Mengapa Saham Memori Anjlok Hari Ini: TurboQuant Baru Saja Mengubah Permainan Dengan "Momen DeepSeek Google"

Mengapa Saham Memori Anjlok Hari Ini: TurboQuant Baru Saja Mengubah Permainan Dengan "Momen DeepSeek Google"

Dengan saham ditutup solid di zona hijau meskipun ada beberapa gejolak yang menyakitkan selama hari itu, satu sektor menjadi laggard yang patut diperhatikan: sektor yang sama yang telah mengungguli S&P secara dramatis sejak harga memori melonjak Oktober lalu: saham memori, terutama MU dan SNDK.

Dalam rangkuman EOD-nya, spesialis teknologi Goldman Peter Callahan menulis bahwa meskipun tidak ada banyak "kecemasan" di luar sana, kliennya mengeluhkan banyak "pemeriksaan kewarasan" pada pergerakan tajam ke bawah di saham memori (MU / SNDK lebih rendah vs. OEM lebih tinggi) dan terutama "penurunan 5 hari di MU karena Micron telah berkinerja buruk terhadap SOX sebesar 20% dalam 5 hari, dimulai dengan laporan pendapatan perusahaan yang meledak; pergerakan itu merupakan kinerja terburuk terbesar selama 5 hari dibandingkan dengan Semis/SOX sejak 2011.

Apa yang menyebabkan penurunan luar biasa hari ini, di mana pada satu titik saham Micron turun lebih dari 6% dan Sandisk merosot 9% sebelum memulihkan kerugian, dengan penurunan signifikan lainnya termasuk Western Digital (-6,7%) dan Seagate Technologies (-8,5%)?

Jawabannya adalah pengumuman terbaru dari Google Research, yang setelah penutupan pada hari Rabu meluncurkan TurboQuant, sebuah algoritma kompresi untuk model bahasa besar dan mesin pencari vektor, yang menyusutkan hambatan inferensi-memori utama: ia mengurangi memori model AI sebesar 6x, membuatnya 8x lebih cepat dengan jumlah GPU yang sama, sambil mempertahankan nol kehilangan akurasi dan "mendefinisikan ulang efisiensi AI."

Memperkenalkan TurboQuant: Algoritma kompresi baru kami yang mengurangi memori cache kunci-nilai LLM setidaknya 6x dan memberikan peningkatan kecepatan hingga 8x, semuanya tanpa kehilangan akurasi, mendefinisikan ulang efisiensi AI. Baca blognya untuk mempelajari bagaimana ia mencapai hasil ini: https://t.co/CDSQ8HpZoc pic.twitter.com/9SJeMqCMlN
— Google Research (@GoogleResearch) 24 Maret 2026
Makalah ini dijadwalkan untuk dipresentasikan di ICLR 2026, tetapi reaksi online segera terjadi: CEO Cloudflare Matthew Prince menyebutnya sebagai "momen DeepSeek Google."

Yang pasti, pengumuman dari @GoogleResearch menghasilkan keterlibatan besar, dengan lebih dari 7,7 juta tampilan, menandakan bahwa industri sangat membutuhkan solusi untuk krisis memori. Semua orang - kecuali produsen memori - sangat gembira.

Dalam waktu 24 jam setelah rilis, anggota komunitas mulai mem-porting algoritma ke pustaka AI lokal populer seperti MLX untuk Apple Silicon dan llama.cpp.

Analis teknis @Prince_Canuma membagikan salah satu tolok ukur awal yang paling menarik, mengimplementasikan TurboQuant di MLX untuk menguji model Qwen3.5-35B.

Di seluruh panjang konteks mulai dari 8,5K hingga 64K token, ia melaporkan kecocokan persis 100% di setiap tingkat kuantisasi, mencatat bahwa TurboQuant 2,5-bit mengurangi cache KV hampir 5x tanpa kehilangan akurasi. Validasi dunia nyata ini menggemakan penelitian internal Google, membuktikan bahwa manfaat algoritma diterjemahkan dengan mulus ke model pihak ketiga.

Baru saja mengimplementasikan TurboQuant Google di MLX dan hasilnya luar biasa!
Jarum di tumpukan jerami menggunakan Qwen3.5-35B-A3B di seluruh panjang konteks 8,5K, 32,7K, dan 64,2K:
→ 6/6 kecocokan persis di setiap tingkat kuantisasi
→ TurboQuant 2,5-bit: cache KV 4,9x lebih kecil
→ TurboQuant 3,5-bit: 3,8x… https://t.co/aLxRJIhB1D pic.twitter.com/drVrkL7Pw4
— Prince Canuma (@Prince_Canuma) 25 Maret 2026
Pengguna lain berfokus pada demokratisasi AI berkinerja tinggi. @NoahEpstein_ memberikan uraian bahasa Inggris sederhana, berpendapat bahwa TurboQuant secara signifikan mempersempit kesenjangan antara AI lokal gratis dan langganan cloud yang mahal.

