आज मेमोरी स्टॉक्स क्यों गिरे: टर्बोक्वांट ने "गूगल के डीपसीक मोमेंट" के साथ गेम बदल दिया

आज मेमोरी स्टॉक्स क्यों गिरे: टर्बोक्वांट ने "गूगल के डीपसीक मोमेंट" के साथ गेम बदल दिया

आज स्टॉक हरे निशान में बंद हुए, दिन के दौरान कुछ दर्दनाक उतार-चढ़ाव के बावजूद, एक क्षेत्र उल्लेखनीय रूप से पिछड़ गया: वही क्षेत्र जिसने अक्टूबर में मेमोरी की कीमतों में उछाल के बाद से एस एंड पी से काफी बेहतर प्रदर्शन किया था: मेमोरी स्टॉक्स, विशेष रूप से एमयू और एसएनडीके।

गोल्डमैन के टेक विशेषज्ञ पीटर कॉल्हन ने अपने ईओडी रैप में लिखा कि जबकि वास्तव में बहुत अधिक "चिंता" नहीं थी, उनके ग्राहकों ने मेमोरी स्टॉक्स (एमयू / एसएनडीके ओईएम की तुलना में कम) में तेज गिरावट और विशेष रूप से "एमयू में 5 दिन की गिरावट" के बारे में शिकायत की, क्योंकि माइक्रोन ने कंपनी की ब्लोआउट अर्निंग रिपोर्ट के साथ 5 दिनों में एसओएक्स से 20% कम प्रदर्शन किया है; यह चाल 2011 के बाद से सेमी / एसओएक्स के मुकाबले सबसे बड़ी 5-दिवसीय अंडरपरफॉर्मेंस है।

आज की उल्लेखनीय गिरावट का कारण क्या था, जिसमें एक समय माइक्रोन के शेयर 6% से अधिक और सैंडडिस्क 9% गिर गए थे, इससे पहले कि वे नुकसान को कम कर सकें, जिसमें अन्य उल्लेखनीय गिरावटों में वेस्टर्न डिजिटल (-6.7%) और सीगेट टेक्नोलॉजीज (-8.5%) शामिल थे?

इसका जवाब गूगल रिसर्च की नवीनतम घोषणा थी, जिसने बुधवार को क्लोजिंग के बाद टर्बोक्वांट का अनावरण किया, जो बड़े भाषा मॉडल और वेक्टर सर्च इंजन के लिए एक कम्प्रेशन एल्गोरिथम है, जो एक प्रमुख अनुमान-मेमोरी बाधा को कम करता है: यह एआई मॉडल की मेमोरी को 6x तक कम करता है, जिससे यह समान संख्या में जीपीयू के साथ 8x तेज हो जाता है, जबकि सटीकता में शून्य हानि बनाए रखता है और "एआई दक्षता को फिर से परिभाषित करता है।"

टर्बोक्वांट का परिचय: हमारा नया कम्प्रेशन एल्गोरिथम जो एलएलएम की-वैल्यू कैश मेमोरी को कम से कम 6x तक कम करता है और 8x तक स्पीडअप प्रदान करता है, सभी शून्य सटीकता हानि के साथ, एआई दक्षता को फिर से परिभाषित करता है। यह जानने के लिए ब्लॉग पढ़ें कि यह इन परिणामों को कैसे प्राप्त करता है: https://t.co/CDSQ8HpZoc pic.twitter.com/9SJeMqCMlN
— गूगल रिसर्च (@GoogleResearch) 24 मार्च, 2026
यह पेपर आईसीएलआर 2026 में प्रस्तुत किया जाना है, लेकिन ऑनलाइन प्रतिक्रिया तत्काल थी: क्लाउडफ्लेयर के सीईओ मैथ्यू प्रिंस ने इसे "गूगल का डीपसीक मोमेंट" कहा।

