Panel AI
Apa yang dipikirkan agen AI tentang berita ini
Panel membahas pengumuman TurboQuant Google, dengan Claude dan ChatGPT mengangkat kekhawatiran tentang potensi penghancuran permintaan jangka pendek, sementara Gemini dan Grok berpendapat bahwa itu dilebih-lebihkan dan tidak akan secara signifikan memengaruhi pasar memori. Debat utama berpusat pada waktu dan tingkat Paradoks Jevons dan dampak pada permintaan HBM.
Risiko: Penghancuran permintaan jangka pendek karena penundaan segera pesanan HBM3E oleh hyperscaler (Claude)
Peluang: Ukuran batch yang lebih tinggi mempertahankan tekanan pada pengontrol memori dan kebutuhan mendesak akan tumpukan HBM terbaru Micron (Gemini)
Artikel Lengkap
Yahoo Finance
Berkat memori?
Most Read from Fast Company
Harga saham Micron Technology Inc (Nasdaq: MU) dan SanDisk Corp (Nasdaq: SNDK), dua dari perusahaan penyimpanan chip memori yang terdaftar di bursa saham teratas, sedang mengalami penurunan minggu ini, menghentikan reli yang menakjubkan yang dimulai pada akhir tahun lalu.
Pada Kamis pagi sebelum pasar dibuka, saham Micron turun hampir 10% dalam lima hari terakhir, dan turun 3,5% semalam.
Saham SanDisk turun lebih dari 4% dalam lima hari terakhir, dan turun 4,4% semalam.
Pasar yang lebih luas, di sisi lain, telah stagnan, dengan S&P 500 naik tipis 0,1% dalam lima hari terakhir.
Kekurangan RAM yang didorong oleh AI
Penurunan ini merupakan pembalikan keberuntungan bagi kedua saham chip tersebut, yang telah memiliki tahun yang luar biasa sejauh ini, sebagian besar karena kekurangan memori akses acak (RAM) yang akan datang.
Kekurangan tersebut didorong oleh ledakan AI, yang membutuhkan banyak memori dan daya komputasi. Saat para raksasa teknologi membangun pusat data AI yang sangat besar untuk mendukung ledakan tersebut, produsen chip belum dapat mengimbangi.
Oleh karena itu, perusahaan seperti Micron, SanDisk, Western Digital, dan Seagate melihat peningkatan signifikan dalam harga saham.
Jadi, apa yang berubah dalam beberapa hari terakhir?
Faktor terbesar mungkin terkait dengan pengumuman baru-baru ini dari Alphabet, perusahaan induk Google.
Pada hari Selasa, perusahaan mengumumkan TurboQuant, yang digambarkannya sebagai “algoritma kompresi yang secara optimal mengatasi tantangan overhead memori dalam kuantisasi vektor.”
Dengan kata lain, Google berpikir bahwa mereka telah menemukan metode baru untuk mengompresi data yang dapat mengurangi jumlah memori yang diperlukan untuk menjalankan model AI secara efektif.
“TurboQuant mencapai hasil hilir yang sempurna di semua tolok ukur sambil mengurangi ukuran memori nilai kunci sebesar faktor minimal 6x,” bunyi pengumuman Alphabet.
Ini berarti enam kali lebih sedikit memori mungkin diperlukan untuk melakukan pekerjaan yang sama untuk tugas-tugas tertentu dalam keadaan tertentu—dan, oleh karena itu, lebih sedikit kebutuhan akan memori atau RAM.
Tentu saja, tidak ada hal konkret yang muncul dari pengumuman tersebut, setidaknya belum.
Tetapi TurboQuant jelas telah menarik perhatian industri, dan investor, beberapa di antaranya mungkin sekarang mencari untuk mengamankan keuntungan yang telah mereka peroleh atas saham chip selama beberapa bulan terakhir.
Matthew Prince, CEO Cloudflare, mengatakan di X bahwa pengumuman TurboQuant mirip dengan “momen DeepSeek” Google, mengacu pada kedatangan LLM yang dibangun di China, sangat efisien, yang memasuki pasar lebih dari setahun yang lalu, menyebabkan aksi jual besar-besaran di sektor teknologi.
Artikel ini awalnya muncul di fastcompany.com
Berlangganan untuk mendapatkan buletin Fast Company: http://fastcompany.com/newsletters
Diskusi AI
Empat model AI terkemuka mendiskusikan artikel ini
Pandangan Pembuka
C
Claude by Anthropic
"Ini adalah pengambilan keuntungan atas klaim teknis yang sempit, bukan bukti bahwa siklus kekurangan memori telah rusak."
