¿Fracaso en la ingeniería de la tecnología de memoria de IA de Google? TurboQuant “irrumpe en escena”, el círculo tecnológico llama a esto el “DeepSeek de Google” o “la versión real de Pied Piper”. ¡En Wall Street dicen “jaja, hora de comprar acciones de memoria”!

Wall Street Journal

La nueva tecnología de compresión de memoria AI presentada por Google no solo ha provocado entusiasmo por la revolución de eficiencia en computación en la industria tecnológica, sino que también ha llevado a una fuerte reevaluación de las valoraciones en el sector de chips de almacenamiento en Wall Street, aunque las instituciones financieras han visto en este pánico una oportunidad para comprar.

El miércoles, el sector de chips de almacenamiento en las bolsas estadounidenses sufrió una fuerte caída debido a las expectativas de que esta tecnología reducirá significativamente la demanda de hardware AI.Al cierre, el índice de cadenas de suministro de chips de almacenamiento y hardware cayó un 2,08%, y empresas líderes como SanDisk y Micron Technology terminaron el día con caídas pronunciadas, reflejando una reacción defensiva del mercado ante el futuro de la demanda.

Sin embargo, mientras el entorno tecnológico aplaude este avance como el “Pied Piper real” y el “DeepSeek de Google”, las opiniones de los bancos de inversión de Wall Street resultan completamente diferentes.Varios analistas señalan que el impacto real de esta tecnología ha sido sobrevalorado por el mercado, y afirman que los inversionistas deberían aprovechar la corrección para comprar acciones relacionadas con la memoria.

A pesar de que los datos del laboratorio muestran una eficiencia de compresión impresionante, desde la perspectiva de la evolución macroeconómica y del despliegue de computación real, esta tecnología destinada a superar el cuello de botella de memoria en AI,podría finalmente no destruir la demanda de almacenamiento, sino actuar como catalizador para una mayor expansión de la industria.

El sector de almacenamiento cae en respuesta

Tras el anuncio del algoritmo de compresión de memoria TurboQuant por parte de Google, la preocupación por la demanda a largo plazo de hardware de almacenamiento se extendió rápidamente en el mercado, provocando ventas de activos relacionados.

Durante la sesión del miércoles, el sector de chips de almacenamiento registró caídas colectivas. SanDisk llegó a caer un 6,5%, Micron Technology bajó un 4%, Western Digital y Seagate Technology bajaron más de 4% y 5% respectivamente. Con la estabilización de la emoción del mercado al final del día, los descensos se moderaron. Al cierre, SanDisk y Micron Technology bajaron más del 3,4%, Seagate Technology cerró con una caída del 2,6% y Western Digital redujo su descenso al 1,6%. Ese día, el índice de cadenas de suministro de chips de almacenamiento y hardware cerró en 113,03 puntos, habiendo tocado los 109 puntos en su mínimo intradía.

La causa directa del pánico en el mercado fue la afirmación de Google de que TurboQuant puede reducir el uso de caché de memoria de modelos de lenguaje grandes al menos seis veces sin perder precisión.Bajo la lógica de la competencia armamentística en AI, altamente dependiente de la expansión de hardware, cualquier avance tecnológico que reduzca la cantidad de memoria física necesaria puede desencadenar presión de venta sobre un sector ya de por sí valorado en exceso.

“Pied Piper real” y “DeepSeek de Google”

En la industria tecnológica, el lanzamiento de TurboQuant se considera un hito importante para reducir los elevados costes operativos de modelos de lenguaje grande. Esta tecnología está diseñada específicamente para resolver el cuello de botella de caché de claves (KV Cache) en sistemas AI, con el objetivo de comprimir la caché que normalmente ocupa mucho espacio hasta 3 bits.

Según la prensa, Google utiliza un método de compresión en dos pasos: primero transforma los vectores de datos a coordenadas polares mediante la tecnología PolarQuant para eliminar costes adicionales de normalización, y luego emplea el algoritmo de cuantización QJL para eliminar errores residuales.

En los experimentos con modelos open source como Gemma y Mistral, este algoritmo logró no solo una reducción seis veces en memoria, sino que también multiplicó el rendimiento hasta ocho veces respecto a la solución no cuantizada de 32 bits en la GPU NVIDIA H100.

Estos datos sorprendentes desataron debates en internet,y muchos lo apodaron el “Pied Piper real”, en referencia a la ficticia startup de la legendaria serie de HBO “Silicon Valley”, que revolucionó la industria con un algoritmo de compresión sin pérdidas. Matthew Prince, CEO de Cloudflare y otros lo han denominado el “momento DeepSeek de Google”, considerando que podría, como DeepSeek, reducir enormemente los costes operativos de AI gracias a sus beneficios de eficiencia.

Wall Street no teme el impacto y llama a “comprar en la caída”

Ante el entusiasmo de la industria tecnológica y las ventas en los mercados secundarios, los bancos de inversión de Wall Street muestran una notable calma y consideran que la reacción del mercado es excesiva.

KC Rajkumar, analista de Lynx Equity Strategies, cuestionó el carácter “disruptivo” de la tecnología. En su informe para clientes, señaló que la prensa ha exagerado las capacidades de TurboQuant.

Explicó que los modelos de inferencia actuales ya utilizan ampliamente datos cuantificados a 4 bits, y que el supuesto aumento de rendimiento de Google de ocho veces se basa en comparaciones con modelos antiguos de 32 bits. Insistió en que estas técnicas avanzadas de compresión sirven solo para aliviar cuellos de botella en computación, pero no afectarán la sólida demanda de memoria y almacenamiento flash durante los próximos tres a cinco años debido a las restricciones de suministro. Por ello, mantuvo su precio objetivo de 700 dólares para Micron Technology y su recomendación de compra, indicando claramente que “se debe comprar durante la corrección causada por la noticia de Google”.

Andrew Rocha, analista de Wells Fargo, señaló igualmente que aunque TurboQuant afecta directamente la curva de costes de memoria en sistemas AI, históricamente,la existencia de algoritmos de compresión nunca ha cambiado fundamentalmente la escala total de compras de hardware; la base de la demanda de memoria AI sigue siendo fuerte en la actualidad.

Paradoja de Jevons reaparece: la demanda a largo plazo podría verse impulsada

Además de señalar la reacción excesiva del mercado, las instituciones también han revaluado el impacto de TurboQuant desde una perspectiva económica a largo plazo.

Morgan Stanley indica que TurboQuant solo afecta el caché de claves en la etapa de inferencia, no tiene impacto en el entrenamiento del modelo ni en el uso de memoria de alto ancho de banda (HBM) para los pesos de los modelos. El propósito fundamental de la tecnología es mejorar el rendimiento de una sola GPU, permitiendo que el mismo hardware soporte contextos más largos o lotes de datos más grandes.

Morgan Stanley además cita la "Paradoja de Jevons" para explicar este fenómeno:las mejoras en la eficiencia técnica suelen reducir los costes de uso y por lo tanto desencadenan una mayor demanda total.Al disminuir drásticamente el coste de servicio por consulta, TurboQuant permitirá que los modelos, que antes solo funcionaban en clusters caros en la nube, puedan migrar a instalaciones locales, bajando efectivamente la barrera de despliegue masivo de AI.

Esto significa que la mejora en eficiencia activará más escenarios de aplicación de AI que anteriormente estaban limitados por los costes. El banco de inversión concluye que la tecnología remodela la curva de costes del despliegue de AI y que el impacto a largo plazo en el hardware de computación y memoria es “neutral a positivo”, lejos de ser una noticia negativa.