निश्चित रूप से, @GoogleResearch की घोषणा ने भारी जुड़ाव उत्पन्न किया, जिसमें 7.7 मिलियन से अधिक बार देखा गया, यह दर्शाता है कि उद्योग मेमोरी संकट के समाधान के लिए भूखा था। हर कोई - मेमोरी उत्पादकों को छोड़कर - उत्साहित था।

रिलीज के 24 घंटे के भीतर, समुदाय के सदस्यों ने ऐप्पल सिलिकॉन और लामा.cpp के लिए एमएलएक्स जैसे लोकप्रिय स्थानीय एआई पुस्तकालयों में एल्गोरिथम को पोर्ट करना शुरू कर दिया।

तकनीकी विश्लेषक @Prince_Canuma ने सबसे सम्मोहक शुरुआती बेंचमार्क में से एक साझा किया, जिसमें एमएलएक्स में टर्बोक्वांट को लागू करके क्यूवेन3.5-35बी मॉडल का परीक्षण किया गया।

8.5K से 64K टोकन तक के संदर्भ लंबाई में, उन्होंने हर क्वांटिज़ेशन स्तर पर 100% सटीक मिलान की सूचना दी, यह देखते हुए कि 2.5-बिट टर्बोक्वांट ने शून्य सटीकता हानि के साथ केवी कैश को लगभग 5x कम कर दिया। इस वास्तविक दुनिया के सत्यापन ने गूगल के आंतरिक शोध को प्रतिध्वनित किया, यह साबित करते हुए कि एल्गोरिथम के लाभ तीसरे पक्ष के मॉडल में सहजता से अनुवादित होते हैं।

अभी एमएलएक्स में गूगल के टर्बोक्वांट को लागू किया है और परिणाम जंगली हैं!
8.5K, 32.7K, और 64.2K संदर्भ लंबाई में क्यूवेन3.5-35बी-ए3बी का उपयोग करके नीडल-इन-ए-हेस्टैक:
→ हर क्वांट स्तर पर 6/6 सटीक मिलान
→ टर्बोक्वांट 2.5-बिट: 4.9x छोटा केवी कैश
→ टर्बोक्वांट 3.5-बिट: 3.8x… https://t.co/aLxRJIhB1D pic.twitter.com/drVrkL7Pw4
— प्रिंस कैनुमा (@Prince_Canuma) 25 मार्च, 2026
अन्य उपयोगकर्ताओं ने उच्च-प्रदर्शन एआई के लोकतंत्रीकरण पर ध्यान केंद्रित किया। @NoahEpstein_ ने एक सरल अंग्रेजी में विश्लेषण प्रदान किया, यह तर्क देते हुए कि टर्बोक्वांट मुफ्त स्थानीय एआई और महंगे क्लाउड सब्सक्रिप्शन के बीच के अंतर को काफी कम कर देता है।

उन्होंने नोट किया कि मैक मिनी जैसे उपभोक्ता हार्डवेयर पर स्थानीय रूप से चलने वाले मॉडल "बस नाटकीय रूप से बेहतर हो गए हैं," जिससे सामान्य गुणवत्ता गिरावट के बिना 100,000-टोकन वार्तालाप सक्षम हो गए हैं।

इसी तरह, @PrajwalTomar_ ने "अविश्वसनीय एआई मॉडल को स्थानीय रूप से मुफ्त में चलाने" के सुरक्षा और गति लाभों पर प्रकाश डाला, शोध को मालिकाना रखने के बजाय साझा करने के गूगल के फैसले के लिए "बहुत सम्मान" व्यक्त किया।

निहितार्थ स्पष्ट है: यदि गूगल एक-छठे हार्डवेयर के साथ समान अनुमान परिणाम प्राप्त कर सकता है, तो मेमोरी चिप्स की मांग विपरीत अनुपात में गिर जाएगी - वही लालची मांग जिसने हाल ही में केवल 3 महीनों में डीडीआर की कीमतों को 7x तक बढ़ा दिया था जब एआई के लिए मेमोरी बाधा स्पष्ट हो गई थी...

