2026年3月下旬，全球存儲(chǔ)芯片板塊突發(fā)集體回調(diào)，市場情緒迅速轉(zhuǎn)向恐慌。而投資者紛紛將矛頭指向谷歌最新發(fā)布的AI內(nèi)存壓縮技術(shù)“TurboQuant”，認(rèn)為這一“黑科技”將大幅降低內(nèi)存需求，從而重創(chuàng)存儲(chǔ)企業(yè)基本盤。然而，當(dāng)我們冷靜觀察后不難發(fā)現(xiàn)，此次下跌并非技術(shù)顛覆所致，而是存儲(chǔ)行業(yè)邁入新周期的正常調(diào)整，技術(shù)進(jìn)步只是表象，AI算力驅(qū)動(dòng)下的結(jié)構(gòu)性需求才是核心。

存儲(chǔ)芯片板塊集體下挫：都是谷歌TurboQuant惹的禍？

2026年3月下旬，全球存儲(chǔ)芯片板塊遭遇罕見回調(diào)。例如A股方面，佰維存儲(chǔ)盤中一度跌超6%，兆易創(chuàng)新、江波龍等跟跌超3%-5%；美股市場更顯劇烈，美光科技連續(xù)多日下跌累計(jì)超15%，閃迪（SanDisk）一度重挫超11%，西部數(shù)據(jù)、希捷科技等存儲(chǔ)巨頭同步走弱；韓國三星電子、SK海力士股價(jià)分別下滑近5%和6%以上。

由此市場情緒迅速轉(zhuǎn)向恐慌，而主流媒體和投資者幾乎都將矛頭直指谷歌最新公布的AI內(nèi)存壓縮技術(shù)—TurboQuant。

那么問題來了，TurboQuant究竟是何方神圣？

據(jù)谷歌研究團(tuán)隊(duì)介紹，TurboQuant是一種無需重新訓(xùn)練模型的壓縮算法，主要針對(duì)大語言模型和向量搜索引擎中用于存儲(chǔ)高頻訪問信息的鍵值緩存（KV Cache）。它能將KV Cache壓縮至3bit精度，在Gemma、Mistral等開源模型上實(shí)現(xiàn)約6倍內(nèi)存壓縮效果，同時(shí)保持模型準(zhǔn)確率基本不受影響，甚至在英偉達(dá)H100GPU上實(shí)現(xiàn)最高8倍的性能加速。

值得注意的是，TurboQuant的壓縮范圍嚴(yán)格限定在推理階段的KV Cache，用于緩解超長上下文和高并發(fā)場景帶來的顯存線性增長問題，而并不壓縮模型權(quán)重本身對(duì)HBM的占用。這意味著，它并不能改變千億參數(shù)大模型在部署時(shí)對(duì)底層硬件容量的基本門檻，而更多是優(yōu)化“單位內(nèi)存可以承載的推理請(qǐng)求量”。

針對(duì)于此，業(yè)內(nèi)解讀迅速發(fā)酵，大體邏輯是：AI系統(tǒng)內(nèi)存需求或大幅降低，DRAM、HBM等存儲(chǔ)芯片的長期需求預(yù)期遭到?jīng)_擊。與此同時(shí)，多家投行和自媒體甚至直呼“谷歌黑科技干掉存儲(chǔ)需求”，疊加前期板塊高位獲利了結(jié)，拋售潮一觸即發(fā)。

表面上看，這似乎是技術(shù)進(jìn)步對(duì)傳統(tǒng)存儲(chǔ)產(chǎn)業(yè)的“降維打擊”，但這種線性推導(dǎo)忽略了一個(gè)更關(guān)鍵的問題，即需求是否真的會(huì)因?yàn)樾侍嵘陆?？如果稍微拉長時(shí)間維度，就會(huì)發(fā)現(xiàn)這輪存儲(chǔ)股價(jià)回調(diào)，并不是從谷歌發(fā)布技術(shù)的那一刻才開始的。

在此之前，市場已經(jīng)出現(xiàn)了一些更為基礎(chǔ)的變化，比如部分DRAM品類的價(jià)格上漲動(dòng)能減弱，下游廠商對(duì)繼續(xù)提價(jià)的接受度下降，甚至開始拒絕漲價(jià)，直至目前有些降價(jià)情況也已出現(xiàn)。與此同時(shí)，一些智能手機(jī)廠商已經(jīng)在調(diào)整產(chǎn)品策略，減少中低端機(jī)型的投放，因?yàn)樵诋?dāng)前成本結(jié)構(gòu)下，繼續(xù)推新自然變得不劃算。