Dia mencatat bahwa model yang berjalan secara lokal pada perangkat keras konsumen seperti Mac Mini "baru saja menjadi jauh lebih baik," memungkinkan percakapan 100.000 token tanpa degradasi kualitas yang biasa.

Demikian pula, @PrajwalTomar_ menyoroti manfaat keamanan dan kecepatan menjalankan "model AI gila secara lokal secara gratis," mengungkapkan "rasa hormat yang besar" atas keputusan Google untuk berbagi penelitian daripada menjaganya tetap eksklusif.

Implikasinya jelas: jika Google dapat mencapai hasil inferensi yang sama dengan seperenam perangkat keras, maka permintaan chip memori akan runtuh secara berbanding terbalik - permintaan rakus yang sama yang sampai baru-baru ini mengirim harga DDR hingga 7x lebih tinggi hanya dalam 3 bulan ketika hambatan memori untuk AI menjadi jelas...

...dan baru-baru ini mengirim harga NAND Flash yang padat inferensi juga melonjak.

Jika ini terdengar mirip dengan algoritma Pied Piper yang terkenal dari Silicon Valley, itu karena memang begitu, semua minus bagian memuaskan diri sendiri:

Analis cryptocurrency terkemuka Kaleo menangkap sentimen dengan sempurna, men-tweet: "Jadi Google TurboQuant pada dasarnya adalah Pied Piper dan baru saja mencapai Weismann Score 5,2." Referensi ke metrik kompresi acara fiksi ini menunjukkan betapa dalamnya perbandingan budaya tersebut bergema. Komentator teknologi Justin Trimble menggemakan perspektif ini, hanya menyatakan: "TurboQuant adalah Pied Piper baru."

Tentu saja, itu sedikit berlebihan, tetapi premisnya ada: mengambil perangkat keras yang ada dan mencapai hasil kompresi yang jauh lebih baik.

Catatan teknis singkat tentang bagaimana Turboquant mencapai peningkatan efisiensi yang luar biasa per dekripsi:

Efisiensi kuantisasi adalah pencapaian besar tersendiri. Tetapi "nol kehilangan akurasi" memerlukan konteks. TurboQuant menargetkan cache KV — bagian dari memori GPU yang menyimpan semua yang perlu diingat oleh model bahasa selama percakapan.

Saat jendela konteks tumbuh hingga jutaan token, cache tersebut membengkak hingga ratusan gigabyte per sesi. Itulah hambatan sebenarnya. Bukan kekuatan komputasi tetapi memori mentah.

Metode kompresi tradisional mencoba menyusutkan cache tersebut dengan membulatkan angka ke bawah — dari float 32-bit menjadi 16, menjadi 8 hingga integer 4-bit, misalnya. Untuk memahaminya dengan lebih baik, pikirkan tentang menyusutkan gambar dari 4K, ke full HD, ke 720p dan seterusnya. Mudah untuk mengatakan itu adalah gambar yang sama secara keseluruhan, tetapi ada lebih banyak detail dalam resolusi 4K.

Masalahnya: mereka harus menyimpan "konstanta kuantisasi" tambahan di samping data terkompresi agar model tidak menjadi bodoh. Konstanta tersebut menambahkan 1 hingga 2 bit per nilai, sebagian mengikis keuntungan.

TurboQuant mengklaim menghilangkan overhead itu sepenuhnya.

Ia melakukannya melalui dua sub-algoritma. PolarQuant memisahkan magnitudo dari arah dalam vektor, dan QJL (Quantized Johnson-Lindenstrauss) mengambil sisa kesalahan kecil yang tersisa dan menguranginya menjadi satu bit tanda, positif atau negatif, tanpa konstanta yang disimpan.

Hasilnya, kata Google, adalah estimator yang tidak bias secara matematis untuk perhitungan perhatian yang mendorong model transformer.

Dalam tolok ukur menggunakan Gemma dan Mistral, TurboQuant mencocokkan kinerja presisi penuh di bawah kompresi 4x, termasuk akurasi pengambilan sempurna pada tugas jarum di tumpukan jerami hingga 104.000 token.

Sebagai konteks mengapa tolok ukur tersebut penting, memperluas konteks yang dapat digunakan model tanpa kehilangan kualitas telah menjadi salah satu masalah tersulit dalam penerapan LLM.

Sekarang, detail kecilnya. "Nol kehilangan akurasi" berlaku untuk kompresi cache KV selama inferensi — bukan untuk bobot model. Mengompresi bobot adalah masalah yang sama sekali berbeda dan lebih sulit. TurboQuant tidak menyentuh itu.

Apa yang dikompresinya adalah memori sementara yang menyimpan komputasi perhatian di tengah sesi, yang lebih pemaaf karena data tersebut secara teoritis dapat direkonstruksi.

