讓內(nèi)存股血流成河的“Google突破性算法”，是又一個(gè)離譜大烏龍

作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

3 月 25 日，首爾證券交易所開(kāi)盤不到兩小時(shí)，SK Hynix 跌近 6%，三星跌 4.8%，KOSPI 指數(shù)單日大跌 3%。同一天，美股的 Micron 跌 7%，SanDisk 跌 6.8%，Lam Research 跌 5%。

全球的內(nèi)存公司迎來(lái)黑色的一天，堪比 DeepSeek 在春節(jié)引發(fā)的核爆。

而引發(fā)這波跌停潮的，是谷歌研究院發(fā)布的一篇博客文章。博客介紹了一個(gè)叫 TurboQuant 的壓縮算法，說(shuō)它能把 AI 的KV Cache存儲(chǔ)需求降低 6 倍。

市場(chǎng)邏輯是，過(guò)去兩年，內(nèi)存芯片廠商的股價(jià)漲了 300%，靠的是一個(gè)共識(shí)：AI 越來(lái)越能干，就需要越來(lái)越多的內(nèi)存，需求沒(méi)有天花板。

現(xiàn)在Google的新算法既然是解決了“存儲(chǔ)”的問(wèn)題，那必然就打破了內(nèi)存需求的邏輯。而市場(chǎng)也有點(diǎn)苦內(nèi)存久已。

于是，華爾街一致認(rèn)定這就是類似DeepSeek的時(shí)刻，內(nèi)存股應(yīng)聲大跌。

這樣的陣仗也迅速傳遞到中文世界，大家也在討論Google又帶來(lái)了一個(gè)DeepSeek時(shí)刻。

然而，這一切其實(shí)都是一場(chǎng)烏龍。

不止是這篇引發(fā)血案的論文都不是今天新的成果——TurboQuant 論文最早于 2025 年 4 月 28 日上傳到 arXiv（編號(hào) arXiv:2504.19874），至今已經(jīng) 11 個(gè)月。這期間，無(wú)人談?wù)摗?/p>

而且更荒誕的是，如果你仔細(xì)閱讀這個(gè)研究，會(huì)發(fā)現(xiàn)它跟引發(fā)內(nèi)存股暴跌的邏輯毫無(wú)關(guān)系，談不上什么DeepSeek時(shí)刻。

是的，又一場(chǎng)FOMO之下的詭異全民狂歡。

谷歌論文說(shuō)了什么？

要理解 TurboQuant，先要理解一件事：大模型跑推理時(shí)，真正的內(nèi)存大頭不是模型本身，而是對(duì)話過(guò)程中產(chǎn)生的緩存。

每當(dāng)模型處理一段對(duì)話，它需要"記住"所有歷史 token 的信息。這些信息被存成 Key-Value 鍵值對(duì)，叫做 KV Cache，實(shí)時(shí)寫入顯存。上下文越長(zhǎng)，KV Cache 越大。一個(gè) 128K context 的會(huì)話，單次推理的 KV Cache 就可以輕松超過(guò)幾十 GB，對(duì)于同時(shí)服務(wù) 512 個(gè)用戶的 70B 參數(shù)模型，KV Cache 消耗的顯存可以是模型權(quán)重的 4 倍。

這就是為什么大模型服務(wù)商對(duì)長(zhǎng)上下文收取額外費(fèi)用，也是"Prompt Caching"作為獨(dú)立計(jì)費(fèi)項(xiàng)出現(xiàn)的原因。KV Cache 不是算力問(wèn)題，是內(nèi)存帶寬和容量問(wèn)題。

TurboQuant 解決的，正是這個(gè)問(wèn)題。

傳統(tǒng)壓縮方法有一個(gè)隱藏成本：每壓縮一塊數(shù)據(jù)，就需要額外存儲(chǔ)"量化常數(shù)"（用來(lái)還原的元數(shù)據(jù)），每個(gè)數(shù)字額外付出 1 到 2 bit 的代價(jià)。壓縮越多，這個(gè) overhead 越不可忽視——就像買了個(gè)小行李箱，但行李箱本身就重 10 斤。