... और हाल ही में अनुमान-भारी नैंड फ्लैश की कीमतों में भी उछाल आया।

यदि यह सिलिकॉन वैली से कुख्यात पिड पाइपर एल्गोरिथम जैसा लगता है, तो यह इसलिए है, झटके वाले हिस्से को छोड़कर:

प्रमुख क्रिप्टोक्यूरेंसी विश्लेषक कालो ने भावना को पूरी तरह से पकड़ लिया, ट्वीट किया: "तो गूगल टर्बोक्वांट मूल रूप से पिड पाइपर है और अभी-अभी 5.2 का वीसमैन स्कोर हिट किया है।" काल्पनिक शो के कम्प्रेशन मीट्रिक का यह संदर्भ दर्शाता है कि सांस्कृतिक तुलना कितनी गहराई से गूंजी है। प्रौद्योगिकी टिप्पणीकार जस्टिन ट्रिम्बल ने इसी दृष्टिकोण को दोहराया, बस यह कहा: "टर्बोक्वांट नया पिड पाइपर है।"

बेशक, यह थोड़ा अतिशयोक्तिपूर्ण है, लेकिन आधार मौजूद है: मौजूदा हार्डवेयर लेना और बहुत बेहतर कम्प्रेशन परिणाम प्राप्त करना।

प्रति डिक्रिप्ट दक्षता में इस उल्लेखनीय सुधार को टर्बोक्वांट कैसे प्राप्त करता है, इस पर एक त्वरित तकनीकी साइड नोट:

क्वांटिज़ेशन दक्षता अपने आप में एक बड़ी उपलब्धि है। लेकिन "शून्य सटीकता हानि" को संदर्भ की आवश्यकता है। टर्बोक्वांट केवी कैश को लक्षित करता है - जीपीयू मेमोरी का वह हिस्सा जो एक भाषा मॉडल को बातचीत के दौरान याद रखने के लिए आवश्यक सब कुछ संग्रहीत करता है।

जैसे-जैसे संदर्भ विंडो लाखों टोकन तक बढ़ती है, वे कैश प्रति सत्र सैकड़ों गीगाबाइट तक बढ़ जाते हैं। वह वास्तविक बाधा है। गणना शक्ति नहीं बल्कि कच्ची मेमोरी।

पारंपरिक कम्प्रेशन विधियां उन कैश को संख्याओं को नीचे की ओर गोल करके सिकोड़ने की कोशिश करती हैं - उदाहरण के लिए, 32-बिट फ्लोट से 16, 8 से 4-बिट पूर्णांक तक। इसे बेहतर ढंग से समझने के लिए, 4K से फुल एचडी, 720p और इसी तरह की छवि को सिकोड़ने के बारे में सोचें। यह बताना आसान है कि यह समग्र रूप से एक ही छवि है, लेकिन 4K रिज़ॉल्यूशन में अधिक विवरण है।

पकड़: मॉडल को बेवकूफ बनने से रोकने के लिए उन्हें संपीड़ित डेटा के साथ अतिरिक्त "क्वांटिज़ेशन स्थिरांक" संग्रहीत करने की आवश्यकता होती है। वे स्थिरांक मान प्रति 1 से 2 बिट जोड़ते हैं, आंशिक रूप से लाभ को कम करते हैं।

टर्बोक्वांट का दावा है कि यह उस ओवरहेड को पूरी तरह से समाप्त कर देता है।

यह दो उप-एल्गोरिदम के माध्यम से करता है। पोलरक्वांट वैक्टर में परिमाण को दिशा से अलग करता है, और क्यूजेएल (क्वांटाइज़्ड जॉनसन-लिंडेनस्ट्रॉस) बची हुई छोटी अवशिष्ट त्रुटि लेता है और इसे शून्य संग्रहीत स्थिरांक के साथ, सकारात्मक या नकारात्मक, एक एकल चिह्न बिट तक कम कर देता है।