例如，2025年末至2026年初，部分廠商已開始縮減中低端DDR、NAND配置，以應(yīng)對(duì)終端價(jià)格剛性與上游成本高企的矛盾。而這種“溫和但持續(xù)”的調(diào)整，最終反映到存儲(chǔ)采購，為市場情緒的轉(zhuǎn)變埋下伏筆。

需要說明的是，這些信號(hào)本身，并不具備“新聞性”，卻恰恰是存儲(chǔ)行業(yè)最關(guān)鍵的風(fēng)向標(biāo)。畢竟對(duì)于熟悉這一行業(yè)的投資者來說，真正重要的從來不是某項(xiàng)技術(shù)突破，而是買方態(tài)度的變化。當(dāng)下游開始不再恐慌性囤貨，當(dāng)價(jià)格從“必須接受”變成“可以談判”，周期的拐點(diǎn)往往已經(jīng)悄然出現(xiàn)。

谷歌技術(shù)并非顛覆：邏輯在存儲(chǔ)市場周期性調(diào)整

如果把視角從前述的短期情緒抽離出來，就會(huì)發(fā)現(xiàn)存儲(chǔ)行業(yè)，再一次走到了周期切換的臨界點(diǎn)。而作為一個(gè)高度標(biāo)準(zhǔn)化的行業(yè)，DRAM和NAND從來都不是靠技術(shù)差異定價(jià)的產(chǎn)品，它們更像是半導(dǎo)體產(chǎn)業(yè)的“大宗商品”，價(jià)格的每一次波動(dòng)，幾乎都直接映射供需關(guān)系的變化。

也正因?yàn)槿绱?，這個(gè)行業(yè)在過去幾十年里反復(fù)上演著類似的橋段：價(jià)格上漲帶來利潤擴(kuò)張，廠商加大資本開支，產(chǎn)能在兩到三年后集中釋放，供給迅速超過需求，價(jià)格回落甚至崩塌，然后進(jìn)入下一輪收縮與復(fù)蘇。這樣的循環(huán)之頻繁，以至于市場習(xí)慣用“豬周期”來形容它，即當(dāng)所有人都因?yàn)楦邇r(jià)而選擇擴(kuò)產(chǎn)時(shí)，真正的風(fēng)險(xiǎn)其實(shí)已經(jīng)在路上。某種意義上，存儲(chǔ)行業(yè)從來不是被技術(shù)打敗，而是被自身周期反噬。而當(dāng)前這輪回調(diào)，正是這種機(jī)制的延續(xù)。

眾所周知，過去兩年，在AI需求的帶動(dòng)下，存儲(chǔ)價(jià)格快速上漲，廠商的擴(kuò)產(chǎn)意愿明顯增強(qiáng)，而與此同時(shí)，部分傳統(tǒng)需求端其實(shí)并沒有同步跟上。尤其是在智能手機(jī)和PC領(lǐng)域，需求恢復(fù)的節(jié)奏遠(yuǎn)低于預(yù)期，而當(dāng)成本端持續(xù)上行、終端價(jià)格難以轉(zhuǎn)嫁時(shí)，廠商只能通過減少配置、延緩換代甚至縮減產(chǎn)品線來應(yīng)對(duì)，這種“溫和但持續(xù)”的調(diào)整，最終會(huì)反映到存儲(chǔ)采購上。

在這樣的背景下，再回頭看谷歌的TurboQuant無疑就理性了許多。

谷歌在論文與技術(shù)說明中提到的TurboQuant主要?jiǎng)?chuàng)新點(diǎn)包括：通過自研控制器和AI數(shù)據(jù)壓縮算法提升SSD利用率；在數(shù)據(jù)中心層面引入分級(jí)存儲(chǔ)體系（Tiered Storage），更智能地匹配冷熱數(shù)據(jù)訪問；結(jié)合近似計(jì)算模型（ApproximateComputing）來權(quán)衡精度與能效。

上述技術(shù)路線看似新穎，但若從產(chǎn)業(yè)演進(jìn)角度看，無非是“控制算法+Tiering+能耗優(yōu)化”的延續(xù)版本。IBM、Meta、阿里云在三年前都進(jìn)行過類似嘗試。換言之，谷歌的TurboQuant并不是一場真正的新技術(shù)革命，而是一種平臺(tái)級(jí)的系統(tǒng)優(yōu)化，它會(huì)提升谷歌自有數(shù)據(jù)中心的效率，卻不會(huì)沖擊整個(gè)存儲(chǔ)芯片產(chǎn)業(yè)鏈。

對(duì)此，摩根士丹利等機(jī)構(gòu)也明確指出，TurboQuant僅作用于推理KV Cache，不影響模型權(quán)重HBM，也不涉及訓(xùn)練任務(wù)；相反，效率提升將放大單GPU吞吐量，支持更長上下文和更大批處理，反而可能間接刺激硬件采購。

