Чому акції пам'яті впали сьогодні: TurboQuant змінив правила гри з "моментом DeepSeek від Google"

Чому акції пам'яті впали сьогодні: TurboQuant змінив правила гри з "моментом DeepSeek від Google"

Незважаючи на те, що акції закрилися впевнено в плюсі, незважаючи на деякі болісні коливання протягом дня, один сектор помітно відставав: той самий сектор, який значно перевершив S&P з моменту стрімкого зростання цін на пам'ять у жовтні минулого року: акції пам'яті, зокрема MU та SNDK.

У своєму підсумку дня технічний спеціаліст Goldman Пітер Каллахан написав, що, хоча насправді "тривоги" було небагато, його клієнти скаржилися на багато "перевірок здорового глузду" щодо різких спадних рухів в акціях пам'яті (MU / SNDK знижуються проти OEM вище) і особливо "5-денний спад MU, оскільки Micron відставав від SOX на 20% за 5 днів, починаючи з вражаючого звіту про прибутки компанії; цей рух є найбільшим 5-денним відставанням відносно Semis/SOX з 2011 року.

Що спричинило сьогоднішній вражаючий спад, під час якого акції Micron впали більш ніж на 6%, а Sandisk — на 9% перед тим, як скоротити збитки, а інші помітні зниження включали Western Digital (-6,7%) та Seagate Technologies (-8,5%)?

Відповіддю стало останнє оголошення від Google Research, яке після закриття в середу представило TurboQuant, алгоритм стиснення для великих мовних моделей та векторних пошукових систем, який зменшує значний вузький момент інференс-пам'яті: він зменшує пам'ять моделі ШІ в 6 разів, роблячи її в 8 разів швидшою з тією ж кількістю GPU, зберігаючи при цьому нульову втрату точності та "перевизначаючи ефективність ШІ".

Представляємо TurboQuant: Наш новий алгоритм стиснення, який зменшує пам'ять кешу ключ-значення LLM щонайменше в 6 разів і забезпечує прискорення до 8 разів, все з нульовою втратою точності, перевизначаючи ефективність ШІ. Читайте блог, щоб дізнатися, як він досягає цих результатів: https://t.co/CDSQ8HpZoc pic.twitter.com/9SJeMqCMlN
— Google Research (@GoogleResearch) 24 березня 2026 року
Документ заплановано до презентації на ICLR 2026, але реакція в Інтернеті була негайною: генеральний директор Cloudflare Метью Прінс назвав це "моментом DeepSeek від Google".

Безумовно, оголошення від @GoogleResearch викликало величезний резонанс, набравши понад 7,7 мільйона переглядів, що свідчить про те, що галузь прагнула вирішення проблеми кризи пам'яті. Усі — крім виробників пам'яті — були в захваті.

Протягом 24 годин після випуску члени спільноти почали переносити алгоритм до популярних локальних бібліотек ШІ, таких як MLX для Apple Silicon та llama.cpp.

Технічний аналітик @Prince_Canuma поділився одним із найпереконливіших ранніх бенчмарків, реалізувавши TurboQuant у MLX для тестування моделі Qwen3.5-35B.

У діапазоні довжин контексту від 8,5 тис. до 64 тис. токенів він повідомив про 100% точний збіг на кожному рівні квантування, зазначивши, що 2,5-бітний TurboQuant зменшив кеш KV майже в 5 разів без втрати точності. Це реальне підтвердження повторило внутрішні дослідження Google, доводячи, що переваги алгоритму бездоганно переносяться на сторонні моделі.

Щойно реалізував Google TurboQuant у MLX, і результати вражаючі!
Голка в сіні за допомогою Qwen3.5-35B-A3B у контекстних довжинах 8,5 тис., 32,7 тис. та 64,2 тис. токенів:
→ 6/6 точний збіг на кожному рівні квантування
→ TurboQuant 2,5-біт: кеш KV у 4,9 раза менший
→ TurboQuant 3,5-біт: 3,8 рази… https://t.co/aLxRJIhB1D pic.twitter.com/drVrkL7Pw4
— Prince Canuma (@Prince_Canuma) 25 березня 2026 року
Інші користувачі зосередилися на демократизації високопродуктивного ШІ. @NoahEpstein_ надав пояснення простою мовою, стверджуючи, що TurboQuant значно скорочує розрив між безкоштовним локальним ШІ та дорогими хмарними підписками.

