Warum Speicheraktien heute abstürzten: TurboQuant hat das Spiel mit "Googles DeepSeek-Moment" verändert

Warum Speicheraktien heute abstürzten: TurboQuant hat das Spiel mit "Googles DeepSeek-Moment" verändert

Während die Aktien trotz einiger schmerzhafter Schwankungen im Laufe des Tages solide im grünen Bereich schlossen, war ein Sektor ein bemerkenswerter Nachzügler: derselbe Sektor, der den S&P seit dem starken Anstieg der Speicherpreise im letzten Oktober dramatisch übertroffen hatte: Speicheraktien, insbesondere MU und SNDK.

In seinem EOD-Bericht schrieb Goldman-Tech-Spezialist Peter Callahan, dass es zwar nicht viel tatsächliche "Angst" gab, seine Kunden sich aber über viel "Vernunftprüfung" bei den starken Abwärtsbewegungen bei Speicheraktien (MU / SNDK niedriger gegenüber OEMs höher) und insbesondere "dem 5-Tage-Rückgang bei MU, da Micron den SOX seit 5 Tagen um 20 % unterperformt hat, beginnend mit dem blowout-Gewinnbericht des Unternehmens; dieser Rückgang ist die größte 5-Tage-Unterperformance im Verhältnis zu Semis/SOX seit 2011.

Was verursachte den heutigen bemerkenswerten Einbruch, bei dem die Micron-Aktien zeitweise um über 6 % und Sandisk um 9 % fielen, bevor sie Verluste wieder aufholten, wobei andere bemerkenswerte Rückgänge Western Digital (-6,7 %) und Seagate Technologies (-8,5 %) umfassten?

Die Antwort war die neueste Ankündigung von Google Research, das nach Börsenschluss am Mittwoch TurboQuant vorstellte, einen Kompressionsalgorithmus für große Sprachmodelle und Vektorsuchmaschinen, der einen wichtigen Engpass bei der Inferenzspeicherung schrumpft: Er reduziert den Speicherbedarf eines KI-Modells um das 6-fache, macht ihn 8-mal schneller bei gleicher Anzahl von GPUs, während gleichzeitig kein Genauigkeitsverlust auftritt und "KI-Effizienz neu definiert wird".

Introducing TurboQuant: Our new compression algorithm that reduces LLM key-value cache memory by at least 6x and delivers up to 8x speedup, all with zero accuracy loss, redefining AI efficiency. Read the blog to learn how it achieves these results: https://t.co/CDSQ8HpZoc pic.twitter.com/9SJeMqCMlN
— Google Research (@GoogleResearch) March 24, 2026
Die Arbeit soll auf der ICLR 2026 vorgestellt werden, aber die Reaktion online war sofortig: Cloudflare CEO Matthew Prince nannte es "Googles DeepSeek-Moment".

Sicherlich generierte die Ankündigung von @GoogleResearch ein enormes Engagement mit über 7,7 Millionen Aufrufen, was signalisiert, dass die Branche nach einer Lösung für die Speicherknappheit suchte. Alle – außer den Speicherherstellern – waren begeistert.

Innerhalb von 24 Stunden nach der Veröffentlichung begannen Community-Mitglieder, den Algorithmus auf beliebte lokale KI-Bibliotheken wie MLX für Apple Silicon und llama.cpp zu portieren.

Der technische Analyst @Prince_Canuma teilte einen der überzeugendsten frühen Benchmarks und implementierte TurboQuant in MLX, um das Qwen3.5-35B-Modell zu testen.

Über Kontextlängen von 8,5 K bis 64 K Tokens berichtete er eine 100%ige exakte Übereinstimmung bei jeder Quantisierungsstufe und stellte fest, dass 2,5-Bit-TurboQuant den KV-Cache um fast das 5-fache reduzierte, ohne Genauigkeitsverlust. Diese reale Validierung spiegelte Googles interne Forschung wider und bewies, dass die Vorteile des Algorithmus nahtlos auf Drittanbietermodelle übertragen werden können.

Just implemented Google’s TurboQuant in MLX and the results are wild!
Needle-in-a-haystack using Qwen3.5-35B-A3B across 8.5K, 32.7K, and 64.2K context lengths:
→ 6/6 exact match at every quant level
→ TurboQuant 2.5-bit: 4.9x smaller KV cache
→ TurboQuant 3.5-bit: 3.8x… https://t.co/aLxRJIhB1D pic.twitter.com/drVrkL7Pw4
— Prince Canuma (@Prince_Canuma) March 25, 2026
Andere Nutzer konzentrierten sich auf die Demokratisierung von Hochleistungs-KI. @NoahEpstein_ lieferte eine einfache Erklärung und argumentierte, dass TurboQuant die Lücke zwischen kostenloser lokaler KI und teuren Cloud-Abonnements erheblich verringert.

Er stellte fest, dass Modelle, die lokal auf Verbraucherhardware wie einem Mac Mini laufen, "gerade dramatisch besser geworden sind" und 100.000-Token-Gespräche ohne die typische Qualitätsverschlechterung ermöglichen.