更具體地看，在推理場景中，TurboQuant通過6倍壓縮比大幅降低單GPU的KV緩存占用，相當(dāng)于變相提升了GPU能處理的并發(fā)請(qǐng)求數(shù)量，使HBM在高并發(fā)、長上下文場景下的帶寬優(yōu)勢能夠更充分釋放。短期內(nèi)，這可能改變部分云廠商對(duì)“單位算力所需內(nèi)存”的規(guī)劃，但并不會(huì)消除對(duì)HBM、DRAM等高端存儲(chǔ)的長期依賴，反而會(huì)強(qiáng)化其在高端AI服務(wù)器中的不可替代性。

由此可見，資本市場的過度解讀，往往來自對(duì)“技術(shù)創(chuàng)新”和“產(chǎn)業(yè)周期”混淆的誤判。短期看，技術(shù)新聞可能影響預(yù)期；中期看，決定股價(jià)走勢的仍是周期規(guī)律。故2026年初的這一輪調(diào)整，與其說是對(duì)谷歌TurboQuant技術(shù)的反應(yīng)，不如說是對(duì)此前存儲(chǔ)過熱預(yù)期的一次自我校正。

與此同時(shí)，我們還觀察到一個(gè)非常典型的市場信號(hào)，那就是雖然股價(jià)下滑，但主要存儲(chǔ)廠商的資本支出計(jì)劃并未收縮。

例如SK海力士宣布仍將推進(jìn)HBM4的開發(fā)，并計(jì)劃在2026年及之后繼續(xù)擴(kuò)大HBM產(chǎn)能，預(yù)計(jì)2026年底月產(chǎn)能將達(dá)到約20萬片TSV晶圓水平；三星也將HBM4列為重點(diǎn)，逐步推進(jìn)擴(kuò)產(chǎn)節(jié)奏；美光則在2026財(cái)年將資本支出上調(diào)至約200億美元，重點(diǎn)投向先進(jìn)DRAM和HBM產(chǎn)線，全年HBM產(chǎn)能已被下游客戶預(yù)訂一空。

上述種種事實(shí)說明，廠商自己并不認(rèn)為這是結(jié)構(gòu)性的衰退，而是階段性的調(diào)整，甚至從某種意義上，這種“下跌”反倒是下一輪周期啟動(dòng)的前奏。

AI算力驅(qū)動(dòng)下存儲(chǔ)需求高漲：HBM供需失衡與杰文斯悖論

如上述，如果是下一輪周期啟動(dòng)的前奏，與以往幾輪周期相比，這一輪最大的不同，在于需求側(cè)正在發(fā)生結(jié)構(gòu)性變化，而這種變化，則很難用傳統(tǒng)周期模型去完全解釋。

原因在于，過去，存儲(chǔ)需求主要來自手機(jī)、PC和服務(wù)器，它們的增長是漸進(jìn)式、相對(duì)可預(yù)測的。而今天，AI正在成為新的需求核心，而且這種需求并非線性增長。具體表現(xiàn)為，一個(gè)大型模型訓(xùn)練任務(wù)，所消耗的存儲(chǔ)資源，可能相當(dāng)于過去成千上萬臺(tái)傳統(tǒng)設(shè)備的總和；一個(gè)超大規(guī)模數(shù)據(jù)中心，在短時(shí)間內(nèi)鎖定的DRAM和HBM產(chǎn)能，足以改變整個(gè)市場的供需平衡。而在這一過程中，HBM（高帶寬存儲(chǔ)）逐漸成為關(guān)鍵變量。

與傳統(tǒng)DRAM相比，HBM不僅要求更高的帶寬與能效，還高度依賴先進(jìn)封裝等復(fù)雜工藝，這使得供給端的擴(kuò)張速度遠(yuǎn)遠(yuǎn)跟不上需求增長。

根據(jù)行業(yè)數(shù)據(jù)，2026年底全球主要廠商合計(jì)HBM晶圓產(chǎn)能（以TSV晶圓計(jì)）仍將處于緊張狀態(tài)，美光、SK海力士等廠商產(chǎn)能雖在提升，但大多已被英偉達(dá)等頭部客戶提前預(yù)訂。

此外，從某種意義上看，HBM已經(jīng)不再只是存儲(chǔ)產(chǎn)品，而是算力系統(tǒng)的一部分，特別是在AI訓(xùn)練與分布式推理場景中，HBM的容量與帶寬直接決定了單卡或單機(jī)柜的算力上限。事實(shí)是，2026年，HBM4將逐步進(jìn)入商用，單模塊容量有望提升至432GB，配合12層堆疊，內(nèi)存帶寬可達(dá)約19.6TB/s，進(jìn)一步放大對(duì)高端存儲(chǔ)的依賴。