Він зазначив, що моделі, які працюють локально на споживчому обладнанні, як-от Mac Mini, "просто стали значно кращими", дозволяючи вести розмови на 100 000 токенів без типового зниження якості.

Аналогічно, @PrajwalTomar_ наголосив на перевагах безпеки та швидкості запуску "божевільних моделей ШІ локально безкоштовно", висловлюючи "величезну повагу" до рішення Google поділитися дослідженням, а не зберігати його як пропрієтарне.

Наслідок очевидний: якщо Google може досягти тих самих результатів інференсу з однією шостою обладнання, то попит на чіпи пам'яті впаде обернено пропорційно — той самий ненаситний попит, який донедавна призводив до зростання цін на DDR до 7 разів лише за 3 місяці, коли вузьким місцем пам'яті для ШІ стало очевидним...

... а нещодавно також призвів до зростання цін на NAND Flash, що інтенсивно використовують інференс.

Якщо це звучить схоже на сумнозвісний алгоритм Pied Piper із Кремнієвої долини, то це тому, що це так, за винятком частини з мастурбацією:

Відомий криптовалютний аналітик Kaleo ідеально передав настрій, написавши в Твіттері: "Отже, Google TurboQuant — це, по суті, Pied Piper, і він щойно досяг Weismann Score 5.2". Це посилання на метрику стиснення вигаданого шоу демонструє, наскільки глибоко резонує культурне порівняння. Технологічний коментатор Джастін Трімбл повторив цю точку зору, просто заявивши: "TurboQuant — це новий Pied Piper".

Звісно, це трохи гіперболізовано, але передумова існує: використання існуючого обладнання та досягнення набагато кращого результату стиснення.

Коротке технічне зауваження про те, як Turboquant досягає такого вражаючого підвищення ефективності на дешифрування:

Ефективність квантування сама по собі є великим досягненням. Але "нульова втрата точності" потребує контексту. TurboQuant націлений на кеш KV — блок пам'яті GPU, який зберігає все, що мовна модель повинна пам'ятати під час розмови.

Оскільки контекстні вікна зростають до мільйонів токенів, ці кеші роздуваються до сотень гігабайт на сеанс. Це справжнє вузьке місце. Не обчислювальна потужність, а сира пам'ять.

Традиційні методи стиснення намагаються зменшити ці кеші, заокруглюючи числа вниз — наприклад, з 32-бітних чисел з плаваючою комою до 16, до 8 до 4-бітних цілих чисел. Щоб краще зрозуміти це, уявіть собі зменшення зображення з 4K до Full HD, до 720p і так далі. Легко сказати, що це те саме зображення загалом, але в роздільній здатності 4K більше деталей.

Уловка: вони повинні зберігати додаткові "константи квантування" поряд зі стиснутими даними, щоб модель не стала дурною. Ці константи додають 1-2 біти на значення, частково нівелюючи прибуток.

TurboQuant стверджує, що повністю усуває цей накладний витрат.

Це робиться за допомогою двох під-алгоритмів. PolarQuant відокремлює величину від напрямку у векторах, а QJL (Quantized Johnson-Lindenstrauss) бере невелику залишкову помилку і зменшує її до одного знакового біта, позитивного чи негативного, без збережених констант.

Результатом, за словами Google, є математично незміщений оцінювач для обчислень уваги, які керують трансформаторними моделями.

У бенчмарках з використанням Gemma та Mistral, TurboQuant відповідав продуктивності з повною точністю при стисненні в 4 рази, включаючи ідеальну точність пошуку в завданнях "голка в сіні" до 104 000 токенів.

Для контексту, чому ці бенчмарки важливі, розширення корисної контексту моделі без втрати якості було однією з найскладніших проблем розгортання LLM.

Тепер дрібний шрифт. "Нульова втрата точності" стосується стиснення кешу KV під час інференсу — а не ваг моделі. Стиснення ваг — це зовсім інша, складніша проблема. TurboQuant їх не торкається.