Ebenso hob @PrajwalTomar_ die Sicherheits- und Geschwindigkeitsvorteile hervor, "wahnsinnige KI-Modelle lokal kostenlos" auszuführen, und drückte "riesigen Respekt" für Googles Entscheidung aus, die Forschung zu teilen, anstatt sie proprietär zu halten.

Die Implikation ist klar: Wenn Google die gleichen Inferenz-Ergebnisse mit einem Sechstel der Hardware erzielen kann, wird die Nachfrage nach Speicherchips umgekehrt proportional zusammenbrechen – dieselbe gierige Nachfrage, die bis vor kurzem die DDR-Preise in nur 3 Monaten um bis zu das 7-fache in die Höhe trieb, als der Speicherengpass für KI offensichtlich wurde ...

... und vor kurzem auch die Preise für Inferenz-lastige NAND-Flash-Speicher in die Höhe trieb.

Wenn das bekannt vorkommt wie der berüchtigte Pied Piper Algorithmus aus Silicon Valley, dann liegt es daran, dass er es ist, nur ohne den Teil mit dem Selbstbefriedigen:

Der prominente Kryptowährungsanalyst Kaleo fasste die Stimmung perfekt zusammen und twitterte: "Also ist Google TurboQuant im Grunde Pied Piper und hat gerade einen Weismann-Score von 5,2 erreicht." Dieser Verweis auf die Kompressionsmetrik der fiktiven Serie zeigt, wie tief der kulturelle Vergleich Anklang gefunden hat. Der Technologiekommentator Justin Trimble bekräftigte diese Perspektive und sagte einfach: "TurboQuant ist der neue Pied Piper."

Natürlich ist das etwas übertrieben, aber die Prämisse ist vorhanden: bestehende Hardware nehmen und ein weitaus besseres Kompressionsergebnis erzielen.

Eine kurze technische Randbemerkung dazu, wie Turboquant diese bemerkenswerte Effizienzsteigerung pro Entschlüsselung erzielt:

Die Quantisierungseffizienz ist an sich schon eine große Leistung. Aber "kein Genauigkeitsverlust" braucht Kontext. TurboQuant zielt auf den KV-Cache ab – den Teil des GPU-Speichers, der alles speichert, was ein Sprachmodell während eines Gesprächs im Gedächtnis behalten muss.

Wenn die Kontextfenster auf Millionen von Tokens anwachsen, blähen sich diese Caches pro Sitzung auf Hunderte von Gigabytes auf. Das ist der eigentliche Engpass. Nicht die Rechenleistung, sondern der reine Speicher.

Herkömmliche Kompressionsmethoden versuchen, diese Caches zu verkleinern, indem sie Zahlen abrunden – zum Beispiel von 32-Bit-Gleitkommazahlen auf 16, 8 oder 4-Bit-Integer. Um es besser zu verstehen, stellen Sie sich vor, ein Bild von 4K auf Full HD, dann auf 720p zu verkleinern. Es ist leicht zu erkennen, dass es insgesamt dasselbe Bild ist, aber in 4K-Auflösung gibt es mehr Details.

Der Haken: Sie müssen zusätzliche "Quantisierungskonstanten" neben den komprimierten Daten speichern, damit das Modell nicht dumm wird. Diese Konstanten fügen 1 bis 2 Bits pro Wert hinzu und schmälern die Gewinne teilweise.

TurboQuant behauptet, diesen Overhead vollständig zu eliminieren.

Dies geschieht über zwei Unteralgorithmen. PolarQuant trennt Betrag und Richtung in Vektoren, und QJL (Quantized Johnson-Lindenstrauss) nimmt den winzigen verbleibenden Restfehler und reduziert ihn auf ein einziges Vorzeichenbit, positiv oder negativ, ohne gespeicherte Konstanten.

Das Ergebnis, so Google, ist ein mathematisch unvoreingenommener Schätzer für die Aufmerksamkeitsberechnungen, die Transformer-Modelle antreiben.

In Benchmarks mit Gemma und Mistral erreichte TurboQuant bei 4-facher Kompression die Leistung von voller Präzision, einschließlich perfekter Abrufgenauigkeit bei Needle-in-a-Haystack-Aufgaben bis zu 104.000 Tokens.

Als Kontext, warum diese Benchmarks wichtig sind: Die Erweiterung des nutzbaren Kontexts eines Modells ohne Qualitätsverlust war eines der schwierigsten Probleme bei der Bereitstellung von LLMs.

Nun, die Feinheiten. "Kein Genauigkeitsverlust" gilt für die KV-Cache-Kompression während der Inferenz – nicht für die Gewichte des Modells. Die Kompression von Gewichten ist ein völlig anderes, schwierigeres Problem. TurboQuant berührt diese nicht.

