Google 推出可讓關鍵快取記憶體需求縮減 6 倍的 TurboQuant AI 演算法，一度重挫全球記憶體股，市場憂心 AI 效率提升會壓縮硬體需求。不過多數分析師認為，成本曲線下移將擴大 AI 應用場景與算力需求，此波回檔更像長線多頭中的「買點」而非結束。

Alphabet 旗下 Google 祭出最新 AI 演算法 TurboQuant，號稱能讓關鍵 key-value cache 記憶體使用量縮減 6 倍，消息一出，全球記憶體與相關半導體個股應聲下殺，市場瞬間瀰漫「AI 要把記憶體用量砍掉」的恐慌情緒。然而，華爾街科技分析師卻紛紛出面潑冷水，直指這波殺盤更像是情緒性反應，長線來看，AI 成本曲線被大幅往下推，反而會打開更多應用空間，帶動對 DRAM、NAND 及高頻寬記憶體(HBM)等硬體的整體需求。

從表面數字來看，TurboQuant 的確驚人。Google 表示，該演算法透過極端壓縮技術，能讓大型語言模型在關鍵快取上所需的記憶體減少約六分之五，對以往「多塞記憶體就對了」的 AI 硬體思維形成強烈衝擊。消息曝光後，Samsung Electronics、SK Hynix、GigaDevice、Montage Technology 以及美國記憶體大廠 Micron Technology (MU) 等股價同步走弱，投資人急著計算未來伺服器單機出貨，是否再也不需要這麼多記憶體。

不過，多家機構很快提出反向觀點。據《南華早報》報導，Morgan Stanley 亞洲科技研究主管 Shawn Kim 指出，TurboQuant 的關鍵不是單純節省晶片，而是「大幅提高每顆晶片的輸送量（throughput），讓推論成本顯著下降」，結果是更多企業能負擔 AI 應用。「當模型能從雲端叢集縮到本地硬體跑得動，門檻就被徹底拉低。」他直言，這類效率創新過去在科技史上，幾乎都導向「用量爆炸」而非「需求消失」。

半導體專家 Lennart Heim 也提醒，記憶體與運算晶片的需求，在 AI 世代本來就一面享受效能提升、一面持續放量。他指出，儘管近年模型壓縮、量化、剪枝等技術快速進步，實際上資料中心資本支出、HBM 供需與先進製程產能依舊吃緊，顯示效率提升並沒有讓硬體需求下滑，反而被新應用、新模型與更多使用者完全「吃掉」。

從更宏觀的角度來看，Google 此次演算法突破，本質上是把 AI 服務的單位成本往下壓。對雲端供應商與大型客戶來說，當每一次推論所需的記憶體、電力與伺服器資本支出縮減，會直接改變商業決策：原本算不過來的場景，例如邊緣裝置語音助理、企業內部客製模型、工廠現場即時分析等，都可能因成本降低而大規模鋪開。這種「新需求」常常遠大過「單一節點用量被壓縮」的負面效果。

值得注意的是，市場對 Alphabet (GOOGL) 本身也出現短線擔憂。技術指標顯示，GOOGL 股價目前較 20 日均線跌逾 7%，距 100 日均線也回落約一成，短期偏空氣氛濃厚。然而，股價仍站在 200 日均線之上，過去 12 個月累積漲幅超過 70%，整體長多結構尚未被破壞。相對強弱指標(RSI)已跌到約 27，進入超賣區，顯示賣壓有過度延伸跡象；MACD 雖仍在訊號線下方，但在技術派眼中，這組合常被視為中期上升趨勢中的「健康修正」。

在產業層面，記憶體與邏輯晶片廠早已習慣這種「效率恐慌」。過去二十年，從處理器效能躍進、製程微縮、虛擬化到雲端計算，每一次技術突破剛出現時，市場都曾擔心伺服器數量或儲存容量會因「效率變高」而放緩成長。但事後回頭看，無論是資料量、上雲比例還是各類線上服務的滲透率，幾乎都是幾何級數成長，讓硬體出貨維持高檔或創新高。此次 TurboQuant 事件，很可能只是同一個故事在 AI 時代的翻版。

當然，並非所有風險都可輕忽。若 AI 成本大幅下降卻未帶來相對應的新應用，部分硬體廠短線訂單確實可能受壓。另外，演算法若成為開源社群的共通標準，對特定高階記憶體產品結構，也可能帶來出乎意料的產品組合變化，投資人仍須關注主要供應商後續在 HBM、CXL 記憶體架構、封裝整合等方向的策略調整。

但從現階段資訊來看，主流機構仍傾向將這次記憶體股回檔界定為「AI 擴張路上的噪音」。效率拉高通常不會讓人少用科技，反而會讓更多人、在更多情境、更頻繁地用科技。對長線投資人而言，真正關鍵在於：誰能在這波 AI 成本革命中，持續掌握技術節點與產能優勢。市場短暫被 TurboQuant 嚇到，但真正決勝點，仍在那些掌握晶片、架構與生態系話語權的公司手上。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。