文章核心观点 - 车规级存储芯片自2025年5月起进入持续涨价周期，春节后价格飙升，现货市场波动剧烈，预计短缺可能持续至2030年，对汽车行业成本构成显著压力 [4][9][10] - 存储芯片涨价导致单车成本增加1000至3000元，叠加电池成本上涨，车企面临巨大成本压力，但多数选择内部消化或签订长期协议，而非直接提价 [5][25] - 存储芯片产业链利润分配不均，原厂（三星、SK海力士、美光）凭借垄断地位获利丰厚，而分销商、代理商及中小车企则在涨价潮中面临高风险与不确定性 [16][17][18][21] - 为应对供应紧张和成本压力，头部车企选择与芯片原厂签订长期直供协议，部分车企探索技术降本或国产替代方案，但国产厂商市场份额不足5%，垄断格局短期难破 [13][24][26][27] - 未来存储芯片供需关系紧张，原厂扩产谨慎，而AI及智能汽车需求持续增长，预示着本轮涨价周期可能远未结束 [27][28] 根据相关目录分别进行总结 存储芯片涨价现状与幅度 - 存储芯片涨价周期已持续近一年，涨势仍在继续，以三星一款8GB eMMC芯片为例，价格从年前约50美元（约346元人民币）涨至年后约100美元（约693元人民币），涨幅达200% [4][9] - 车规级存储芯片价格从2026年春节后开始明显上涨，现货市场被形容为“野生交易所”，价格波动剧烈，呈现“半天一个价，甚至一小时一个价格”的节奏 [9] - 仅存储芯片价格上涨一项，就可能导致单车成本增加1000元至3000元，若叠加电池成本上涨3000元至5000元，单车合计成本压力进一步扩大 [5] 涨价原因与行业背景 - 供需关系紧张、原厂结构性产能调整以及市场情绪波动共同助推了此轮涨价潮，涨价行情始于2025年5月，最初焦点在消费类芯片，后蔓延至车规级 [5][9] - 汽车行业在DRAM整体需求中份额较小，原厂代理商体系更倾向于服务能稳定吃下大批量货的客户，而非分散的中小需求 [7] - 随着辅助驾驶进入端到端大模型阶段，智能汽车对存储芯片（如LPDDR、NAND Flash、HBM）的需求正变得越来越大 [8] - SK集团董事长预计，由于芯片生产存在系统性瓶颈，全球内存芯片短缺情况可能会持续到2030年 [10] 产业链各环节的博弈与风险 - 芯片原厂拿走了最大利润，2026年一季度，三星、SK海力士将服务器DRAM价格较前一季度上调60%至70%，第二季度针对DDR5内存颗粒统一提价约40%，部分产品涨幅达100% [16][17] - 原厂财务表现强劲：SK海力士2025财年营收达97.15万亿韩元（约4721亿元人民币），同比增长47%，净利润同比翻倍增长117%；三星电子半导体业务四季度营业利润猛增465%；美光2025财年毛利率从23.7%增长至40.9% [17] - 相比之下，中国主流车企2025年毛利润率普遍在12%到29%之间，芯片原厂一年赚取的利润可抵头部车企卖百万辆新车的利润 [18] - 分销商和代理商在涨价潮中“赶海”，但面临囤货风险、客户违约以及假芯片风险，交易条款多为不可取消不可退货（NCNR），供货能见度仅覆盖至2026年第一季度 [18][19][20] - 风险最终层层下压至车企，尤其是资金有限、客户单一的小出货量玩家，他们缺乏原厂配额和长期协议兜底 [21] 车企的应对策略 - 成本压力已向终端传导，星途ET5高配车型上调5000元，比亚迪海狮06EV售价增加6000元，但更多车企选择内部消化成本，不敢轻易动价格 [5][23][25] - 头部车企如理想、极氪通过与美光等供应商签订长期直供协议锁定价格和供应优先级，三星与大众、现代，SK海力士与Waymo也达成类似合作 [5][24] - 部分车企通过技术手段降本，如奇瑞通过在线束上“铝代铜”实现技术降本 [5] - 特斯拉选择重资产路径，启动TERAFAB超级芯片工厂项目，以应对自身巨大的芯片需求，相关支出估算达500亿美元或更高 [23] - 供应链开始探索国产替代方案，例如兆易创新与奇瑞战略合作，其车规级存储芯片累计出货量超3亿颗；长鑫存储的LPDDR5芯片也完成车规认证，但国产厂商在全球市场份额不足5% [26][27] 未来展望与行业挑战 - 存储芯片占整车BOM成本比例虽不高，但本轮涨幅剧烈且持续，正成为挤压车企利润的核心变量 [21] - 原厂扩产态度谨慎：TrendForce预计2026年DRAM行业资本支出同比增长约14%，远低于历史扩张周期30%至50%的增速；三星2026年DRAM产能预计仅增长约5% [27] - 需求端存在不确定性，AI投资热潮受宏观经济影响，但技术进步（如谷歌TurboQuant）可能刺激而非减少需求，摩根大通引用“杰文斯悖论”解释此现象 [28] - 对于汽车行业而言，由于供给端谨慎与需求增长，本轮存储芯片涨价周期可能远未结束 [28]

涉及的行业与公司 * **行业**：存储行业，具体包括AI服务器内存、DRAM、存储模组、利基存储（SLC/MLC NAND）[1] * **公司**： * **存储原厂**：海力士[1][3] * **存储模组厂**：百维存储、德明利、江波龙、台湾威刚[5][6][8] * **利基存储厂商**：兆易创新、普冉股份、东芯股份[1][7][9][10] * **其他**：铠侠（Kioxia）[1][7] 核心观点与论据 * **AI驱动存储需求强劲，供给极度短缺** * AI服务器内存极度短缺，云服务提供商订单满足率不足100%，消费电子客户拿货更难[1][2] * 内存稀缺性极高，出现渠道商拆服务器内存到现货市场高价倒卖的现象[2] * **算法优化引发“杰文斯悖论”，长期提振总需求** * 谷歌压缩算法等优化短期不影响需求，因产能已被预订满[2] * 长期看，算法降低单GPU内存需求，但会加速AI应用落地与Token释放，反向驱动内存总需求指数级增长[1][2] * 类似案例：DeepSeek模型优化后，Token总量呈指数级增长[2] * **存储上行周期预期延长，供需结构支撑** * 海力士等原厂将上行周期见顶时间预期从2027年推迟至2028-2030年[1][3] * **需求端**：AI服务器需求巨大但测算模糊，云厂商资本开支、大模型演进等使预测困难，不同机构数据差异大[3][4] * **供给端**：原厂因需求不确定性和吸取上一轮周期教训（毛利率曾跌至-20%至-30%），扩产态度非常谨慎[3][4] * **DRAM价格与模组厂业绩展望乐观** * 预计2026年第二季度DRAM合约价涨幅可能达40%-50%[1][5] * 2026年第一季度主要模组厂出货量环比持平，但ASP环比增长约50%，净利率非常高（例如百维存储、威刚接近40%）[1][5] * 第一季度出货节制，原厂库存充足，预计第二、三季度业绩具备持续放量潜力[5] * **存储模组板块呈现“避险资产”属性，估值有支撑** * 驱动因素：一季度业绩确定性超预期，且估值水平低[6] * 业绩上修后，主要模组公司（德明利、百维存储、江波龙）PE已调整至10倍左右，估值下行空间有限[6][8] * 基于低估值、高确定性和后续涨价等预期，该板块在科技股中呈现“避险资产”特征[6] * **利基存储（SLC/MLC NAND）存在重大供给缺口机遇** * **涨价逻辑**：供给端不可逆减少。