¿Por Qué Las Acciones De Memoria Se Derrumbaron Hoy?: TurboQuant Acaba De Cambiar El Juego Con El "Momento DeepSeek De Google"

¿Por Qué Las Acciones De Memoria Se Derrumbaron Hoy?: TurboQuant Acaba De Cambiar El Juego Con El "Momento DeepSeek De Google"

Con las acciones cerrando sólidas en verde a pesar de algunos tambaleos dolorosos durante el día, un sector fue un rezagado notable: el mismo sector que había superado dramáticamente al S&P desde que los precios de la memoria se dispararon el pasado mes de octubre: las acciones de memoria, más notablemente MU y SNDK.

En su resumen del fin del día, Peter Callahan, especialista en tecnología de Goldman, escribió que si bien no había mucha "angustia" real, sus clientes se quejaron de mucha "verificación de la cordura" sobre los movimientos descendentes pronunciados en las acciones de memoria (MU / SNDK más bajos frente a los OEM más altos) y especialmente "el deslizamiento de 5 días en MU ya que Micron ha superado al SOX en un 20% en 5 días, comenzando con el informe de ganancias excepcionales de la compañía; ese movimiento se clasifica como el 5 días de peor desempeño relativo a Semis/SOX desde 2011.

¿Qué causó la notable caída de hoy, que en un momento vio caer las acciones de Micron en más del 6% y Sandisk deslizándose un 9% antes de reducir las pérdidas, con otros declives notables que incluyen Western Digital (-6,7%) y Seagate Technologies (-8,5%)?

La respuesta fue el último anuncio de Google Research, que después del cierre el miércoles desveló TurboQuant, un algoritmo de compresión para modelos de lenguaje grandes y motores de búsqueda de vectores, que reduce un importante cuello de botella de memoria de inferencia: reduce la memoria del modelo de IA en 6 veces, haciéndolo 8 veces más rápido con la misma cantidad de GPU, al tiempo que mantiene cero pérdida de precisión y "redefiniendo la eficiencia de la IA".

Presentamos TurboQuant: nuestro nuevo algoritmo de compresión que reduce la memoria de caché clave-valor de los LLM en al menos 6 veces y ofrece hasta 8 veces de aceleración, todo con cero pérdida de precisión, redefiniendo la eficiencia de la IA. Lea el blog para saber cómo logra estos resultados: https://t.co/CDSQ8HpZoc pic.twitter.com/9SJeMqCMlN
— Google Research (@GoogleResearch) 24 de marzo de 2026
El artículo está programado para su presentación en ICLR 2026, pero la reacción en línea fue inmediata: Matthew Prince, CEO de Cloudflare, lo calificó como el "momento DeepSeek de Google".

Ciertamente, el anuncio de @GoogleResearch generó un compromiso masivo, con más de 7,7 millones de visualizaciones, lo que indica que la industria estaba ansiosa por una solución a la crisis de la memoria. Todos, excepto los productores de memoria, estaban extasiados.

Dentro de las 24 horas del lanzamiento, los miembros de la comunidad comenzaron a portar el algoritmo a populares bibliotecas de IA locales como MLX para Apple Silicon y llama.cpp.

El analista técnico @Prince_Canuma compartió una de las primeras pruebas de referencia más convincentes, implementando TurboQuant en MLX para probar el modelo Qwen3.5-35B.

En longitudes de contexto que oscilan entre 8.5K y 64K tokens, informó una coincidencia exacta del 100% en cada nivel de cuantificación, notando que TurboQuant de 2,5 bits redujo la caché KV en casi 5 veces con cero pérdida de precisión. Esta validación en el mundo real hizo eco de la investigación interna de Google, demostrando que los beneficios del algoritmo se traducen sin problemas en modelos de terceros.

¡Acabo de implementar Google’s TurboQuant en MLX y los resultados son salvajes!
Búsqueda de agujas en un pajar usando Qwen3.5-35B-A3B en 8.5K, 32.7K y 64.2K longitudes de contexto:
→ Coincidencia exacta de 6/6 en cada nivel de cuantificación
→ TurboQuant de 2,5 bits: caché KV 4,9 veces más pequeña
→ TurboQuant de 3,5 bits: 3,8 veces… https://t.co/aLxRJIhB1D pic.twitter.com/drVrkL7Pw4
— Prince Canuma (@Prince_Canuma) 25 de marzo de 2026
Otros usuarios se centraron en la democratización de la IA de alto rendimiento. @NoahEpstein_ proporcionó un desglose en inglés sencillo, argumentando que TurboQuant reduce significativamente la brecha entre la IA local gratuita y las suscripciones en la nube costosas.