Was es komprimiert, ist der temporäre Speicher, der Aufmerksamkeitsberechnungen während der Sitzung speichert, was fehlerverzeihender ist, da diese Daten theoretisch rekonstruiert werden können.

Es gibt auch die Lücke zwischen einem sauberen Benchmark und einem Produktionssystem, das Milliarden von Anfragen bedient. TurboQuant wurde auf Open-Source-Modellen getestet – Gemma, Mistral, Llama – nicht auf Googles eigenem Gemini-Stack im großen Maßstab.

Die Pointe: Im Gegensatz zu den Effizienzgewinnen von DeepSeek, die von Anfang an tiefe architektonische Entscheidungen erforderten, erfordert TurboQuant kein erneutes Training oder Fine-Tuning und beansprucht nur geringe Laufzeit-Overheads. Theoretisch lässt es sich direkt in bestehende Inferenz-Pipelines integrieren.

Das ist der Teil, der den Speicherhardwaresektor erschreckte – denn wenn es in der Produktion funktioniert, werden alle großen KI-Labore mit den gleichen GPUs, die sie bereits besitzen, viel schlanker arbeiten. Oder anders ausgedrückt, in Bezug auf P&L haben KI-Unternehmen – die bereits tief im negativen Cashflow sind – und die plötzlich noch mehr Gewinnmargen (die sie nicht haben, aber annehmen, dass sie sie haben) an steigende RAM-Preise verlieren, einen Softwareweg gefunden, um weitaus weniger Hardware zu benötigen – potenziell bis zu 6x weniger – und damit die Speicherhersteller über den Tisch zu ziehen, die massive Gewinne erzielen, gerade weil sie sich weigern, mehr Speicher zu produzieren, in einem Verhalten, das manche als Kartell bezeichnen würden. Damit haben sie möglicherweise den gesamten physischen Speicherengpass beseitigt, dank des Speicher-Kartells, das magischerweise bis 2027 oder später keine neue Lieferung mehr finden kann.

Aber warten Sie, es wird noch besser: Denn wenn Google bereits einen Kompressionsalgorithmus gefunden hat, der solch phänomenale Effizienzsteigerungen erzielt, ist es praktisch sicher, dass weitere Optimierungen – und konkurrierende Algorithmen – sicherlich zu weitaus größerer Effizienz führen werden, wodurch die benötigte Hardwaremenge noch weiter reduziert wird.

Und so, plötzlich sieht die Speicherblase, die auf der Annahme aufgebaut war, dass die Nachfrage nach DRAM und NAND auch in Zukunft anhalten wird, so aus, als würde sie platzen, da Software gerade ein sehr hartnäckiges Hardwareproblem gelöst haben könnte.

Tatsächlich könnte der heutige Einbruch der Aktien nur der erste Schritt gewesen sein. Die Reaktion des Marktes spiegelt die Erkenntnis wider, dass, wenn KI-Giganten ihre Speicheranforderungen allein durch Software um den Faktor sechs komprimieren können, die unersättliche Nachfrage nach High Bandwidth Memory (HBM) durch algorithmische Effizienz gedämpft werden könnte.

Während wir tiefer in das Jahr 2026 vordringen, deutet das Aufkommen von TurboQuant darauf hin, dass die nächste Ära des KI-Fortschritts ebenso durch mathematische Eleganz wie durch Brute Force definiert wird. Durch die Neudefinition von Effizienz durch extreme Kompression ermöglicht Google "intelligenteren Speicherfluss" für mehrstufige Agenten und dichte Abrufpipelines. Die Branche verschiebt sich von einem Fokus auf "größere Modelle" zu "besserem Speicher", eine Veränderung, die die KI-Bereitstellungskosten weltweit senken könnte.

Letztendlich beweist TurboQuant, dass die Grenze der KI nicht nur darin liegt, wie viele Transistoren wir auf einen Chip packen können, sondern wie elegant wir die unendliche Komplexität von Informationen in den endlichen Raum eines digitalen Bits übersetzen können. Für Unternehmen ist dies mehr als nur eine Forschungsarbeit; es ist ein taktischer Durchbruch, der bestehende Hardware in ein signifikant leistungsfähigeres Asset verwandelt.

Die Google-Arbeit geht zur ICLR 2026. Bis sie in Produktion geht, bleibt die "Null-Verlust"-Schlagzeile im Labor, aber der Markt wartet nicht und die bloße Drohung, dass die Nachfrage nach Speicher um Größenordnungen sinken könnte, könnte das gesamte Ökosystem erschüttern. In diesem Fall kaufen Sie Puts auf den Kospi, der zu etwa 100 % überbewertet ist, wenn der "Speichervorteil" seiner beiden Kernaktien, Samsung und SK Hynix, verschwindet. Wenn man darüber nachdenkt, shorten Sie alles Speicherbezogene.

Weitere Informationen finden Sie unter "Googles neuer TurboQuant-Algorithmus beschleunigt KI-Speicher 8x und senkt Kosten um 50 % oder mehr"

Tyler Durden
Mi, 25.03.2026 - 21:45