Ada juga kesenjangan antara tolok ukur yang bersih dan sistem produksi yang melayani miliaran permintaan. TurboQuant diuji pada model sumber terbuka — Gemma, Mistral, Llama — bukan tumpukan Gemini Google sendiri dalam skala besar.

Intinya: tidak seperti peningkatan efisiensi DeepSeek, yang membutuhkan keputusan arsitektur mendalam yang tertanam sejak awal, TurboQuant tidak memerlukan pelatihan ulang atau penyempurnaan dan mengklaim overhead runtime yang dapat diabaikan. Secara teori, ia langsung masuk ke dalam pipeline inferensi yang ada.

Itulah bagian yang membuat sektor perangkat keras memori ketakutan - karena jika itu berfungsi dalam produksi, setiap lab AI utama akan berjalan jauh lebih ramping pada GPU yang sama yang sudah mereka miliki. Atau dikatakan, dalam hal P&L, perusahaan AI - yang sudah sangat negatif arus kasnya - dan yang tiba-tiba semakin merugi margin keuntungan (yang tidak mereka miliki tetapi berasumsi mereka miliki) karena lonjakan harga RAM, telah menemukan cara perangkat lunak untuk membutuhkan lebih sedikit perangkat keras - berpotensi hingga 6x lebih sedikit - dan dengan demikian membalikkan keadaan bagi pembuat memori yang menghasilkan keuntungan besar justru karena mereka menolak untuk memproduksi lebih banyak memori dalam apa yang oleh sebagian orang disebut perilaku kartel. Dengan melakukannya, mereka mungkin telah menghilangkan seluruh hambatan memori fisik, berkat kartel memori yang secara ajaib tidak dapat menemukan pasokan baru sampai tahun 2027 atau lebih lambat.

Tetapi tunggu, ada lagi: karena jika Google telah menemukan algoritma kompresi yang mencapai peningkatan efisiensi yang begitu fenomenal, hampir pasti bahwa optimasi lebih lanjut - dan algoritma pesaing - pasti akan menghasilkan efisiensi yang jauh lebih besar, mengurangi jumlah perangkat keras yang dibutuhkan lebih jauh lagi.

Dan begitu saja, tiba-tiba gelembung memori yang dibangun di atas asumsi bahwa permintaan untuk DRAM dan NAND akan terus berlanjut hingga masa depan, terlihat siap untuk pecah karena perangkat lunak mungkin baru saja memecahkan masalah perangkat keras yang sangat sulit.

Memang penurunan saham hari ini mungkin baru langkah pertama. Reaksi pasar mencerminkan kesadaran bahwa jika raksasa AI dapat mengompresi persyaratan memori mereka sebesar enam kali lipat hanya melalui perangkat lunak, permintaan yang tak terpuaskan untuk High Bandwidth Memory (HBM) dapat diredam oleh efisiensi algoritmik.

Saat kita melangkah lebih dalam ke tahun 2026, kedatangan TurboQuant menunjukkan bahwa era kemajuan AI berikutnya akan didefinisikan sebanyak oleh keanggunan matematis seperti oleh kekuatan kasar. Dengan mendefinisikan ulang efisiensi melalui kompresi ekstrem, Google memungkinkan "pergerakan memori yang lebih cerdas" untuk agen multi-langkah dan pipeline pengambilan data padat. Industri bergeser dari fokus pada "model yang lebih besar" menjadi "memori yang lebih baik," perubahan yang dapat menurunkan biaya penyajian AI secara global.

Pada akhirnya, TurboQuant membuktikan bahwa batas AI bukan hanya berapa banyak transistor yang dapat kita masukkan ke dalam chip, tetapi seberapa elegan kita dapat menerjemahkan kompleksitas informasi yang tak terbatas ke dalam ruang bit digital yang terbatas. Bagi perusahaan, ini lebih dari sekadar makalah penelitian; ini adalah pembuka taktis yang mengubah perangkat keras yang ada menjadi aset yang jauh lebih kuat.

Makalah Google dikirim ke ICLR 2026. Sampai dikirimkan dalam produksi, berita utama "nol kerugian" tetap di laboratorium, tetapi pasar tidak menunggu dan ancaman semata bahwa permintaan memori dapat anjlok secara eksponensial dapat mengejutkan seluruh ekosistem. Dalam hal ini, beli put pada Kospi, yang sekitar 100% terlalu mahal jika "manfaat memori" dari dua saham intinya, Samsung dan SK Hynix, menghilang. Kalau dipikir-pikir, jual pendek semua memori.

Untuk lebih lanjut, silakan lihat "Algoritma TurboQuant baru Google mempercepat memori AI 8x, memotong biaya sebesar 50% atau lebih"

Tyler Durden
Rab, 25/03/2026 - 21:45