原厂将产能转向高端产品，铠侠宣布停产部分利基NAND料号[1][7] * **市场规模**：整个SLC/MLC NAND市场规模约60亿美金，铠侠份额约占30%（约20亿美金/140亿人民币）[7] * **价格表现**：3月份SLC NAND和MLC NAND现货价格已出现迅猛上涨[1][9] * **受益厂商**：兆易创新、普冉股份、东芯股份将显著受益于此供给缺口[1][7][9] * **投资逻辑延伸至利基存储，相关公司配置价值凸显** * 利基存储板块股价回调后，普冉股份和兆易创新的PE已调整至20-30倍区间，具备较好配置价值[1][10] * 投资逻辑正从模组厂向利基存储厂商延伸[1][10] * 东芯股份除利基NAND外，还布局存算一体业务，可同时受益于国产存储和国产算力主题[10] 其他重要内容 * 市场部分观点曾认为存储周期在2027年上半年见顶，但行业内部预期更长[3] * 市场此前对存储模组厂一季度业绩预期较低，实际表现远超预期[8] * 市场此前对利基存储的涨价预期非常低，但其在DDR4和Nor Flash超预期涨价后，有望复刻趋势[7] * 市场此前对兆易创新、普冉股份、东芯股份的SLC/MLC NAND业务关注度不高[9]

事件概述 - 谷歌发布关于新AI内存压缩算法TurboQuant的论文，引发存储芯片概念股剧烈波动 [2][3] - 周四（事件首日）主要存储芯片公司股价大幅下跌，闪迪暴跌超11%，希捷科技跌超8%，西部数据跌超7%，美光科技跌近7%，SK海力士跌超6%，三星电子跌近5%，铠侠跌近6% [2][3] - 全球主要内存巨头市值在周四单日蒸发超900亿美元 [3] - 周五，在美股大盘重挫背景下，存储芯片概念股逆市上涨，闪迪上涨2.10%，美光科技涨0.50%，希捷科技涨0.34%，西部数据涨0.73% [2][3] 算法技术细节 - 谷歌算法名为TurboQuant，通过PolarQuant（极坐标量化）和QJL（量化JL变换）两项创新技术，在“零损失”前提下将AI推理阶段的键值缓存（KV Cache）压缩至3-bit精度 [3][4] - 该算法将KV Cache的内存占用缩小至少6倍，并在H100 GPU加速器上相较于未量化的键值缓存实现了高达8倍的性能提升 [4] - 算法仅作用于AI推理阶段的键值缓存，不影响模型权重所占用的高带宽内存，也与AI训练任务无关 [2][5] 市场解读与机构观点 - 市场最初反应可能源于误读，担忧该技术会减少数据中心对内存的需求，从而压低存储芯片价格 [2][4] - 摩根士丹利指出，所谓“6倍压缩”并非存储总需求的减少，而是通过效率提升增加单GPU的吞吐量 [5] - 该技术通过降低单次查询的服务成本，使AI部署更具盈利性，可能从长远看因降低使用门槛而带动整体需求扩张，符合“杰文斯悖论” [5] - Lynx Equity Strategies分析师指出，当前推理模型已广泛采用4-bit量化，谷歌的“8倍性能提升”是与老旧32位模型的对比，且由于供应极度紧张，未来3-5年对内存和闪存的需求几乎不会降低 [6] - 富国银行分析师认为，压缩算法从未从根本上改变硬件采购的整体规模，反而通过降低成本有助于AI模型向本地迁移，降低规模化部署门槛 [6] 行业基本面与需求前景 - 此前几个月，存储芯片公司表现强劲，因AI基础设施投资激增导致供应短缺，引发芯片价格飙升和利润增长 [3] - 截至事件发生前一周三，SK海力士和三星电子的股价年内已飙升超过50%，铠侠股价已上涨超过一倍 [3] - 以亚马逊和谷歌为首的四家超大规模企业计划今年斥资约6500亿美元建设数据中心，抢购AI加速器及相关存储芯片 [6] - SK集团会长表示，存储芯片供应紧张的局面将持续到2030年 [6] - 从供应链视角看，2026年服务器DRAM需求预计增长39%，HBM需求年增58% [6] 股价波动性质判断 - 部分分析师认为此次下跌是投资者借谷歌消息获利了结，市场对内存的消费依旧非常旺盛 [2] - 瑞穗科技专家认为，当前内存股的回调更像是一个“上车机会”，而不是股价转折点 [7] - 内存行业以剧烈的周期性波动闻名，最近的抛售符合一种每隔几个月就会发生的熟悉模式，并非见顶信号，逢低买入反而能赚钱 [7]

