Brand Advertisement

Live Now

Google「TurboQuant」震撼華爾街:AI耗能劇減,記憶體類股市值蒸發3.2兆

事件總覽:Google最新發布的「TurboQuant」演算法,宣告AI模型訓練能大幅降低記憶體與算力需求,此一技術突破,在本週引發華爾街記憶體類股的劇烈震盪,導致相關企業市值蒸發近1000億美元(約新台幣3.2兆元),終結了過去一年因AI熱潮帶動的記憶體股飆漲行情。

📅 過去一年:AI浪潮下的記憶體黃金時代

回顧過去一年,隨著人工智慧(AI)應用如火如荼地發展,資料中心對高頻寬記憶體(HBM)的需求幾乎達到「渴求」的程度。這些作為AI模型運算核心的記憶體晶片,長期處於供不應求的狀態,讓記憶體與儲存設備供應商搖身一變,成為華爾街AI熱潮中最大的贏家。當時,記憶體類股的受歡迎程度,甚至一度超越了輝達(Nvidia)、微軟(Microsoft)與Alphabet等科技巨頭,市場對其未來成長抱持著極高的期待,彷彿這股漲勢將永無止境。

📅 本週:Google「TurboQuant」演算法橫空出世

然而,這份樂觀情緒在本週被Google的一份研究論文徹底動搖。這家搜尋巨頭推出了名為「TurboQuant」的革命性演算法,其核心理念是:在不犧牲輸出準確性的前提下,大幅壓縮AI模型。這項技術的潛在影響力巨大,意味著未來的AI模型將能在記憶體容量小得多的硬體上流暢運行,猶如為原本「食量驚人」的AI模型找到了「節食秘方」。此舉直接暗示,先前因AI熱潮所引發的硬體短缺問題,將有望獲得緩解。

📅 本週:記憶體巨頭股價應聲重挫,市值蒸發數兆

「TurboQuant」的發布,無疑為記憶體市場投下了一顆震撼彈。華爾街旋即出現大規模的拋售潮,各大記憶體供應商災情慘重。例如,身為美國高頻寬記憶體(HBM)領導供應商的美光科技(Micron),自上週五收盤以來,股價重挫15%,市值蒸發超過700億美元(約新台幣2.24兆元)。其產品與輝達晶片並列,是驅動Google Gemini與OpenAI ChatGPT等AI平台不可或缺的關鍵。此外,快閃記憶體設備製造商SanDisk本週市值蒸發約150億美元(約新台幣4800億元),而儲存設備巨頭威騰電子(Western Digital)與希捷科技(Seagate)也各自損失了數十億美元的市值。這波股價回檔,部分原因被視為投資人對先前驚人漲幅的「獲利了結」行為。

總部位於加州的資產管理公司Informed Momentum投資長普倫提斯(Travis Prentice)表示:「這些股票之前已經歷驚人的漲幅,因此任何邊際新聞,都可能引發股價回檔,都是非常理性的反應。記憶體類股的漲勢,看起來還沒結束,但市場期望已經極高,所以在當前動盪的市場環境中,投資人獲利了結是合理的舉動。」

至今影響與未來展望:市場波動與AI需求新篇章

對於Google這項新技術的長遠影響,摩根士丹利(Morgan Stanley,簡稱大摩)分析師透過報告指出,像TurboQuant這類的效率提升技術,確實能減少運行AI模型所需的基礎設施,進而降低每次查詢服務的成本,為AI商業部署帶來更高的利潤空間。更甚者,過去需要雲端叢集才能運行的模型,現在甚至可能裝載到本地端硬體上,這將有效降低大規模部署AI的門檻,讓AI的普及化更進一步。

不過,大摩分析師並不認為市場的恐慌性拋售完全合理,他們補充道,這項技術對記憶體與運算產業的影響,應該屬於「短期」現象。從長遠來看,AI運行成本的降低,反而會刺激並增加整體AI應用需求,因為當使用門檻降低,將有更多企業和個人願意投入AI的懷抱,這或許會像是一場「先蹲後跳」的變革。有趣的是,AI運算能力需求暴增所導致的「擠壓效應」,已經影響到其他產業鏈,例如日本索尼(Sony)上週就宣布,旗下熱銷遊戲機PlayStation 5 (PS5)售價將大幅調漲20%,部分原因正是記憶體零件成本飆升所致。

問:Google「TurboQuant」演算法的核心功能是什麼?

答:Google「TurboQuant」演算法的核心功能是在不犧牲AI模型輸出準確度前提下,大幅壓縮模型大小,使其能在記憶體容量較小的硬體上運行,進而顯著減少AI訓練所需的耗能與算力。

問:Google新演算法對記憶體類股造成了哪些短期影響?

答:Google新演算法發布後,華爾街記憶體類股遭遇大規模拋售潮,美光科技、SanDisk、威騰電子與希捷科技等主要供應商股價應聲重挫,總市值蒸發近1000億美元(約新台幣3.2兆元),反映市場對未來記憶體需求可能下降的擔憂,以及投資人的獲利了結行為。

問:業界如何看待Google新技術對AI市場的長期影響?

答:摩根士丹利分析師認為,雖然短期內可能造成市場波動,但從長期來看,Google新技術降低了AI運算成本和部署門檻,反而會刺激並增加整體AI應用需求,有助於AI技術更廣泛地普及與商業化。