基于此，目前市場的短期麻煩并不在需求消失，而在供給結(jié)構(gòu)受限，主因包括先進(jìn)封裝產(chǎn)能不足、高層堆疊難度上升以及資本支出周期存在滯后。

以先進(jìn)封裝為例，HBM需要與GPU通過2.5D或3D封裝技術(shù)集成，但臺(tái)積電、三星的CoWoS等產(chǎn)線仍處于產(chǎn)能吃緊狀態(tài)。例如TSMC CoWoS產(chǎn)能雖從2024年起加速擴(kuò)產(chǎn)，2025年目標(biāo)約7.5萬片/月；2026年底或達(dá)12-13萬片/月，但英偉達(dá)一家就預(yù)訂過半，整體仍極度緊張，售罄至2026年。對(duì)此，盡管國內(nèi)廠商如長江存儲(chǔ)、長鑫存儲(chǔ)也在追趕HBM國產(chǎn)化，但短期仍難以填補(bǔ)缺，而這正是當(dāng)前存儲(chǔ)價(jià)格堅(jiān)挺、股價(jià)回調(diào)后仍具支撐的根本原因，同時(shí)意味著需求遠(yuǎn)超供給，瓶頸解除后將釋放更大空間。

更重要的是，從更長周期來看，技術(shù)進(jìn)步并不會(huì)壓制需求，反而往往會(huì)放大需求，而這正是經(jīng)濟(jì)學(xué)中著名的杰文斯悖論所揭示的規(guī)律，即當(dāng)某種資源使用效率提升后，總消耗量反而會(huì)增加。這是因?yàn)樾侍嵘档土顺杀?，刺激了更廣泛的應(yīng)用和更密集的部署。

放在存儲(chǔ)產(chǎn)業(yè)中，這一邏輯同樣成立，那就是每一次技術(shù)優(yōu)化（無論是更高密度的NAND，還是更節(jié)能的HBM），最終都并非讓存儲(chǔ)需求下降，而是讓數(shù)據(jù)創(chuàng)造和計(jì)算變得更普遍、更密集，從而帶來更大的存儲(chǔ)需求總量。

事實(shí)是，目前AI算力的發(fā)展趨勢正是這一悖論的最好詮釋。眾所周知，OpenAI的多模態(tài)大模型、谷歌Gemini、百度的文心、字節(jié)的Coze等，這些模型的訓(xùn)練參數(shù)量以指數(shù)級(jí)增長。而一個(gè)百億參數(shù)的模型，訓(xùn)練過程可能需要消耗數(shù)百TB的高速緩存與臨時(shí)存儲(chǔ)；進(jìn)入到推理階段后，AI服務(wù)的普及又會(huì)帶來持續(xù)的讀寫和存取需求，從而對(duì)高速DRAM與HBM的依賴將愈發(fā)顯著。

在這一背景下，TurboQuant這樣的技術(shù)優(yōu)化，雖然能在單個(gè)GPU上大幅壓縮KV Cache，但整體效應(yīng)是以更低的推理成本+更高的并發(fā)吞吐，推動(dòng)更多AI服務(wù)上線、更長上下文對(duì)話、更復(fù)雜的多模態(tài)交互，這反過來又會(huì)刺激對(duì)HBM、DRAM的總需求，而這正是“效率提升放大總需求”的典型場景。

寫在最后：綜上，我們認(rèn)為，存儲(chǔ)股此次下跌是市場對(duì)谷歌“新技術(shù)”的誤讀與新周期調(diào)整的正常陣痛，而非行業(yè)拐點(diǎn)，尤其是在AI算力浪潮下，HBM供需失衡短期會(huì)制約供給，長期將隨產(chǎn)能釋放而高漲，而杰文斯悖論則確保效率提升，最終放大而非抑制總需求。

可以說，真正的新周期才剛剛開啟，存儲(chǔ)企業(yè)仍將迎來需求與利潤的雙重紅利期。短期看，行業(yè)正從“單純提價(jià)”進(jìn)入“結(jié)構(gòu)性供需摩擦”階段，價(jià)格和股價(jià)波動(dòng)都可能加大；中長期看，AI算力的持續(xù)擴(kuò)張、HBM產(chǎn)能的逐步釋放以及各類技術(shù)優(yōu)化的疊加，將共同推動(dòng)存儲(chǔ)在單位算力成本下降的同時(shí)，實(shí)現(xiàn)整體需求總量的持續(xù)攀升。