谷歌论文带崩存储市场

文/债市邦

昨晚，纳斯达克AI产业链的龙头股票迎来明显调整。

总龙头英伟达跌了4.16%，来到了近期箱体下沿的抄底区间。

存储龙头美光科技下跌6.97%，高点回撤25%了。

受此影响，今天开盘后韩国股市的SK海力士和三星电子也都跟随调整。A股里的兆易创新、佰维存储这些行业个股也是大幅低开。

这下跌背后的主要推手，居然是源于谷歌的一个研究文章-

TurboQuant通过极致的压缩来重新定义AI效率。

原来大模型在推理时，会一边读上下文，一边把关键信息临时存进“记忆区”（KV cache）。

这个“记忆区”很占显存，也拖慢速度。谷歌这篇论文的核心，就是把这部分数据大幅压缩，让模型用更少内存、跑得更快。按谷歌说法，部分场景下内存占用可降到原来的约六分之一。

市场担心如果以后大家都这么优化，高端存储芯片的需求可能没原来想的那么夸张，直接影响相关企业的盈利预期。

这个说法似曾相识，就是不久之前的deepseek moment。当时openai推出ChatGPT后，相关行业个股一路水涨船高。

但deepseek出来，发现中国的大模型似乎能用更少的算力消耗来实现差不多的效果。一下子美股就恐慌了。

如果更低成本模型真能成立，那过去两年砸向 GPU、电力、数据中心的巨额资本开支，是不是被高估了？

DeepSeek带来的低成本、高性能模型叙事，直接引发了美股 AI 板块的大抛售，英伟达当天一度大跌约 17%，创下当时美股史上最大的单日市值蒸发纪录，整个 AI 相关板块一天蒸发超过 1 万亿美元。

TurboQuant这次对美光、三星、SK 海力士这类存储链更敏感，对整个 AI 硬件大逻辑的杀伤力，理论上是弱于 DeepSeek 那次的。

市场现在特别喜欢把“效率提升”直接翻译成“硬件需求下滑”。

这条线听起来很顺，但很多时候并不成立。历史上计算行业反复证明，效率提升经常不会减少总需求，只会把需求的边界推得更远。

云计算如此，带宽如此，存储也是如此。行业把成本降下来，开发者就会做更长上下文、更复杂 agent、更高并发推理、更便宜的边缘部署。

这不是简单的“少买几根 HBM”就能概括的，三星自己上周还在强调，今年 AI 驱动的芯片需求仍然强劲，行业还在考虑多年份合同来平滑波动，本质上说明供给紧平衡并没有突然消失。

今天这种砸法，短线能理解，长期看大概率又是市场把一个技术突破，先交易成了产业塌方。

现在看，能对抗分母端通胀压力的行业，可能只有高景气度的AI相关产业了，通过分子的高增长来抵消估值的压力