谷歌論文帶崩存儲市場

文/債市邦

昨晚，納斯達克AI產業鏈的龍頭股票迎來明顯調整。

總龍頭英偉達跌了4.16%，來到了近期箱體下沿的抄底區間。

存儲龍頭美光科技下跌6.97%，高點回撤25%了。

受此影響，今天開盤后韓國股市的SK海力士和三星電子也都跟隨調整。A股里的兆易創新、佰維存儲這些行業個股也是大幅低開。

這下跌背后的主要推手，居然是源于谷歌的一個研究文章-

TurboQuant通過極致的壓縮來重新定義AI效率。

原來大模型在推理時，會一邊讀上下文，一邊把關鍵信息臨時存進“記憶區”（KV cache）。

這個“記憶區”很占顯存，也拖慢速度。谷歌這篇論文的核心，就是把這部分數據大幅壓縮，讓模型用更少內存、跑得更快。按谷歌說法，部分場景下內存占用可降到原來的約六分之一。

市場擔心如果以后大家都這么優化，高端存儲芯片的需求可能沒原來想的那么夸張，直接影響相關企業的盈利預期。

這個說法似曾相識，就是不久之前的deepseek moment。當時openai推出ChatGPT后，相關行業個股一路水漲船高。

但deepseek出來，發現中國的大模型似乎能用更少的算力消耗來實現差不多的效果。一下子美股就恐慌了。

如果更低成本模型真能成立，那過去兩年砸向 GPU、電力、數據中心的巨額資本開支，是不是被高估了？

DeepSeek帶來的低成本、高性能模型敘事，直接引發了美股 AI 板塊的大拋售，英偉達當天一度大跌約 17%，創下當時美股史上最大的單日市值蒸發紀錄，整個 AI 相關板塊一天蒸發超過 1 萬億美元。

TurboQuant這次對美光、三星、SK 海力士這類存儲鏈更敏感，對整個 AI 硬件大邏輯的殺傷力，理論上是弱于 DeepSeek 那次的。

市場現在特別喜歡把“效率提升”直接翻譯成“硬件需求下滑”。

這條線聽起來很順，但很多時候并不成立。歷史上計算行業反復證明，效率提升經常不會減少總需求，只會把需求的邊界推得更遠。

云計算如此，帶寬如此，存儲也是如此。行業把成本降下來，開發者就會做更長上下文、更復雜 agent、更高并發推理、更便宜的邊緣部署。

這不是簡單的“少買幾根 HBM”就能概括的，三星自己上周還在強調，今年 AI 驅動的芯片需求仍然強勁，行業還在考慮多年份合同來平滑波動，本質上說明供給緊平衡并沒有突然消失。

今天這種砸法，短線能理解，長期看大概率又是市場把一個技術突破，先交易成了產業塌方。

現在看，能對抗分母端通脹壓力的行業，可能只有高景氣度的AI相關產業了，通過分子的高增長來抵消估值的壓力