事件概述 - 谷歌发布关于新AI内存压缩算法TurboQuant的论文，引发市场对存储芯片需求减少的担忧，导致相关公司股价在周四遭遇大幅抛售 [3] - 周四，闪迪股价暴跌超**11%**，美光科技跌近**7%**，希捷科技跌超**8%**，西部数据跌超**7%**，SK海力士跌超**6%**，三星电子跌近**5%**，铠侠跌近**6%** [1][3] - 据测算，全球主要内存巨头市值在周四单日蒸发超**900亿美元** [3] - 周五，在美股指数重挫背景下，存储芯片概念股逆市上涨，闪迪上涨**2.10%**，美光科技涨**0.50%**，希捷科技涨**0.34%**，西部数据涨**0.73%** [1][3] 算法技术细节 - 谷歌新算法名为“TurboQuant”，通过两项创新技术PolarQuant（极坐标量化）和QJL（量化JL变换） [3] - 该算法在“零损失”前提下，将AI推理阶段的键值缓存（KV Cache）压缩至**3-bit**精度，内存占用缩小至少**6倍** [3] - 在H100 GPU加速器上，该算法相较于未量化的键值缓存实现了高达**8倍**的性能提升 [3] 市场反应与分析师解读（误读与澄清） - 多家机构分析师认为市场对谷歌论文存在误读，导致股价过度反应 [2][5] - 摩根士丹利指出，该技术仅作用于AI推理阶段的键值缓存，不影响模型权重所占用的高带宽内存（HBM），也与AI训练任务无关 [2][5] - 分析师强调，所谓“**6倍压缩**”并非存储总需求的减少，而是通过效率提升增加单GPU的吞吐量 [5] - Lynx Equity Strategies分析师指出，部分媒体报道夸大，谷歌所谓的“**8倍性能提升**”是与老旧**32位**模型对比，当前推理模型已广泛采用**4-bit**量化 [6] - 分析师认为，先进的压缩技术仅仅是减少了瓶颈，并不会摧毁对DRAM/闪存的需求 [2][6] 行业需求基本面与长期影响 - 人工智能基础设施投资激增导致供应短缺，引发芯片价格飙升和利润增长，存储芯片公司此前几个月表现强劲 [3] - 截至本周三，SK海力士和三星电子的股价今年已飙升超过**50%**，铠侠股价已上涨超过一倍 [3] - 以亚马逊和谷歌为首的四家超大规模企业计划今年斥资约**6500亿美元**建设数据中心，抢购AI加速器及存储芯片 [7] - 从供应链视角看，**2026年**服务器DRAM需求预计增长**39%**，HBM需求年增**58%** [7] - SK集团会长表示，存储芯片供应紧张的局面将持续到**2030年** [7] - 摩根士丹利援引“杰文斯悖论”解释长期影响：技术效率提升虽降低单位成本，但因使用门槛下降会带动整体需求扩张 [6] - 富国银行分析师指出，压缩算法通过大幅降低单次查询服务成本，能让模型迁移至本地，降低AI规模化部署门槛，从而扩大需求 [6] 投资观点 - 分析师认为，内存股短期回调是“上车机会”，而非股价转折点 [2] - 瑞穗科技专家认为，当前内存股的回调更像是一个“上车机会”，在经历了强劲上涨后，最近的抛售符合行业周期性波动的熟悉模式 [7] - 瑞穗表示，这种每隔几个月发生一次的抛售并非见顶信号，逢低买入反而能赚钱 [7]

文章核心观点 - 谷歌发布名为TurboQuant的新型AI模型压缩技术，声称可将运行大型语言模型所需的内存减少六倍，并将AI处理速度提高八倍[1][5][9] - 该技术引发市场对AI内存芯片需求可能放缓的担忧，导致全球主要内存芯片制造商股价出现显著下跌[1][2] - 然而，多位行业分析师认为市场反应过度，指出技术进步（如TurboQuant）通过降低AI运行成本和门槛，反而可能刺激AI应用普及，从而推动整体内存需求的长期增长[2][9][10][11] 市场反应与股价波动 - 谷歌发布TurboQuant研究后，全球内存芯片公司股价普遍下跌：SK海力士和三星在韩国分别下跌6%和近5%，日本铠侠下跌近6%，美国的美光和闪迪股价也走低[1] - 内存芯片股在过去一年已大幅上涨：三星股价上涨近200%，美光和SK海力士涨幅均超过300%[2] - 