TurboQuant 用兩步解決了這個(gè)問(wèn)題。

第一步是隨機(jī)旋轉(zhuǎn)量化（TURBOQUANTmse）：對(duì)向量施加隨機(jī)旋轉(zhuǎn)矩陣，使每個(gè)坐標(biāo)無(wú)論原始分布如何，都服從集中的Beta分布。Transformer注意力機(jī)制依賴的是向量之間的內(nèi)積，不是每個(gè)數(shù)字的絕對(duì)值。旋轉(zhuǎn)之后，坐標(biāo)分布變得集中且可預(yù)測(cè)，可以用一套預(yù)計(jì)算好的最優(yōu)標(biāo)量量化表（Lloyd-Max算法）逐坐標(biāo)壓縮，完全不需要存儲(chǔ)per-block的量化常數(shù)。overhead歸零。

第二步叫 QJL（量化 Johnson-Lindenstrauss 變換）：第一步之后還有一點(diǎn)殘差誤差。直接扔掉會(huì)導(dǎo)致內(nèi)積估計(jì)產(chǎn)生系統(tǒng)性偏差，影響注意力計(jì)算的準(zhǔn)確性。QJL 用 1 bit 處理這點(diǎn)殘差，利用 Johnson-Lindenstrauss 變換保證估計(jì)無(wú)偏。

結(jié)果就是，KV Cache 被壓縮到 3.5 bit，質(zhì)量完全無(wú)損，2.5 bit 時(shí)只有輕微下降。A100上，4-bit TurboQuant的注意力計(jì)算速度比PyTorch基線快約8倍。

論文中做了一個(gè)測(cè)試"大模型在超長(zhǎng)文章里找一句話的能力"。顏色越綠越好。TurboQuant 壓縮了 4 倍，顏色和不壓縮完全一樣。

更硬的是理論部分。

作者用香農(nóng)信息論等基本原理證明，任何向量量化算法能達(dá)到的理論最優(yōu)是一個(gè)確定的下界，TurboQuant 距離這個(gè)下界只差約 2.7 倍的常數(shù)因子。這不是"我們實(shí)驗(yàn)上效果好"，而是"理論上我們已經(jīng)接近不可能更好的極限了"。

在它所涉及到的技術(shù)領(lǐng)域，這確實(shí)是一篇有分量的論文，它也入選了 ICLR 2026 主會(huì)場(chǎng)。

但即便在同領(lǐng)域里，這一篇論文之后的關(guān)注度也并不突出。

論文很硬，但和內(nèi)存關(guān)系不大

直到一年后的今天。

谷歌 3 月 25 日發(fā)布博客時(shí)，推特上的傳播鏈?zhǔn)沁@樣的：科技博主截圖轉(zhuǎn)發(fā)，"谷歌革命性算法讓內(nèi)存需求降低 6 倍"，媒體跟進(jìn)報(bào)道"AI 內(nèi)存需求見(jiàn)頂"，韓國(guó)財(cái)經(jīng)媒體把 SK Hynix、三星和 TurboQuant 放進(jìn)同一個(gè)標(biāo)題，開(kāi)盤跌停。

但這個(gè)推導(dǎo)鏈在第一步就斷了。

TurboQuant 壓縮的是推理時(shí) GPU 顯存里的 KV Cache，這是一個(gè)軟件層的算法優(yōu)化。

AI 對(duì)內(nèi)存芯片的需求來(lái)自三塊：模型權(quán)重、訓(xùn)練時(shí)的激活值和梯度、推理時(shí)的 KV Cache。TurboQuant 只碰第三項(xiàng)，前兩項(xiàng)完全沒(méi)動(dòng)。

更關(guān)鍵的是，AI 內(nèi)存需求的核心矛盾從來(lái)不是"存不夠"，而是"帶寬不夠"。HBM（高速緩存）之所以是 AI 基礎(chǔ)設(shè)施的核心，是因?yàn)?GPU 計(jì)算核心等不及數(shù)據(jù)從內(nèi)存?zhèn)鬏斶^(guò)來(lái)。HBM 的價(jià)值在于它每秒能傳多少數(shù)據(jù)，而不只是能存多少。KV Cache 被壓縮到 6 分之一，意味著傳輸量也降了，這實(shí)際上是在把算力和帶寬解放出來(lái)，而不是在讓內(nèi)存變得不重要。