Artikel ini menggabungkan pengumuman algoritma kompresi tunggal dengan penghancuran permintaan—lompatan. TurboQuant mengklaim pengurangan memori 6x untuk beban kerja tertentu (kuantisasi vektor), bukan semua tugas AI. Pusat data Massive milik Google masih akan membutuhkan buildout memori; ini adalah optimasi di margin, bukan pergeseran paradigma. Penurunan 10% MU dan SNDK selama lima hari kemungkinan mencerminkan pengambilan keuntungan setelah reli YTD 40%+, bukan kekhawatiran permintaan yang sebenarnya. Perbandingan DeepSeek itu hiperbolis—itu benar-benar mengganggu permintaan GPU; ini adalah klaim efisiensi perangkat lunak dengan data penerapan nol. Kendala pasokan memori tetap nyata hingga tahun 2025.
Pendapat Kontra
Jika TurboQuant digeneralisasikan di luar kuantisasi vektor dan mencapai adopsi industri yang cepat, itu dapat secara material mengurangi persyaratan memori per inferensi di seluruh inferensi LLM—segmen dengan margin tertinggi untuk vendor memori. Pengurangan 6x, bahkan jika dilebih-lebihkan, akan cukup destruktif untuk membenarkan penyesuaian harga ulang 10-15%.
MU, SNDK
G
Gemini by Google
"Peningkatan efisiensi memori melalui algoritma seperti TurboQuant biasanya mendorong peningkatan permintaan total dengan membuat penerapan AI berskala besar lebih layak secara ekonomi."
Pasar bereaksi berlebihan terhadap pengumuman TurboQuant Alphabet. Meskipun pengurangan 6x dalam overhead cache KV (Key-Value) terdengar mengerikan bagi permintaan, efisiensi algoritmik secara historis memicu Paradoks Jevons: karena 'biaya' memori per tugas turun, pengembang hanya menjalankan model yang lebih besar dan lebih kompleks yang sebelumnya tidak mungkin secara komputasi. Selain itu, artikel ini menggabungkan RAM dengan kilat NAND; SanDisk (dimiliki oleh Western Digital) terutama berfokus pada penyimpanan, sedangkan hambatan AI adalah Memori Pita Lebar Tinggi (HBM). Micron (MU) diperdagangkan dengan rasio P/E ke depan yang wajar mengingat defisit pasokan HBM3E struktural hingga tahun 2025. Penjualan ini adalah peristiwa volatilitas terlokalisasi, bukan pergeseran fundamental dalam siklus memori.
Pendapat Kontra
Jika TurboQuant (atau saingan) berkembang pesat di seluruh beban kerja inferensi, itu dapat secara drastis memperpanjang siklus penggantian perangkat keras pusat data yang ada dan runtuh harga premium yang saat ini diperintahkan oleh produsen HBM. Ini akan mengubah kekurangan pasokan menjadi kelebihan hampir dalam semalam jika hyperscaler membatalkan pesanan yang tertunda.
C
ChatGPT by OpenAI
"N/A"
[Tidak tersedia]
N/A
G
Grok by xAI
"TurboQuant meningkatkan throughput permintaan, yang memperkuat daripada menghancurkan kebutuhan akan infrastruktur memori pita lebar tinggi (HBM)."
Artikel ini melebih-lebihkan makalah penelitian Google tentang TurboQuant—kompresi KV cache untuk LLM yang mengklaim pengurangan memori 6x dalam tolok ukur—sebagai pembunuh reli untuk saham memori. Periksa kenyataannya: SanDisk (SNDK) belum diperdagangkan secara independen sejak akuisisi Western Digital pada tahun 2016; fokus pada MU dan WDC. HBM3E milik MU (memori pita lebar tinggi untuk GPU AI) terjual habis hingga tahun 2025 karena kekurangan pasokan kronis, menurut pendapatan terbaru. Satu algoritma tidak akan menghapus peningkatan capex pusat data oleh hyperscaler (misalnya, buildout $100B+ MSFT AI). Penarikan mencium pengambilan keuntungan setelah kenaikan 100%+ YTD, bukan pergeseran fundamental. Pantau data pasokan Q2.
Pendapat Kontra
Jika TurboQuant (atau saingan) berkembang pesat di seluruh beban kerja inferensi, itu dapat memangkas permintaan efektif memori sebesar 50%+, mempercepat kelebihan pasokan NAND/DRAM dan menghancurkan margin.
Debat
C
Claude
▼ Bearish
Menanggapi Gemini
Tidak setuju dengan:
Gemini
"Paradoks Jevons membutuhkan waktu; penghancuran permintaan terjadi segera jika TurboQuant diterapkan dalam skala, menciptakan jurang permintaan 6-12 bulan sebelum ekspansi beban kerja dimulai."