分析师认为此次股价下跌部分由获利回吐驱动，投资者在行业周期性强的背景下寻找获利了结理由，谷歌的创新只是加剧市场压力的“渐进式”因素[3] TurboQuant技术详解 - TurboQuant是一种压缩算法，专注于减少大型语言模型中的“键值缓存”内存占用，谷歌将其比作存储重要信息以避免重复计算的“数字小抄”[1][3] - 该技术通过名为PolarQuant的系统，将向量从标准XYZ坐标转换为极坐标（半径和方向），实现数据压缩[5] - 第二步使用量化Johnson-Lindenstrauss技术添加1位纠错层，平滑残余误差，以保留数据关系并提高注意力分数的准确性[6] - 谷歌测试表明，TurboQuant在Gemma和Mistral模型上，将键值缓存内存使用量降低6倍，在Nvidia H100上计算注意力分数速度比32位未量化快8倍，且未损失模型质量[5][8] 对内存需求影响的争议 - **担忧观点**：技术通过减少单次推理任务的内存占用（如降至六分之一），可能降低对AI内存芯片（如HBM）的需求[1][9] - **乐观观点（主流）**： - 效率提升将降低AI推理成本，推动AI技术普及和更复杂应用（如AI智能体），从而导致整体内存需求爆炸式增长[9][10][15] - 内存需求减少可释放资源用于运行更强大、参数更多的模型，或扩大模型的上下文窗口，同时运行多个AI代理[8][11] - 此现象符合“杰文斯悖论”，即技术进步提高资源利用效率，反而可能增加该资源的总体消耗速度[11] - 推理成本降低后，对长上下文处理和大规模批处理的需求将上升，从而增加总体推理需求[11][12] 对行业及公司的潜在影响 - **内存芯片制造商（三星、SK海力士、美光）**：短期股价承压，但长期可能受益于AI普及带来的整体内存需求增长[9][11] - **三星电子**：其半导体代工业务可能获得额外订单，因为公司正为英伟达代工生产集成大规模高速内存（SRAM）的Groq3语言处理器芯片，这类基于SRAM的推理芯片需求可能随AI发展而增长[11][12] - **移动/边缘AI**：TurboQuant等压缩技术能显著提升在内存受限设备（如智能手机）上的AI输出质量，促进移动AI发展[8] - **AI数据中心与本地部署**：压缩技术可缓解数据中心内存压力，并使更多组织能够在本地设备上部署AI智能体，这可能增加对个人设备内存的需求[14][15]

文章核心观点 - 华尔街对人工智能对劳动力市场的冲击存在深度论战，分歧核心在于AI渗透经济的速度[3] - 悲观方Citrini Research描绘了“智能替代螺旋”导致经济崩溃的末日图景，而乐观方Citadel Securities与Bianco Research则认为技术扩散可控，劳动力市场有时间适应[1][3] - 三方隐含共识是，过渡期的速度是决定风险大小的关键变量[1][8] Citrini Research的悲观论点 - 核心论点是AI将引发“智能替代螺旋”的经济恶性循环：AI能力提升→企业缩减薪资支出→消费疲软→利润收窄→企业购入更多AI能力，且没有天然的刹车机制[1][3][5] - 以SaaS行业为起点，借助AI工具，一名有能力的开发者可在数周内复制一款中端SaaS产品的核心功能，动摇了其订阅收入模式[4] - 大量白领工人被推入零工经济会压低工资水平，拖累整体经济活动，消费支出占美国GDP的70%，而作为“新雇员”的机器在可支配商品方面的消费为零[5] - 警示了金融市场的连锁风险，包括软件相关私人信贷违约冲击保险公司，以及约13万亿美元美国抵押贷款市场面临的偿付风险[5] Citadel Securities的反驳论点 - 数据层面，软件工程师职位发布量同比上升11%，且圣路易斯联储关于AI职场应用的跟踪数据几乎未显示任何迫在眉睫的替代风险[6] - 