共计 1471 个字符，预计需要花费 4 分钟才能阅读完成。
存储股“谷歌恐慌”症背后: 新技术表象下的新周期博弈
2026 年 3 月下旬,全球存储芯片市场突然“变脸”。从 A 股的佰维存储、兆易创新, 到美股的美光科技、西部数据, 再到韩国的三星电子、SK 海力士, 存储板块集体遭遇显著回调。一时间, 市场情绪转向恐慌, 而矛头几乎一致指向了谷歌最新发布的 AI 内存压缩技术——TurboQuant。
然而, 当喧嚣散去,冷静观察后不难发现, 将股价下跌简单归因于一项技术突破, 可能误读了市场的真实信号。此次调整背后, 实则是存储行业迈入新周期的一次正常博弈, 技术进步只是表象,AI 算力驱动下的结构性需求变化与行业周期性规律, 才是核心所在。
📌 一、市场恐慌的导火索: 谷歌 TurboQuant 被过度解读
此次存储股下跌的直接诱因,是市场对谷歌 TurboQuant 技术的恐慌性解读 。这项技术被描述为一种针对大语言模型推理阶段键值缓存(KV Cache) 的压缩算法, 据称可将缓存压缩至 3bit 精度, 实现约 6 倍的内存压缩效果, 并在某些场景下提升 GPU 性能。
消息一出,部分市场观点迅速发酵 , 形成了一条看似合理的逻辑链:AI 系统内存需求将因效率提升而大幅降低 → DRAM、HBM(高带宽内存) 等存储芯片的长期需求预期受冲击 → 存储企业基本面面临重估。叠加前期板块涨幅较大, 获利了结压力与恐慌情绪共振, 引发了抛售潮。
但这一逻辑存在明显缺陷。TurboQuant 的压缩范围严格限定于推理阶段的 KV 缓存 , 并不压缩模型权重本身对 HBM 的占用。这意味着, 它无法改变千亿参数大模型部署时对底层硬件容量的基本门槛, 其核心作用是优化“单位内存可承载的推理请求量”, 而非消灭内存需求。摩根士丹利等机构也指出, 该技术不影响训练任务, 反而可能因提升单 GPU 吞吐量而间接刺激硬件采购。
🔍 二、下跌的本质: 存储行业周期性调整的正常显现
过去两年,在 AI 需求的强劲带动下, 存储价格快速上涨, 厂商扩产意愿强烈。然而, 智能手机、PC 等传统需求端的恢复节奏并未同步跟上。当上游成本持续上行, 而终端产品价格难以完全转嫁时, 下游厂商开始通过减少存储配置、延缓产品换代等方式应对, 这种“温和但持续”的调整, 最终传导至采购端, 为市场情绪的转变埋下了伏笔。
对于熟悉存储行业的投资者而言, 真正重要的风向标往往不是某项技术突破, 而是买方态度的变化。当下游开始不再恐慌性囤货, 当价格谈判从“必须接受”转向“可以协商”, 周期的拐点往往已经悄然出现。
💡 三、新周期的核心驱动力:AI 算力与 HBM 的结构性需求
HBM 的供给扩张面临诸多瓶颈: 高度依赖先进封装 (如 CoWoS) 工艺,产能紧张 ; 高层堆叠技术难度大; 资本支出存在滞后性。目前, 台积电等代工厂的先进封装产能已被英伟达等头部客户大量预订, 供需失衡状态短期难以缓解。这也解释了为何主要存储厂商(如美光、SK 海力士) 在股价回调的同时, 仍坚持推进 HBM4 研发并扩大资本支出——他们看到的是 AI 驱动的长期需求红利。
📊 四、效率提升反而刺激需求: 杰文斯悖论的现实演绎
市场担忧 TurboQuant 这类技术会压制存储需求,这可能违背了一个经典的经济学规律——杰文斯悖论。该悖论指出, 当某种资源的使用效率提升时, 其总消耗量反而可能增加, 因为效率提升降低了使用成本, 从而刺激了更广泛和更密集的应用。
在 AI 存储场景中, 这一逻辑正在生动上演:TurboQuant 通过压缩技术 , 降低了单次推理任务的内存占用和成本, 其结果很可能不是减少总内存采购, 而是使得部署 AI 服务、处理更长上下文、更高并发请求变得。
