本文共2638字
※本文首刊於2026年3月27日，文中提及之個股股價僅為當日行情
還記得去年二月春節時，大陸新創公司深度求索「突襲式」推出的全新AI模型「DeepSeek」是怎麼震撼整個AI產業的嗎？現在，下一個被認為具有同樣影響力的新技術終於出現，也就是Google在3月24日發布的全新演算法「TurboQuant」。
這個演算法據說能夠讓記憶體的使用效率成長六倍之多，消息一出便震撼整個市場，重挫原本就已經處於股價高位的記憶體族群。究竟 TurboQuant 有何本領，能夠對記憶體產業造成這麼大的衝擊？經濟日報帶您認識這個全新技術。
TurboQuant是什麼？
3月24日晚間，Google 推出了一套專為大型語言模型（LLM）設計的高效能量化壓縮演算法「TurboQuant」，表示其不僅提升 AI 模型速度和效率，也能大幅減少記憶體使用量。
這項演算法針對的是「向量」（vectors），其功能是協助 AI 模型理解並處理從簡單到複雜的資訊。Google 解釋說，高維度向量會消耗大量記憶體，進而在「鍵值快取」（KV cache）產生瓶頸；而此快取技術正是讓 AI 模型能「記住」已處理過的資料，進而加快回應詢問速度的關鍵。
雖然高維度向量可透過「向量量化」技術來壓縮，但 Google 說，這技術本身也會產生記憶體問題，因為需要計算和儲存額外數據，「這在某種程度上違背了向量量化的初衷」。Google 去年 4 月發表研究論文所提出的 TurboQuant，正是為了解決這個問題。
它為何能大幅提高記憶體使用效率？
TurboQuant透過結合兩種技術來克服傳統壓縮方法產生的額外記憶體開銷，分別是PolarQuant（極座標量化）與Quantized Johnson-Lindenstrauss（QJL）。
極座標量化，指的是透過將傳統的笛卡爾座標系統（如 X, Y, Z軸）轉換為極座標（Polar Coordinates），來消除原本大量的額外記憶體開銷。原本的作法像是在一個「方形網格」上標註數據點，但由於數據點的分布範圍會不斷變化，模型會需要進行大量的計算和儲存；但是在轉換為極座標後，數據點只會剩下「半徑」與「角度」，而這些角度都是已知且可預測的，因此便能夠捨棄掉大量額外的記憶體開銷。
QJL，則是一種透過僅僅1位元(Bit)這個最小單位的運算資源，去對極座標量化過程中可能發生的極少量殘留誤差進行校正的機制。由於這種表示法足夠簡單，不需要儲存額外的資訊，因此能夠達到大幅提高記憶體使用效率、又能夠保持零準確度損失的結果。
在這雙重技術的結合之下，TurboQuant在測試 AI 模型是否能在大量文本中找到特定、微小資訊的長文本基準測試「大海撈針（Needle in the haystack）」當中得到了完美的結果，甚至記憶體的占用空間也節省了六倍。
這個技術對市場有什麼影響？
有消息指出，TurboQuant 震撼業界，主因該演算法採「量化壓縮」，讓原本只有頂級電腦才能跑的 AI，進化成手機或一般筆電都能跑出推論成果。這就像原本影片都輸出 4K 等級，現在換成 HD 高畫質輸出即可，如此一來 LLM 所需空間少了75%，運作速度卻快了兩、三倍，對記憶體、GPU 的負擔都相對減輕。且因為TurboQuant有效挪出記憶空間，AI可以「記住」更長的上下對話內容而不容易出錯。
記憶體和儲存裝置製造商先前因零組件短缺，能大幅調漲價格。如今，有投資人可能認為 AI 指標企業未來不再需要這麼多記憶體，削弱供應商強大的定價權。
美股記憶體龍頭美光（Micron）股價原已連日下跌，在 TurboQuant 推出後更是26、27日兩日下跌，晟碟（SanDisk）也同步大跌；儲存裝置大廠希捷（Seagate）和威騰電子（Western Digital）同樣也被影響。
南韓記憶體雙雄三星（Samsung）、SK海力士（SK Hynix）26日分別大跌4.7%、逾6%；在日本掛牌的鎧俠（Kioxia）也下挫超過5.7%。
南亞科（2408）雖然因為引進四大國際大廠認購私募普通股，26日開盤跳空漲停，卻也因為受到這波衝擊而在不久後便打開，收盤甚至轉為小跌。群聯（8299）、華邦電（2344）、旺宏（2337）、威剛（3260）、十銓（4967）、晶豪科（3006）等記憶體族群也都收黑，27日多數仍持續下挫。
什麼是傑文斯悖論？
但也有人認為，因為當技術進步降低了資源成本時，反而會因為資源變得更容易取得，進而推升了需求。Google 表示，TurboQuant 能將 AI 模型的鍵值快取記憶體用量減少至少六倍，並將速度提升高達八倍，這實質上降低了「推論」（即執行 AI 模型）的成本。
有分析師拿傑文斯悖論（Jevons Paradox）解釋，這將帶動 AI 模型的普及，進而導致對記憶體更多的需求。
至於什麼是傑文斯悖論？這個概念由十九世紀英國經濟學家傑文斯提出，他觀察到在蒸汽機發明後，燃煤的使用明明更有效率，相同產出所需的投入變少了；但是技術進步後，總需求、用量卻是不減反增。先前在DeepSeek推出時，分析師也曾表示過同樣的看法，AI 模型訓練成本的降低最終只會使得晶片的需求量提高。
記憶體後市會是什麼走向？
國內記憶體業者直言，此類技術不僅不會衝擊記憶體業，反而有助擴大整體市場規模，相關疑慮多屬市場誤讀，甚至批評「部分分析師與媒體不懂技術，過度渲染」。
不具名的本土指標記憶體相關廠商高層分析，TurboQuant 主要針對AI推理過程中的「鍵值快取」（KV Cache）進行壓縮，並未觸及模型訓練與權重儲存所需的高頻寬記憶體（HBM）與長期存儲需求，對整體記憶體產業結構影響有限；反觀其降低運算成本的特性，將有助AI應用加速普及，帶動更多終端裝置與邊緣運算需求。
也有分析師指出，TurboQuant 問世將大幅降低單次查詢的服務成本，讓部分原本只能在雲端集群上運行的模型遷移至本地，有效降低AI規模化部署的門檻，這可能反而能進一步提振整體需求。
摩根大通（小摩）交易團隊便認為，近期的記憶體使用量不受威脅，TurboQuant 短期對運算與記憶體的影響為中性，卻是長多，但可能讓投資人獲利了結。摩根士丹利證券（大摩）也認為，TurboQuant 有利超大型運端業者和大型語言模型（LLM），因為能提高投資報酬率。
（資料來源：記者彭慧明、李孟珊、秦鈺翔，編譯劉忠勇；Google官方文件）
留言