宏观逻辑层面，若AI驱动生产率提升并推动实际GDP增长，则需求侧必有消费、投资、政府支出或净出口中的一项相应扩张，基本数学逻辑与资本主义动机不允许产出增加的同时销售减少[6] - 历史先例层面，技术扩散遵循S曲线规律，采纳速度会趋于平稳，AI冲击的实现速度将显著慢于Citrini的假设，缓冲期足以支撑各方完成调整[3][6] - 援引凯恩斯预言为例，指出社会应对生产率提升的方式是大幅增加消费，而非大幅减少工作[6] Bianco Research的反驳论点 - 核心论点是Citrini的“致命缺陷”在于假设人类面临的问题数量有限，而根据杰文斯悖论，当技术使某件事更高效时，对该事物的需求往往爆发式增长而非收缩[7] - 关键变量在于AI自动化的是工作中哪一部分：若自动化的是工作中稀缺的高判断力部分，工资会被摊平；若自动化的是重复性的辅助部分，从业者反而能转向更高价值的工作，工资随之上升[7] - 认为AI消除的是知识工作中简单、重复的环节，从而使从业者更具价值，这与Citrini的判断形成直接对立[7] - 引入了“恩格斯停顿”这一历史概念，指出工业革命期间约50年的大规模失业未能被及时填补，而Citrini的场景是现代版但速度更快的“恩格斯停顿”[8] 三方共识与投资者关注点 - 过渡期的速度决定一切，若就业岗位消失速度长期超过新岗位创造速度，即便生产率和企业利润改善，政治与社会后果也将不容忽视[8] - Citrini描述的2028年场景目前仍属尾部风险，而非基准情形[8] - 值得持续追踪的关键指标包括：白领岗位职位空缺数量、知识密集型产业的实际工资增速，以及高收入家庭的消费支出走势，若同步恶化，负反馈循环或将从理论变为现实威胁[8]

文章核心观点 - 谷歌发布TurboQuant内存压缩技术，宣称可将大模型缓存内存占用减少6倍，性能提升最高8倍，引发市场对存储硬件长期需求的担忧，导致存储芯片板块股价重挫[4][6] - 华尔街投行认为市场反应过度，该技术被过度计价，并建议投资者应借机买入回调的内存概念股[6][13] - 从宏观经济学与算力演进角度看，该技术旨在打破AI内存瓶颈，最终可能不仅不会摧毁存储需求，反而会成为推动行业进一步扩张的催化剂，对硬件长期需求影响为中性偏正面[4][6][15] 存储板块市场反应 - 谷歌发布TurboQuant后，市场担忧存储硬件长期需求，相关资产遭抛售，存储芯片与硬件供应链指数盘中下跌，一度触及109点的日内低点，最终收于113.03点，下跌2.08%[4][6] - 个股方面，闪迪盘中一度大跌6.5%，收盘跌超3.4%；美光科技盘中跌4%，收盘跌超3.4%；西部数据盘中跌超4%，收盘跌幅收窄至1.6%；希捷科技盘中跌超5%，收盘跌2.6%[6] TurboQuant技术细节与业界反响 - 该技术专为解决AI系统中的键值缓存瓶颈设计，核心是将原本占用大量空间的缓存压缩至3比特[9] - 技术采用两步压缩法：先通过PolarQuant技术将数据向量转换为极坐标以消除额外的归一化开销，再利用量化算法QJL消除残差误差[9] - 在采用Gemma和Mistral等开源模型的测试中，该算法实现了6倍的内存缩减，在英伟达H100 GPU上的性能较未量化的32位方案提升了最高8倍[9] - 科技业界将其戏称为“真实版Pied Piper”和谷歌的“DeepSeek时刻”，认为其有望通过极高的效率收益大幅拉低AI运行成本[9][11] 华尔街分析观点 - 有分析师质疑技术的“颠覆性”，指出媒体存在夸大，当前推理模型已广泛采用4比特量化，8倍性能提升是与老旧的32位模型对比的结果[13] - 分析师认为，先进压缩技术仅是为了缓解算力瓶颈，不会破坏未来三到五年内因供应受限而依然坚挺的内存与闪存需求[13] - 有分析师维持对美光科技700美元的目标价及买入评级，并建议在因谷歌消息引发的回调中买入[13] - 有分析师指出，历史经验表明压缩算法从未从根本上改变硬件采购的整体规模，目前AI内存的需求基本面依然强劲[13] 