现虽然降低了训练成本，但最终却激发了更多对算力的需求，类似的，这项压缩算法并没有减少硬件需求，反而在为更大规模的应用铺平了道路。
实际上，与其说是新算法造成了存储行业的冲击，不如说是为前期涨幅过高的股票提供了一个合理的抛售机会。
新算法确实强大，但市场反应背后另有原因。
多年来，大型模型在处理长文本和复杂对话时，一直面临着硬件瓶颈的问题。
简单来说，处理的每个字符都会占用大量的GPU显存，文本越长，显存消耗就越呈指数级增长，业内称此为“内存税”，不仅推高了成本，也限制了模型处理长文档的能力。
谷歌的TurboQuant则像是给这些硬件瓶颈做了一次微创手术。它运用了PolarQuant极坐标转换和1位QJL变换等技术，实现了数据体积的极致压缩，这意味着原本需要大量资源的任务现在可能只需要更少的资源，或者在相同的硬件上能处理更多信息。
随着谷歌技术细节的披露，存储芯片市场在3月25日和26日连续两天遭受重创。
据分析，3月24日TurboQuant发布后，3月25日内存股价格开始下跌，美光跌幅3.4%，西部数据跌幅约4.7%，希捷跌幅约4%。3月26日，跌幅明显扩大，美光跌幅6.97%，西部数据和希捷都下跌超过7%。
表面上看，市场需求被压缩了，芯片销售自然受到影响。但实际上，这更像是投资者利用谷歌发布新算法作为抛售的理由，借机获利了结。
结合估值来看，在TurboQuant发布前，美光从2025年初的低点涨了约340%，SK海力士在2025年涨了274%，2026年又涨了60%。美光的市净率冲到6.2到7.9倍，远超过去十年的中位数2.2倍。这些数据表明，市场正处于一个需要回调的高风险位置。
小红书博主“硅基引力”也表达了类似的观点，她引用Ortus Advisors分析师安德鲁·杰克逊的分析指出，如此巨大的涨幅后，出现一定程度的获利回吐是完全合理的。
XTB的市场分析也支持这一点，认为抛售内存股更像是投资者对新闻的条件反射，而非基本面的实质变化。
分析师的评级并未改变：基本面依然稳固
面对所谓的硬件需求下降论，业内专家和分析师们引用了经济学中的杰文斯悖论，即提高资源利用效率的技术进步非但不会减少需求，反而会增加资源消耗。
从各大专业机构的态度来看，没有一家主要的分析师因为TurboQuant而下调内存股评级。
摩根士丹利的分析师明确表示，长远来看，更高效的AI部署对计算和内存的需求是有利的。多家机构维持了对美光的超配评级和目标股价，甚至建议投资者在回调时买入。
彭博社的报道也印证了这一观点，指出谷歌的研究对行业的影响实际上是积极的，因为它改善了推理环节的关键瓶颈，降低了硬件成本，从而推动了广泛的采用需求，这对内存制造商来说是绝对的利好。
摩根大通和花旗集团的分析师也持有相同观点，认为投资者只是借机获利了结，短期内并不存在对内存消耗的实质性威胁。行业高管也认为，供需缺口依然存在，SK集团董事长近期公开表示，内存芯片短缺将持续到2030年。
更重要的是，TurboQuant压缩的只是推理时的缓存，不涉及模型权重存储，它解决的是如何让现有硬件发挥更大效用的问题，而非减少硬件需求。
DeepSeek曾引发类似的市场恐慌
这并非AI硬件市场第一次经历类似的恐慌。
2025年初DeepSeek发布时，市场也曾因其极低的训练成本陷入算力需求见顶的恐慌，导致英伟达股价单日暴跌17%。然而，这种情绪宣泄仅持续了数周，随着基本面的回归，市场迅速收复了全部跌幅，AI硬件需求此后依然强劲增长。
这种看似矛盾的现象，正是杰文斯悖论的最佳注脚。
TurboQuant带来的低推理成本，本质上是在为长上下文对话、多智能体协作以及大规模本地化部署等新场景铺路。虽然单个任务的内存需求确实降低了，但使用人数和应用频次的指数级增长，将彻底淹没单位需求的缩减。
小红书博主“St.V”用了一个形象的类比：油价降低后，人们的油费总支出反而可能上升，因为低油价让更多人更愿意开车出行。单位内存需求的下降与总需求的上升并行不悖，核心逻辑在于技术解决的是效率瓶颈，而非消灭需求。
压缩技术只会改变需求曲线的斜率，而不会逆转其增长的方向。实际上，较低的部署成本会显著扩大采用AI技术的公司和行业基数。技术进步的历程反复证明，效率提升不仅不会扼杀产业，还会通过提高可及性来催生更大的市场。
这种逻辑在开发者社区的反馈中已初现端倪。不少业内人士指出，TurboQuant显著缩小了免费本地AI与昂贵云订阅之间的差距。
其带来的速度优势，更是让免费在本地运行极其强大的AI模型成为了可能。
真正的风险来自其他领域
许多分析师和市场评论者指出，内存行业的真正风险并不在TurboQuant这类算法上。
在情绪波动的背后，行业更应关注几个底层的结构性风险：一是DRAM产能周期，新产能可能在2027年以后带来供给过剩；二是HBM的良率和封装复杂度，这依然是当前制约供给的关键环节；三是宏观经济环境的影响，地缘冲突与AI资本开支的消化节奏，才是决定行业长期走势的核心变量。
可以说，TurboQuant更像是一个叙事的催化剂，而非基本面的转折点。其对行业的影响路径，大概率会复刻DeepSeek的模式：短期遭遇标题冲击，随后被基本面的现实主导，最终回归原有的增长轨道。
另一方面，随着AI技术向以推理为中心的方向发展，HBM或大容量DRAM等整体内存需求都有望迎来新一轮的扩张。
结语
TurboQuant无疑是一次重大的工程技术突破。它展示了AI的进步不仅依赖于更密集的晶体管，同样依赖于更巧妙的数学方法。这让AI的运行变得前所未有的高效，也让普通设备有了承载大模型应用的可能。
尽管资本市场出现了短期剧烈波动，但这更多是估值高位下脆弱情绪的条件反射。专业投研机构的判断并未动摇，存储行业的增长逻辑依然坚挺。
当技术的效率大幅提升、部署的成本急剧下降时，硬件需求不仅不会萎缩，反而会因为应用的全面普及而迎来真正的爆发。这意味着，压缩技术省下的每一兆内存，最终都会转化为市场上更日常、更密集的实际算力消耗。