社区

美东时间3月31日，花旗分析师Atif Malik将美光科技目标价从510美元大幅下调至425美元，降幅高达17%，这一动作直接点燃了市场对存储芯片赛道的焦虑情绪。而焦虑的源头，正是谷歌此前发布的TurboQuant算法——这家科技巨头宣称，该算法可在零精度损失的前提下，将大语言模型运行时的内存占用降低6倍、性能提升8倍。消息一出，美股存储板块应声下跌，市场瞬间炸开了锅：AI时代的存储需求神话，难道要被一个算法终结了？存储赛道的风向，真的要彻底变了吗？

一、事件拆解：TurboQuant到底是什么，为什么能搅动市场？

要理解这次冲击，首先要搞清楚TurboQuant的核心逻辑。谷歌发布的这项技术，本质是面向大语言模型的量化压缩优化算法。量化（Quantization）是AI模型优化的经典手段，核心是通过降低模型参数的数值精度（比如从32位浮点数转为8位整数），来减少内存占用、提升运算效率。而TurboQuant的突破点，在于谷歌宣称实现了**“零精度损失”下的极致压缩**：内存占用砍6倍、性能提8倍，相当于用算法“凭空”造出了海量算力和内存空间。

对于市场而言，这个消息的冲击是直接且致命的：

过去几年，AI大模型的爆发是存储芯片行业的核心增长引擎。训练和运行千亿参数大模型，需要海量的高带宽内存（HBM）、DRAM和NAND闪存，存储厂商因此迎来了量价齐升的黄金周期，美光、三星、SK海力士等巨头股价一路走高，A股相关存储概念股也持续走强。

而TurboQuant的出现，被市场解读为**“用算法替代硬件”**：如果一个算法就能把内存需求砍到原来的1/6，那未来AI厂商对存储芯片的采购需求，岂不是会大幅萎缩？存储行业的增长逻辑，是不是直接被釜底抽薪了？

正是这种对“需求崩塌”的恐慌，直接引发了存储板块的集体回调，也让花旗等机构率先下调龙头目标价，进一步放大了市场情绪。

二、理性拆解：TurboQuant真的能颠覆存储行业吗？

市场的恐慌情绪可以理解，但从产业逻辑来看，TurboQuant对存储行业的冲击，远没有市场渲染的那么夸张，更谈不上“终结赛道”，核心原因有三点：

1. 技术落地有边界，并非全场景通用

首先要明确：TurboQuant的优化，是针对大语言模型“运行时内存”的优化，而非全场景覆盖。

它的核心价值，是优化模型在推理阶段的内存占用，让大模型能在更低配的硬件上运行，或者在相同硬件上跑更多并发。但对于AI模型的训练阶段，尤其是超大规模大模型的训练，量化压缩的空间极其有限——训练需要极高的数值精度来保证模型收敛，零精度损失的极致压缩几乎无法应用，训练端对HBM、高带宽存储的需求，不会因为TurboQuant而发生本质变化。

其次，算法优化的上限，永远赶不上模型迭代的速度。AI大模型的参数规模，从百亿级到千亿级、万亿级，几乎每半年就会迭代一次，对算力和存储的需求是指数级增长的。即便TurboQuant能把内存需求砍6倍，模型参数翻10倍带来的需求增量，会直接抵消算法优化的效果。简单来说：算法是“节流”，而AI模型的迭代是“开源式的增量需求”，节流永远追不上开源的速度。

2. 存储需求的底层逻辑，从未发生改变

存储芯片的需求，从来不是只来自AI大模型。从消费电子（手机、PC）、数据中心、汽车电子到工业控制，存储芯片是数字经济的“基石硬件”，需求是多元且刚性的。

即便是AI赛道，存储的需求也不止“模型运行内存”：数据中心需要海量存储来存放训练数据、用户数据、模型文件；AI服务器需要高带宽内存来支撑多模型并行、高并发推理；边缘AI设备需要低功耗存储来实现端侧部署。TurboQuant优化的，只是其中一个细分环节，无法撼动整个存储需求的大盘。

更关键的是，算法优化反而会催生新的存储需求。当大模型的运行成本大幅降低，会有更多中小厂商、更多场景（比如端侧AI、嵌入式AI）用上大模型，反而会扩大AI对存储的整体需求。就像当年硬盘压缩技术出现后，并没有让硬盘行业萎缩，反而因为数据存储成本下降，催生了更多数据存储需求，推动了硬盘行业的增长。