长期需求影响分析（杰文斯悖论） - 摩根士丹利分析指出，TurboQuant仅作用于推理阶段的键值缓存，不影响模型训练任务，也不影响模型权重所占用的高带宽内存[15] - 该技术的核心意义在于提升单GPU的吞吐量，使相同硬件能支持更长的上下文或更大的批处理规模[15] - 援引“杰文斯悖论”阐释：技术效率提升会降低使用成本，从而激发出更庞大的总需求[15] - 通过大幅降低单次查询的服务成本，该技术能够让原本只能在云端昂贵集群上运行的模型迁移至本地，有效降低AI规模化部署的门槛，激活更多受制于成本而无法落地的AI应用场景[15] - 该技术重塑了AI部署的成本曲线，对算力与内存硬件的长期影响为中性偏正面[15]

事件概述 - 谷歌研究人员公布了一项名为TurboQuant的全新压缩技术，该技术可将运行大语言模型所需的内存量至少减少六分之一，旨在降低人工智能训练的整体成本 [1] - 此消息引发市场对内存需求可能减少的担忧，导致全球多家计算机内存与存储厂商股价大幅下跌 [1] 市场反应 - **SK海力士**：作为全球人工智能领域核心内存芯片供应商，其在韩国交易所股价一度暴跌6.4% [1] - **铠侠控股**：该闪存厂商在东京股市出现相近幅度的下跌 [1] - **美光科技与闪迪**：已于消息公布当日在纽约市场收跌 [1] - **股价背景**：在消息公布前，内存与存储产品因人工智能热潮带来的旺盛需求和供应短缺，价格持续上涨，相关个股走出暴涨行情，例如铠侠自8月底以来股价涨幅已高达700% [2] 技术影响分析 - **核心观点分歧**：市场对TurboQuant技术的影响存在不同看法 [1][2] - **担忧方观点**：技术通过降低运行大语言模型所需内存（至少减少1/6），可能减少对内存硬件的需求，从而影响内存厂商 [1] - **乐观方观点**：部分分析师引用“杰文斯悖论”，认为技术效率提升（单令牌成本降低）反而会推动产品应用需求提升，长期来看对内存厂商有利 [1][2] - **短期与长期影响**： - 摩根大通交易部门认为，内存用量短期内不会受到威胁，投资者可能只是借此消息获利了结 [1] - 摩根士丹利分析师指出，TurboQuant能带来可观的投资回报，对超大规模云服务商属于利好 [1] - 奥图斯顾问公司分析师认为，鉴于当前供应极度紧张，谷歌这项技术进展对需求“影响甚微”，而铠侠股价下跌是经历大幅上涨后的正常获利回吐 [2]

市场整体表现 - 市场震荡调整，三大指数冲高回落，沪指跌1.09%，深成指跌1.41%，创业板指跌1.34% [2] - 沪深两市成交额跌破2万亿，较上一交易日缩量2362亿，全市场超4400只个股下跌 [3] - 市场热点弱势轮动，电力与锂电材料板块表现活跃，而电网设备、光纤及港股市场普遍走低 [4][5] 港股市场动态 - 港股市场整体调整，恒生指数跌破25000点，盘中跌幅超2%，恒生科技指数跌超3% [5][7] - 快手-W领跌恒指成份股，盘中跌幅超过14%，股价创60日新低 [7][9] - 快手2025年全年总收入1428亿元，同比增长12.5%，经调整净利润206亿元，同比增长16.5% [11] - 市场反应剧烈主因增速边际放缓，其第四季度营收增速11.8%低于全年平均，电商GMV同比增长12.9%至5218亿元，增速远低于此前高增长阶段 [11] - 其他港股科技股亦普遍下跌，泡泡玛特盘中跌幅一度超11%，阿里巴巴、美团跌超4%，智谱跌超9% [5][12] 存储芯片行业 - 谷歌研究团队发布名为TurboQuant的新算法论文，可将AI模型推理中的KV缓存压缩至每值3比特，实现高达6倍的缩减，降低大语言模型所需内存规模 [16][17] - 市场担忧该技术影响存储芯片需求前景，导致全球计算机内存与存储类股票普遍下跌 [18] - A股佰维存储、兆易创新跌超5%，东芯股份、北京君正、华虹公司跌超4% [19] - 