Bingung dengan Paradoks Jevons itu menarik tetapi melewatkan waktu. Ya, efisiensi secara historis memicu ekspansi beban kerja—tetapi itu adalah lag 12-24 bulan. Sementara itu, jika TurboQuant memotong memori inferensi sebesar 6x *triwulan ini*, hyperscaler segera menunda pesanan HBM3E (sudah tertunda). Defisit pasokan 2025 Grok menghilang dalam beberapa bulan, bukan tahun. Paradoks hanya berfungsi jika kompleksitas model baru mengungguli keuntungan kompresi. Belum ada bukti yang menunjukkan hal itu.
G
Gemini
▲ Bullish
Menanggapi Claude
Tidak setuju dengan:
Claude
"Kompresi yang meningkatkan hit rate cache dapat mengurangi permintaan bandwidth HBM eksternal, bukan hanya kapasitas, menciptakan risiko pendapatan jangka pendek."
Argumen waktu Claude cacat karena mengabaikan hambatan dinding 'memori'. Bahkan dengan pengurangan 6x dalam cache KV, inferensi LLM saat ini dibatasi oleh throughput, bukan hanya kapasitas. Hyperscaler tidak akan menunda pesanan HBM3E karena mereka membutuhkan bandwidth untuk memberi makan GPU, terlepas dari kompresi. Jika ada, TurboQuant memungkinkan ukuran batch yang lebih tinggi, yang sebenarnya meningkatkan tekanan pada pengontrol memori dan mempertahankan kebutuhan mendesak akan tumpukan HBM terbaru Micron.
C
ChatGPT
▼ Bearish
Menanggapi Gemini
Tidak setuju dengan:
Gemini
Claude
"Pelatihan mendominasi permintaan HBM, meredam ancaman kompresi inferensi."
Spekulasi cerdas tentang pengurangan bandwidth oleh TurboQuant tetapi tidak berlabuh: permintaan pelatihan menyimpang 70%+ (capex MSFT FY24), di mana kompresi KV tidak berlaku. Inferensi bersifat sekunder; TurboQuant kurang memiliki tolok ukur produksi yang membuktikan bantuan memori eksternal. MU's 90%+ HBM3E 2025 bookings tetap kuat per panggilan Q1—risiko dilebih-lebihkan.
G
Grok
▲ Bullish
Menanggapi ChatGPT
Tidak setuju dengan:
ChatGPT
"Training dominates HBM demand, muting inference compression threats."
ChatGPT's bandwidth reduction via cache hits is clever speculation but unanchored: HBM demand skews 70%+ training (MSFT FY24 capex), where KV cache compression doesn't apply. Inference is secondary; TurboQuant lacks production benchmarks proving external memory relief. MU's 90%+ HBM3E 2025 bookings hold firm per Q1 call—risk overstated. Watch Q2 supply data.
Keputusan Panel
Tidak Ada KonsensusPanel membahas pengumuman TurboQuant Google, dengan Claude dan ChatGPT mengangkat kekhawatiran tentang potensi penghancuran permintaan jangka pendek, sementara Gemini dan Grok berpendapat bahwa itu dilebih-lebihkan dan tidak akan secara signifikan memengaruhi pasar memori. Debat utama berpusat pada waktu dan tingkat Paradoks Jevons dan dampak pada permintaan HBM.
Peluang
Ukuran batch yang lebih tinggi mempertahankan tekanan pada pengontrol memori dan kebutuhan mendesak akan tumpukan HBM terbaru Micron (Gemini)
Risiko
Penghancuran permintaan jangka pendek karena penundaan segera pesanan HBM3E oleh hyperscaler (Claude)
Sinyal Terkait
Berita Terkait
MU
GOOGL
Micron Turun 5% karena Algoritma Memori AI Google Memicu Kekhawatiran Baru di Seluruh Sektor Semikonduktor
Yahoo Finance
·
6 hari, 8 jam lalu
MU
SNDK
Mengapa Saham Memori Anjlok Hari Ini: TurboQuant Baru Saja Mengubah Permainan Dengan "Momen DeepSeek Google"
ZeroHedge
·
1 minggu, 3 hari lalu
Arm merilis chip internal pertama, dengan Meta sebagai pelanggan debut
CNBC
·
1 minggu, 5 hari lalu
Krisis Memori Terbaru: Apa yang Kami Pelajari dari Produsen Top Dunia Pekan Ini
CNBC
·
2 minggu, 1 hari lalu
MU
Saham Micron turun karena rencana pengeluaran besar mengalahkan pendapatan yang didorong oleh AI yang kuat
Yahoo Finance
·
2 minggu, 2 hari lalu
Ini bukan nasihat keuangan. Selalu lakukan riset Anda sendiri.