3. 机构下调目标价，更多是情绪面的顺势而为

花旗此次下调美光目标价，本质是对市场情绪的回应，而非对行业基本面的彻底看空。

从美光的基本面来看，2025年存储行业正处于周期上行期，AI需求驱动下，DRAM和NAND的价格持续上涨，美光的业绩和毛利率持续改善，行业的景气度逻辑并没有因为一个算法而改变。

机构下调目标价，更多是基于短期股价的波动风险：市场情绪恐慌，股价有回调压力，机构顺势下调目标价，是为了规避短期波动，而非看空存储行业的长期价值。事实上，绝大多数机构对存储行业的长期逻辑，依然是看好AI驱动的周期上行，TurboQuant只是一个短期扰动因素。

三、行业展望：存储赛道的“危”与“机”

这次事件，本质是存储行业在AI时代的一次“压力测试”，它暴露了市场对存储赛道的核心焦虑：AI需求的持续性，会不会被技术迭代颠覆？ 但同时，也让我们更清晰地看到了存储赛道的长期机会：

1. 短期：情绪扰动带来的布局窗口

短期来看，市场的恐慌情绪会导致存储板块出现回调，尤其是美股的美光，A股的存储芯片、HBM相关概念股，会面临短期的估值回调压力。但对于长期投资者而言，这反而可能是一个优质的布局窗口：

行业的基本面没有发生变化，AI对存储的需求依然强劲，存储周期上行的逻辑没有被打破；

算法优化带来的冲击，是短期情绪面的，而非基本面的，情绪消化后，板块会回归基本面驱动的走势。

2. 长期：技术迭代倒逼行业升级，反而强化龙头优势

长期来看，TurboQuant这类算法的出现，会倒逼存储行业进行技术升级，反而会强化龙头厂商的竞争优势：

对于存储厂商而言，算法优化会推动行业向更高性能、更高密度、更低功耗的存储技术演进，比如HBM3E、HBM4、3D NAND等高端存储技术，会成为行业的核心竞争力；

中小厂商会因为技术迭代压力被淘汰，行业集中度会进一步向美光、三星、SK海力士等龙头集中，龙头厂商的议价能力和盈利能力会持续提升；

同时，算法优化会推动存储与AI的深度融合，存储厂商会推出更多面向AI场景的定制化存储产品，打开新的增长空间。

3. 投资逻辑：从“总量博弈”转向“结构分化”

这次事件也给投资者提了个醒：存储赛道的投资逻辑，已经从过去的“AI需求总量爆发，躺赢板块行情”，转向**“结构分化下的精选个股”**：

优先关注技术壁垒高、AI场景深度绑定的龙头厂商，比如掌握HBM核心技术、高端DRAM/NAND产能的厂商，这类厂商会受益于行业集中度提升和技术升级；

规避技术落后、产能低端、依赖单一市场的中小厂商，这类厂商会在技术迭代和行业波动中被淘汰；

同时，关注存储产业链的上游环节，比如存储芯片设计、存储材料、存储设备等，这些环节会受益于存储行业的技术升级和产能扩张。

四、结论：风向未变，短期扰动不改长期景气

回到开篇的问题：谷歌TurboQuant算法，真的会改变存储赛道的风向吗？答案是否定的。

它只是AI技术迭代中的一个优化工具，而非存储行业的“终结者”。它优化的是AI模型的运行效率，而非消灭AI对存储的需求；

存储行业的底层增长逻辑，依然是数字经济的发展和AI技术的迭代，这个大趋势不会因为一个算法而改变；

短期的市场恐慌和板块回调，只是情绪面的扰动，行业的基本面和长期景气度，依然坚实。

对于投资者而言，与其恐慌“算法替代硬件”，不如理性看待技术迭代的影响：AI和存储，从来不是“零和博弈”，而是相互促进、共同成长的关系。算法优化会让AI更普及，而AI的普及会带来更多的存储需求，这才是存储赛道的长期底层逻辑。

存储赛道的火热，不会因为一个算法而终结，反而会在技术迭代中，迎来更健康、更具韧性的长期增长$谷歌(GOOG)$