Notó que los modelos que se ejecutan localmente en hardware de consumo como un Mac Mini "acaban de mejorar dramáticamente", lo que permite conversaciones de 100 000 tokens sin la típica degradación de la calidad.

De manera similar, @PrajwalTomar_ destacó los beneficios de seguridad y velocidad de ejecutar "modelos de IA insanos localmente de forma gratuita", expresando "un gran respeto" por la decisión de Google de compartir la investigación en lugar de mantenerla propietaria.

La implicación es clara: si Google puede lograr los mismos resultados de inferencia con una sexta parte del hardware, entonces la demanda de chips de memoria colapsará en proporción inversa: la misma demanda voraz que, hasta hace poco, envió los precios de DDR hasta 7 veces más altos en solo 3 meses cuando el cuello de botella de la memoria para la IA se hizo evidente...

... y más recientemente, los precios de la memoria NAND con uso intensivo de inferencias también se dispararon.

Si esto suena similar al infame algoritmo Pied Piper de Silicon Valley, es porque lo es, todo menos la parte de masturbarse:

El analista de criptomonedas prominente Kaleo capturó el sentimiento a la perfección, tuiteando: “Así que Google TurboQuant es básicamente Pied Piper y acaba de obtener una puntuación Weismann de 5.2”. Esta referencia a la métrica de compresión del programa de televisión ficticio demuestra cuán profundamente ha resonado la comparación cultural. El comentarista tecnológico Justin Trimble hizo eco de esta perspectiva, simplemente afirmando: “TurboQuant es el nuevo Pied Piper”.

Por supuesto, eso es un poco hiperbólico, pero la premisa está ahí: tomar hardware existente y lograr un resultado de compresión mucho mejor.

Una breve nota técnica sobre cómo Turboquant logra esta notable mejora en la eficiencia por descifrado:

La eficiencia de la cuantificación es un gran logro en sí mismo. Pero la "pérdida de precisión cero" necesita contexto. TurboQuant se dirige a la caché KV, el fragmento de memoria de la GPU que almacena todo lo que un modelo de lenguaje necesita recordar durante una conversación.

A medida que las ventanas de contexto crecen hacia millones de tokens, esas cachés se hinchan hasta cientos de gigabytes por sesión. Esa es la verdadera limitación. No potencia de cálculo, sino memoria bruta.

Los métodos de compresión tradicionales intentan reducir esas cachés redondeando los números hacia abajo, de 32 bits flotantes a 16, a 8 a 4 bits enteros, por ejemplo. Para comprenderlo mejor, piense en reducir una imagen de 4K, a alta definición completa, a 720p y así. Es fácil decir que es la misma imagen en general, pero hay más detalles en la resolución 4K.

La trampa: deben almacenar constantes de cuantificación adicionales junto con los datos comprimidos para evitar que el modelo se vuelva estúpido. Esas constantes agregan 1 a 2 bits por valor, erosionando parcialmente las ganancias.

TurboQuant afirma que elimina esa sobrecarga por completo.

Lo hace a través de dos subalgoritmos. PolarQuant separa la magnitud de la dirección en vectores, y QJL (Quantized Johnson-Lindenstrauss) toma el pequeño error residual que queda y lo reduce a un bit de signo único, positivo o negativo, con cero constantes almacenadas.

El resultado, dice Google, es un estimador matemáticamente imparcial para los cálculos de atención que impulsan los modelos transformadores.

En pruebas comparativas utilizando Gemma y Mistral, TurboQuant igualó el rendimiento de precisión completa con menos de 4 veces la compresión, incluida la recuperación de precisión perfecta en tareas de búsqueda de agujas en un pajar de hasta 104 000 tokens.

Para comprender por qué importan esas pruebas comparativas, expandir la ventana de contexto de un modelo sin pérdida de calidad ha sido uno de los problemas más difíciles en el despliegue de LLM.