Він стискає тимчасову пам'ять, що зберігає обчислення уваги в середині сеансу, яка є більш пробачною, оскільки ці дані теоретично можуть бути реконструйовані.

Існує також розрив між чистим бенчмарком та виробничою системою, що обслуговує мільярди запитів. TurboQuant тестувався на моделях з відкритим кодом — Gemma, Mistral, Llama — а не на власному стеку Gemini від Google у масштабі.

Суть: на відміну від прибутків від ефективності DeepSeek, які вимагали глибоких архітектурних рішень, закладених з самого початку, TurboQuant не вимагає повторного навчання чи доналаштування та стверджує про незначні накладні витрати під час виконання. Теоретично, він безпосередньо інтегрується в існуючі конвеєри інференсу.

Саме це налякало сектор пам'яті — тому що, якщо він працюватиме у виробництві, кожна велика лабораторія ШІ працюватиме набагато економніше на тих самих GPU, які вони вже мають. Або, з точки зору прибутку та збитків, компанії ШІ — вже глибоко збиткові за грошовим потоком — і які раптом втрачають ще більше прибутку (якого у них немає, але вони припускають, що він є) через зростання цін на RAM, знайшли програмний спосіб вимагати набагато менше обладнання — потенційно до 6 разів менше — і таким чином перевернути стіл для виробників пам'яті, які отримують величезні прибутки саме тому, що відмовляються виробляти більше пам'яті, що деякі назвали б картельним поведінкою. Роблячи це, вони, можливо, усунули весь фізичний вузький момент пам'яті, завдяки картелю пам'яті, який магічно не може знайти нових поставок до 2027 року або пізніше.

Але зачекайте, це ще не все: тому що, якщо Google вже знайшов алгоритм стиснення, який досягає таких феноменальних покращень ефективності, майже напевно, що подальша оптимізація — і конкуруючі алгоритми — безумовно призведуть до значно більшої ефективності, ще більше зменшуючи кількість необхідного обладнання.

І ось так, раптом бульбашка пам'яті, яка була побудована на припущенні, що попит на DRAM та NAND зберігатиметься в майбутньому, виглядає так, ніби вона ось-ось лусне, оскільки програмне забезпечення, можливо, щойно вирішило дуже складну апаратну проблему.

Дійсно, сьогоднішнє падіння акцій могло бути лише першим кроком. Реакція ринку відображає усвідомлення того, що якщо гіганти ШІ можуть стиснути свої потреби в пам'яті в шість разів лише за допомогою програмного забезпечення, то ненаситний попит на High Bandwidth Memory (HBM) може бути стриманий алгоритмічною ефективністю.

Оскільки ми заглиблюємося в 2026 рік, поява TurboQuant свідчить про те, що наступна ера прогресу ШІ буде визначатися як математичною елегантністю, так і грубою силою. Перевизначаючи ефективність через екстремальне стиснення, Google забезпечує "розумніший рух пам'яті" для багатоетапних агентів та щільних конвеєрів пошуку. Галузь переходить від фокусу на "більші моделі" до "кращої пам'яті", що може знизити витрати на обслуговування ШІ в усьому світі.

Зрештою, TurboQuant доводить, що межа ШІ — це не тільки те, скільки транзисторів ми можемо упакувати на чіп, але й те, наскільки елегантно ми можемо перетворити нескінченну складність інформації на кінцевий простір цифрового біта. Для підприємств це більше, ніж просто дослідницька робота; це тактичний прорив, який перетворює існуюче обладнання на значно потужніший актив.

Документ Google надходить на ICLR 2026. Доки він не буде запущений у виробництво, заголовок "нульова втрата" залишається в лабораторії, але ринок не чекає, і сам факт загрози падіння попиту на пам'ять на порядки може шокувати всю екосистему. У такому випадку купуйте путі на Kospi, який переоцінений приблизно на 100%, якщо "перевага пам'яті" його двох основних акцій, Samsung та SK Hynix, зникне. Якщо подумати, то шортіть усе, що стосується пам'яті.

Додаткову інформацію див. у статті "Новий алгоритм TurboQuant від Google прискорює пам'ять ШІ в 8 разів, скорочуючи витрати на 50% або більше"

Тайлер Дьорден
Ср, 25.03.2026 - 21:45