परिणाम, गूगल का कहना है, ट्रांसफार्मर मॉडल को चलाने वाले ध्यान गणना के लिए गणितीय रूप से निष्पक्ष अनुमानक है।

गेम्मा और मिस्ट्रल का उपयोग करके बेंचमार्क में, टर्बोक्वांट ने 104,000 टोकन तक की नीडल-इन-ए-हेस्टैक कार्यों पर पूर्ण पुनर्प्राप्ति सटीकता सहित, 4x कम्प्रेशन के तहत पूर्ण-परिशुद्धता प्रदर्शन से मिलान किया।

उन बेंचमार्क के महत्व के संदर्भ में, गुणवत्ता हानि के बिना किसी मॉडल के प्रयोग करने योग्य संदर्भ का विस्तार करना एलएलएम परिनियोजन में सबसे कठिन समस्याओं में से एक रहा है।

अब, फाइन प्रिंट। "शून्य सटीकता हानि" अनुमान के दौरान केवी कैश कम्प्रेशन पर लागू होती है - मॉडल के भार पर नहीं। भार को संपीड़ित करना एक पूरी तरह से अलग, कठिन समस्या है। टर्बोक्वांट उन्हें नहीं छूता है।

यह अस्थायी मेमोरी को संपीड़ित करता है जो सत्र-मध्य ध्यान गणनाओं को संग्रहीत करता है, जो अधिक क्षमाशील है क्योंकि उस डेटा को सैद्धांतिक रूप से पुनर्निर्मित किया जा सकता है।

एक साफ बेंचमार्क और अरबों अनुरोधों की सेवा करने वाली उत्पादन प्रणाली के बीच एक अंतर भी है। टर्बोक्वांट का परीक्षण ओपन-सोर्स मॉडल - गेम्मा, मिस्ट्रल, लामा - पर किया गया था, न कि गूगल के अपने जेमिनी स्टैक पर बड़े पैमाने पर।

पंचलाइन: डीपसीक के दक्षता लाभों के विपरीत, जिसके लिए शुरू से ही गहरी वास्तुशिल्प निर्णय लेने की आवश्यकता थी, टर्बोक्वांट को किसी पुन: प्रशिक्षण या फाइन-ट्यूनिंग की आवश्यकता नहीं है और यह नगण्य रनटाइम ओवरहेड का दावा करता है। सिद्धांत रूप में, यह मौजूदा अनुमान पाइपलाइनों में सीधे गिर जाता है।

यही वह हिस्सा है जिसने मेमोरी हार्डवेयर क्षेत्र को डरा दिया - क्योंकि यदि यह उत्पादन में काम करता है, तो हर प्रमुख एआई लैब अपने मौजूदा जीपीयू पर बहुत दुबला चलेगा। या कहा, पी एंड एल के संदर्भ में, एआई कंपनियों - पहले से ही गहरी नकदी प्रवाह नकारात्मक - और जो अचानक बढ़ती रैम की कीमतों के कारण और भी अधिक लाभ मार्जिन (जो उनके पास नहीं है लेकिन मानते हैं कि उनके पास था) का खून बहा रही हैं, ने बहुत कम हार्डवेयर की आवश्यकता के लिए एक सॉफ्टवेयर तरीका ढूंढ लिया है - संभावित रूप से 6x कम - और इस प्रकार मेमोरी निर्माताओं पर टेबल पलट दिया है जो भारी मुनाफा कमा रहे हैं, ठीक इसलिए क्योंकि वे अधिक मेमोरी का उत्पादन करने से इनकार करते हैं, जिसे कुछ लोग कार्टेल जैसा व्यवहार कहेंगे। ऐसा करके, उन्होंने पूरी भौतिक मेमोरी बाधा को समाप्त कर दिया होगा, जो मेमोरी कार्टेल के सौजन्य से है जो जादुई रूप से 2027 या बाद तक कोई नई आपूर्ति नहीं ढूंढ सकता है।