Ahora, la letra pequeña. La "pérdida de precisión cero" se aplica a la compresión de la caché KV durante la inferencia, no a los pesos del modelo. La compresión de pesos es un problema completamente diferente y más difícil. TurboQuant no lo toca.

Lo que comprime es la memoria temporal que almacena los cálculos de atención en sesión, lo que es más indulgente porque esos datos teóricamente se pueden reconstruir.

También existe la brecha entre una prueba comparativa limpia y un sistema de producción que atiende miles de millones de solicitudes. TurboQuant se probó en modelos de código abierto, Gemma, Mistral, Llama, no en la pila Gemini de Google a escala.

El golpe final: a diferencia de las ganancias de eficiencia de DeepSeek, que requirieron decisiones arquitectónicas profundas integradas desde el principio, TurboQuant no requiere volver a entrenar ni ajustar y afirma tener una sobrecarga de tiempo de ejecución insignificante. En teoría, se integra directamente en los flujos de trabajo de inferencia existentes.

Esa es la parte que asustó al sector del hardware de la memoria, porque si funciona en producción, cada laboratorio importante de IA ejecutará mucho más ligero en los mismos GPU que ya posee. O dicho en términos de P&L, las empresas de IA, que ya tienen un flujo de caja negativo, y que de repente están sangrando aún más márgenes de beneficio (que no tienen pero asumen que sí) a los precios de la RAM en aumento, han encontrado una forma de software de requerir hasta 6 veces menos hardware y, por lo tanto, voltear la mesa sobre los fabricantes de memoria que están generando ganancias masivas precisamente porque se niegan a producir más memoria en lo que algunos llamarían un comportamiento similar a un cártel. Al hacerlo, pueden haber eliminado todo el cuello de botella físico de la memoria, cortesía del cártel de la memoria que mágicamente no puede encontrar ningún nuevo suministro hasta 2027 o más tarde.

Pero espera, hay más: porque si Google ya ha encontrado un algoritmo de compresión que logra tales impresionantes mejoras de eficiencia, es virtualmente seguro que una mayor optimización y algoritmos competidores seguramente conducirán a una eficiencia aún mayor, reduciendo la cantidad de hardware necesario aún más.

Y así, de repente, el estallido de la burbuja de la memoria que se construyó sobre la suposición de que la demanda de DRAM y NAND persistirá en el futuro, parece estar a punto de estallar ya que el software puede haber resuelto un problema de hardware muy pegajoso.

En efecto, la caída de hoy puede haber sido solo el primer paso. La reacción del mercado refleja la realización de que, si los gigantes de la IA pueden comprimir sus requisitos de memoria en un factor de seis solo a través de software, la demanda insaciable de High Bandwidth Memory (HBM) puede ser templada por la eficiencia algorítmica.

A medida que avanzamos más en 2026, la llegada de TurboQuant sugiere que la próxima era de progreso de la IA se definirá tanto por la elegancia matemática como por la fuerza bruta. Al redefinir la eficiencia a través de una compresión extrema, Google está permitiendo un "movimiento de memoria más inteligente" para agentes de varios pasos y pipelines de recuperación densa. El sector está cambiando de un enfoque en "modelos más grandes" a "mejor memoria", un cambio que podría reducir los costos de servicio de IA a nivel mundial.

En última instancia, TurboQuant demuestra que el límite de la IA no es solo cuántos transistores podemos meter en un chip, sino cuán elegantemente podemos traducir la complejidad infinita de la información en el espacio finito de un bit digital. Para las empresas, esto es más que un artículo de investigación; es un desbloqueo táctico que convierte el hardware existente en un activo significativamente más poderoso.

El artículo de Google se presenta en ICLR 2026. Hasta que se implemente en producción, el titular de "pérdida cero" permanece en el laboratorio, pero el mercado está esperando y la mera amenaza de que la demanda de memoria pueda caer en órdenes de magnitud podría sorprender a todo el ecosistema. En ese caso, compre opciones de venta en el Kospi, que está sobrevalorado en un 100% si el "beneficio de la memoria" de sus dos acciones principales, Samsung y SK Hynix, desaparece. Piénselo bien, venda todo lo relacionado con la memoria.

Para más información, consulte "El nuevo algoritmo TurboQuant de Google acelera la memoria de la IA en 8 veces, reduciendo los costos en un 50% o más"

Tyler Durden
Mié, 25/03/2026 - 21:45