周二下午，Google Research的博客更新了一篇技术文章。三小时后，美光跌3%，西部数据跌4.7%，闪迪跌5.7%。
资本市场对技术细节的敏感度，有时候比产品经理还快。
一篇论文如何让硬件股蒸发数十亿
这篇论文的核心是一种叫TurboQuant的压缩算法，专门针对大语言模型的键值缓存（Key-Value Cache，简称KV Cache）。简单说，这是模型用来"记住"对话上下文的高速存储区——你问ChatGPT一个长问题，它得靠这个缓存来理解前文，而不是每生成一个新词就把整段话重新算一遍。
问题是，这个缓存随着对话变长会指数级膨胀。以前的标准做法是每个数值存16比特，TurboQuant直接压到3比特，内存占用砍掉至少6倍。Google的测试显示，精度损失"无法测量"——不是"很小"，是仪器测不出来。
投资者的反应很直接：如果AI行业需要的物理内存突然变成六分之一，那美光、三星、SK海力士的出货量预期该怎么算？
为什么以前的压缩算法"货不对板"
量化压缩不是新概念。但大多数方法有个隐藏的坑：它们宣传的压缩比是理论值，实际落地要额外存储归一化常数——每个数还得再加1到2比特。标称8比特，实际可能接近10比特，厂商发布会从不提这个。
TurboQuant的两步走设计绕过了这个坑。第一步PolarQuant把数据从直角坐标转成极坐标，把向量拆成"长度+角度"。角度的分布高度集中且可预测，系统直接跳过按块归一化的步骤。第二步QJL（基于Johnson-Lindenstrauss变换）把第一步的残余误差压到每个维度只剩1个符号位。
结果是：3比特里，绝大部分预算花在存原始数据的信息，最小份额做误差修正，零比特浪费在归一化常数上。
这有点像视频编码里的帧内预测——不是粗暴压画质，而是利用数据本身的结构特性，把"必须存的东西"和"可以算出来的东西"分开。
测试覆盖了谁家的模型
Google在五个长上下文基准上验证了TurboQuant，包括LongBench、Needle in a Haystack和ZeroSCROLLS。测试对象不是自家封闭模型，而是开源的Gemma、Mistral和Llama系列。
选这些模型有讲究。Gemma是Google自家的，但Mistral和Llama代表了当前开源社区的主流架构。如果在这些模型上都能跑通，说明算法不依赖特定实现细节，是通用解法。
论文作者名单也值得注意。Amir Zandieh和Vahab Mirrokni来自Google Research，后者是Google Fellow（公司最高技术职级之一）。合作方包括Google DeepMind、韩国KAIST和纽约大学。这个组合说明项目横跨了研究院、产品线和学术界。
论文将在ICLR 2026正式发表，但代码和博客已经放出。这种"先发博客、后发顶会"的节奏，Google近年越来越常用——既抢舆论阵地，也给同行施压。
硬件厂商的算盘要重打
内存股暴跌的逻辑链很清晰：AI训练已经吃掉了全球DRAM产能的相当份额，HBM（高带宽内存）更是供不应求。如果推理侧的内存需求被压缩算法砍掉六分之五，那之前按线性增长做的资本开支模型就全错了。
但这里有个时间差。TurboQuant优化的是推理阶段的KV Cache，训练阶段的压力没变。而当前内存厂商的产能紧张，很大程度上是训练需求驱动的。推理优化会不会传导到训练硬件的采购决策，还要看云厂商的反馈。
更微妙的是，压缩算法本身也需要算力支持。PolarQuant的坐标转换、QJL的矩阵运算，都要在GPU上跑。内存省了，计算多了，总拥有成本怎么变，还得看具体部署场景。
西部数据和闪迪的跌幅比美光更大，可能反映了市场对消费级存储的悲观——如果企业级AI内存需求见顶，消费级又没什么新故事，两头受压。
一个还没人回答的问题
这篇论文的致谢部分提到，TurboQuant的部分灵感来自早期与Anthropic的技术讨论。两家公司在压缩算法上的交流，是纯粹学术合作，还是涉及更深层的标准制定博弈？
如果3比特量化成为行业事实标准，谁来定义这个标准的技术细节，谁就掌握了下一代AI基础设施的话语权。Google选择先把论文发出来，而不是藏在产品里，这个决策本身就是在投票。
美光的股价在周三小幅反弹，但成交量放大。市场在等一个答案：云厂商的采购部门，会不会把TurboQuant的测试结果写进明年的RFP（需求建议书）？
热门跟贴