韩国SK海力士股价一度跌6%，东京铠侠控股跌4%，此前一天美光科技和闪迪公司也出现类似跌幅 [22] - 有分析师认为此次波动更可能是短期现象，效率提升或刺激需求增长的“杰文斯悖论”逻辑曾被用于解释类似担忧 [25] 锂电材料与电力板块 - 锂电材料股反复走强，融捷股份实现3连板，石大胜华、丽岛新材、大东南等多股涨停 [4][26] - 研究观点认为，2025年以来中游材料与电池板块进入周期反转，锂电材料环节呈现量价齐升，业绩弹性更大，有望率先完成盈利修复 [28] - 电力板块探底回升，华电能源6天4板，湖南发展3连板，广西能源、深南电A涨停 [4][29][31] - 消息面上，国家数据局局长表示将大力推进算电协同工程，确保枢纽节点新建算力设施绿电应用占比达到80%以上 [34]

文章核心观点 - 谷歌发布的新型AI内存压缩技术TurboQuant引发市场对存储硬件长期需求的担忧，导致美股存储芯片板块股价大幅下挫 [1][4] - 华尔街投行普遍认为市场反应过度，该技术的实际影响被夸大，并建议投资者应借股价回调之机买入存储芯片概念股 [3][13] - 从长期经济学视角看，该技术通过提升效率、降低成本，可能激活更多AI应用场景，从而提振而非摧毁对算力与内存硬件的总需求 [3][16] 市场反应 - 谷歌发布名为TurboQuant的内存压缩算法后，市场担忧蔓延，导致存储芯片板块资产遭抛售 [4] - 周三盘中，存储芯片与硬件供应链指数一度触及109点的日内低点，最终报收于113.03点，当日下跌2.08% [4] - 个股方面，闪迪盘中一度大跌6.5%，收盘跌超3.4%；美光科技跌4%，收盘跌超3.4%；西部数据跌超4%，收盘跌幅收窄至1.6%；希捷科技跌超5%，收盘跌2.6% [4] 技术细节 - TurboQuant是一种旨在解决AI系统中键值缓存（KV Cache）瓶颈的内存压缩技术 [5] - 其核心是将原本占用大量空间的缓存压缩至3比特 [5] - 技术采用两步压缩法：先通过PolarQuant技术将数据向量转换为极坐标以消除额外的归一化开销，再利用量化算法QJL消除残差误差 [6] - 在采用Gemma和Mistral等开源模型的测试中，该算法实现了至少6倍的内存占用缩减 [4][7] - 在英伟达H100 GPU上，其性能较未量化的32位方案提升了最高8倍 [7] 行业观点：市场过度反应与买入机会 - 华尔街分析师指出，该技术的实际影响被市场过度计价 [3] - Lynx Equity Strategies分析师质疑技术的“颠覆性”，指出当前推理模型已广泛采用4比特量化，8倍性能提升是与老旧的32位模型对比的结果 [14] - 该分析师认为，先进压缩技术仅是为了缓解算力瓶颈，不会破坏未来三到五年内因供应受限而依然坚挺的内存与闪存需求 [14] - 该分析师维持对美光科技700美元的目标价及买入评级，并建议在因谷歌消息引发的回调中买入 [14] - Wells Fargo分析师指出，历史经验表明压缩算法从未从根本上改变硬件采购的整体规模，目前AI内存的需求基本面依然强劲 [15] 长期影响：杰文斯悖论与需求提振 - 摩根士丹利分析指出，TurboQuant仅作用于推理阶段的键值缓存，不影响模型训练任务，也不影响模型权重所占用的高带宽内存（HBM） [16] - 该技术的核心意义在于提升单GPU的吞吐量，使相同硬件能支持更长的上下文或更大的批处理规模 [16] - 摩根士丹利援引“杰文斯悖论”阐释，技术效率提升会降低使用成本，从而激发出更庞大的总需求 [16] - 通过大幅降低单次查询的服务成本，该技术能让原本只能在云端昂贵集群上运行的模型迁移至本地，有效降低AI规模化部署的门槛 [16] - 效率提升将激活更多原本受制于成本而无法落地的AI应用场景，对算力与内存硬件的长期影响是“中性偏正面”的积极信号 [16]