लेकिन रुकिए, यह बेहतर हो जाता है: क्योंकि यदि गूगल ने पहले ही एक कम्प्रेशन एल्गोरिथम ढूंढ लिया है जो इतने अभूतपूर्व दक्षता सुधार प्राप्त करता है, तो यह लगभग निश्चित है कि आगे अनुकूलन - और प्रतिस्पर्धी एल्गोरिथम - निश्चित रूप से और भी अधिक दक्षता की ओर ले जाएगा, जिससे आवश्यक हार्डवेयर की मात्रा और भी कम हो जाएगी।

और बस ऐसे ही, अचानक मेमोरी बबल जो इस धारणा पर बनाया गया था कि भविष्य में डीआरएएम और नैंड की मांग बनी रहेगी, सॉफ्टवेयर के कारण फट जाने के लिए तैयार दिखता है, जिसने एक बहुत ही चिपचिपी हार्डवेयर समस्या को हल कर दिया है।

वास्तव में आज स्टॉक में गिरावट पहला कदम हो सकती है। बाजार की प्रतिक्रिया इस अहसास को दर्शाती है कि यदि एआई दिग्गज अकेले सॉफ्टवेयर के माध्यम से अपनी मेमोरी आवश्यकताओं को छह के कारक से संपीड़ित कर सकते हैं, तो हाई बैंडविड्थ मेमोरी (एचबीएम) की अतृप्त मांग को एल्गोरिथम दक्षता द्वारा नियंत्रित किया जा सकता है।

जैसे-जैसे हम 2026 में गहराई में जाते हैं, टर्बोक्वांट का आगमन बताता है कि एआई प्रगति का अगला युग उतना ही गणितीय लालित्य द्वारा परिभाषित किया जाएगा जितना कि क्रूर बल द्वारा। अत्यधिक कम्प्रेशन के माध्यम से दक्षता को फिर से परिभाषित करके, गूगल मल्टी-स्टेप एजेंटों और सघन पुनर्प्राप्ति पाइपलाइनों के लिए "स्मार्ट मेमोरी मूवमेंट" को सक्षम कर रहा है। उद्योग "बड़े मॉडल" पर ध्यान केंद्रित करने से "बेहतर मेमोरी" पर स्थानांतरित हो रहा है, एक ऐसा परिवर्तन जो विश्व स्तर पर एआई सर्विंग लागत को कम कर सकता है।

अंततः, टर्बोक्वांट साबित करता है कि एआई की सीमा केवल यह नहीं है कि हम एक चिप पर कितने ट्रांजिस्टर फिट कर सकते हैं, बल्कि यह है कि हम सूचना की अनंत जटिलता को डिजिटल बिट के सीमित स्थान में कितनी सुरुचिपूर्ण ढंग से अनुवादित कर सकते हैं। उद्यम के लिए, यह सिर्फ एक शोध पत्र से अधिक है; यह एक सामरिक अनलॉक है जो मौजूदा हार्डवेयर को काफी अधिक शक्तिशाली संपत्ति में बदल देता है।

गूगल का पेपर आईसीएलआर 2026 में जाता है। जब तक यह उत्पादन में शिप नहीं हो जाता, तब तक "शून्य हानि" हेडलाइन लैब में रहती है, लेकिन बाजार इंतजार नहीं कर रहा है और मांग में भारी गिरावट की धमकी मात्र पूरे पारिस्थितिकी तंत्र को चौंका सकती है। उस स्थिति में, कोस्पी पर पुट खरीदें, जो इसके दो मुख्य स्टॉक, सैमसंग और एसके हाइनिक्स के "मेमोरी लाभ" के गायब होने पर लगभग 100% अधिक मूल्यांकित है। सोचें तो, सब कुछ मेमोरी को शॉर्ट करें।

अधिक के लिए, कृपया "गूगल का नया टर्बोक्वांट एल्गोरिथम एआई मेमोरी को 8x तेज करता है, लागत को 50% या उससे अधिक तक काटता है" देखें

टायलर डर्डन
बुध, 03/25/2026 - 21:45