南亞科、華邦電、旺宏…被錯殺？2表看懂降本核彈TurboQuant 記憶體慘淪「DeepSeek時刻」？大摩打臉是利多

10:232026-03-27

旺得富理財網

李宗莉

演算法「TurboQuant」標榜僅需6分之1存儲容量，引發美韓台記憶體股崩跌。（示意圖/達志影像/shutterstock）

外界擔心，記憶體霸權恐被軟體顛覆，導致美台韓記憶體股全數團滅，南亞科(2408)、華邦電(2344)、旺宏(2337)、創見(2451)、力積電(6770)等多檔指標股，今（27）日開盤隨台股持續重挫，跌幅都逾半根停板。

但大摩最新分析指出，Google最新AI演算法「TurboQuant」，透過壓縮技術將AI推論速度提升8倍，記憶體使用量減少6倍，對大型CSP（雲端服務供應商）、LLM（大型語言模型）是一項利多，且長期而言，該演算法不僅不會降低記憶體需求，反而會推升存儲晶片使用量，對運算和記憶體產業有正面助益。

大摩指出，該演算法僅在推論階段影響KV快取（KV cache），讓每個GPU產出更多內容，主要用於隨上下文長度增加的暫時性記憶體，而GPU/TPU上的HBM記憶體佔用，以及訓練工作負載則不受影響。

pending

TurboQuant運作原理(翻攝法人報告)

由於該技術允許在相同的硬體上，運行4~ 8倍長的上下文，或在不耗盡記憶體的情況下，大幅增加批次處理量（batch sizes），KV快取則是如同暫存的記憶小抄，讓系統不必每次都從頭讀取資料，大摩分析，並不代表整體硬體需求或記憶體減少了6倍，反而提高了每個GPU的吞吐效率。

長期來看，由於「TurboQuant」旨在提升每個加速器的吞吐量，並降低單次查詢的成本，大摩認為，記憶體產業將出現經濟學中著名的傑文斯悖論（Jevon's Paradox）效應，即效率提升帶動總需求增加，最終該資源的總消耗量反而上升，並從2角度看好長期發展。

1.擴展實質的GPU容量：雖然壓縮技術降低了記憶體需求，但其近期的主要影響並非減少市場對GPU的絕對需求量，而是解放現有硬體的更高利用率，以及更長的上下文處理能力。

雲端巨頭很可能將提升的效率重新投資於3領域，包括：1.更大的模型或更長的上下文；2. 更高的查詢處理量；3.更佳的延遲服務水準協議 (SLA)，效率提升終會被擴張的需求所吸收，從而抵銷GPU需求量下滑的風險。

2.對重度推論平台與邊緣部署是利多：無需重新訓練即可壓縮至3位元的能力，降低導入門檻，對於擴展推論工作負載的CSP、部署私有LLM的企業，以及記憶體受限的邊緣/設備端AI來說，具有極高價值。

pending

TurboQuant主要看點(翻攝法人報告)

大摩指出，就像瓦特改良蒸汽機後，煤炭需求反而飆升一樣，「TurboQuant」讓AI推理變得便宜、快速且能處理更長的資訊，將激發出更多原本受限於成本，而無法實現的應用場景。

如果模型能在不犧牲效能的前提下，以極低的記憶體需求運行，單次查詢的服務成本將大幅下降，從而讓AI部署變得更有利可圖。

像是原本需要上雲端的大型模型，將能安裝在本地端硬體上，有效降低大規模部署AI的門檻，且更多的應用程式將變得可行，更多模型能維持活躍狀態，現有基礎設施的利用率也會隨之提高。

正如去年的DeepSeek震撼，並未摧毀硬體需求，反而帶動了新一波效率競賽，大摩認為，Google的技術突破，最終可能演變成推動記憶體與算力需求攀升的助燃火箭，即便暫時引發記憶體股的恐慌，但長遠來看，更有可能扮演「開啟新應用大門」的角色。

若「TurboQuant」確實改變AI布署的成本曲線，隨AI變得更輕盈、更聰明、成本更低，全球對於運算資源的渴望，或許才正要進入下一個高光階段。

官股金控旗下投顧則表示，市場直覺認為「軟體演算法解決了硬體短缺」，CSP巨頭未來對記憶體的採購量將下修，記憶體晶片廠近年好不容易建立的「強勢定價權」恐將鬆動。

但該投顧認為，在供給依然吃緊、邊緣AI（Edge Al）落地、HBM規格升級不變的3前提下，預期未來3年內，記憶體與快閃記憶體的供給依然受限，單一演算法難以動搖硬體周期大勢。

其次，記憶體需求壓縮，反而代表AI模型更容易被塞進手機、PC、車用等終端設備，進而擴大邊緣裝置對標準型DRAM的拉貨基數。

最後則是模型架構的演進（如多模態），對參數量與傳輸頻寬的要求指數級增長，軟體壓縮只是稍稍緩解物理極限，無法逆轉硬體堆疊的長期趨勢。