還有一個(gè)問(wèn)題。TurboQuant 目前沒(méi)有官方代碼。現(xiàn)有的 PyTorch 和 llama.cpp 實(shí)現(xiàn)，都是社區(qū)開(kāi)發(fā)者自己從論文里扒出來(lái)寫的。vLLM、Ollama、TensorRT-LLM 等主流推理框架均未集成。實(shí)驗(yàn)只在 Gemma、Mistral 等小模型上驗(yàn)證過(guò)。70B 以上模型、MoE 架構(gòu)、1M token 上下文

——這些 AI 內(nèi)存需求真正爆炸的場(chǎng)景，論文里一個(gè)數(shù)據(jù)都沒(méi)有。

這次內(nèi)存股暴跌顯然又是一個(gè)烏龍，市場(chǎng)對(duì)一篇范圍有限的算法論文，經(jīng)過(guò)一番詭異的折騰，最終做出了一個(gè)關(guān)于整個(gè)產(chǎn)業(yè)周期的判斷，并直接真金白銀沖擊了二級(jí)市場(chǎng)。

你能從中看到市場(chǎng)今天對(duì)于 AI 的態(tài)度：極度FOMO，越發(fā)迷茫。

在AI不停用震驚體刺激每個(gè)人后，人們面對(duì)一個(gè)研究成果，第一時(shí)間反應(yīng)已經(jīng)不再是關(guān)心研究本身。比如，在這一次的鬧劇里，市場(chǎng)真正在定價(jià)的，不是 TurboQuant 本身，而是一個(gè)敘事：AI 內(nèi)存需求可能已經(jīng)見(jiàn)頂。

這個(gè)敘事有它的背景。美光在 3 月 18 日公布了 Q2 財(cái)報(bào)，營(yíng)收 239 億美元，遠(yuǎn)超預(yù)期，但股價(jià)在隨后一周連跌四天。

市場(chǎng)擔(dān)心的不是現(xiàn)在，是未來(lái)：美光 Q1 資本支出同比增長(zhǎng) 68%，達(dá)到 53.9 億美元，這是一個(gè)押注內(nèi)存需求持續(xù)增長(zhǎng)的巨大賭注。TurboQuant 的出現(xiàn)，給了市場(chǎng)一個(gè)"需求可能沒(méi)那么多"的理由，兩個(gè)擔(dān)憂疊加，觸發(fā)了這波賣出。

但這個(gè)推導(dǎo)鏈，在技術(shù)層面就已經(jīng)斷了。TurboQuant 壓縮的是推理時(shí)的 KV Cache，只是 AI 內(nèi)存需求的三個(gè)來(lái)源之一。

經(jīng)濟(jì)學(xué)里有個(gè)概念叫杰文斯悖論：煤炭蒸汽機(jī)效率提升之后，煤炭消耗總量反而增加了，因?yàn)楦嗳碎_(kāi)始用蒸汽機(jī)。

TurboQuant 如果真的落地，最可能的結(jié)果是：服務(wù)商用節(jié)省下來(lái)的顯存把 context window 從 128K 做到 1M，并發(fā)數(shù)從 512 做到 5000，總內(nèi)存需求持平甚至上升。

這些邏輯可能會(huì)在未來(lái)被市場(chǎng)理解，但此刻整個(gè)社會(huì)和市場(chǎng)對(duì)于AI的討論最大需求就是情緒價(jià)值，一個(gè)長(zhǎng)鏈路的技術(shù)和產(chǎn)業(yè)邏輯顯然提供不了情緒，只有“突破性算法”和“DeepSeek時(shí)刻”可以。

所以，我們可以期待的就是，這種烏龍只會(huì)越來(lái)越多，繼續(xù)頻繁的發(fā)生。