一、市场概况
2026年3月26日，全球存储板块遭遇集体性抛售。美股方面，美光科技（MU）延续日线"五连跌"态势，闪迪（SNDK）、西部数据（WDC）、希捷（STX）同步走弱，存储芯片及硬件供应链相关指数单日跌幅超过2%；A股方面，三大指数集体低开，存储芯片板块跌幅居前，沪指开盘报3924.96点，创指跌幅达0.54%；港股市场同样未能幸免，硬科技板块盘中急挫，中芯国际、华虹半导体双双跌超6%。
此轮异动并非孤立事件，而是多重因素叠加共振的结果。
二、核心触发因素：谷歌 TurboQuant 算法的市场冲击
2.1 技术事件概述
本轮下跌的直接导火索，是谷歌研究院（Google Research）于2026年3月24~25日正式发布的新型AI压缩算法——TurboQuant。该技术由研究人员 Amir Zandieh、Vahab Mirrokni 等人主导研发，论文将于2026年4月的国际学习表征会议（ICLR 2026）正式发表。
TurboQuant 是一种两阶段在线向量量化框架，专门针对大语言模型（LLM）推理阶段的键值缓存（KV Cache）内存瓶颈问题。其核心技术由PolarQuant与QJL两个子算法构成：
PolarQuant（极坐标变换压缩）是主压缩模块。传统量化方法在笛卡尔坐标系下工作，需要为每一数据块存储全精度归一化校准常数，造成压缩开销部分抵消压缩收益。PolarQuant 通过对输入向量施加随机旋转，使数据分布趋于集中可预测，再将坐标系切换至极坐标表示，利用角度分布的内在规律性彻底消除 per-block 归一化开销，从而在零额外存储代价下实现高质量的主体压缩。
QJL（量化 Johnson-Lindenstrauss 变换）是残差校正模块。PolarQuant 压缩后残留的系统性偏差，由 QJL 以仅 1-bit 的极低代价加以消除。其机制在于：QJL 将残差向量经 Johnson-Lindenstrauss 变换后量化为符号位（+1 或 -1），在注意力分数计算环节与高精度 query 向量协同工作，利用高精度侧"兜住"低精度侧的估计误差，确保内积计算结果的无偏性。
两阶段合并后，TurboQuant 可将 KV Cache 压缩至 3-bit 精度，在 Gemma、Mistral 等主流开源模型上实现约 6 倍内存缩减，在 NVIDIA H100 加速器上实现最高 8 倍的注意力计算加速，且无需模型重训或微调，LongBench 基准测试结果与 FP32 基线保持一致。
2.2 市场传导逻辑
市场对 TurboQuant 的解读路径极为直接：AI 推理内存需求大幅压缩 → 单台服务器所需高端存储芯片数量减少 → 存储行业量价齐升的核心叙事受到挑战 → 相关标的估值承压。
过去两年支撑存储股估值的核心逻辑之一，是 AI 对显存的需求只会持续扩张。TurboQuant 在技术层面首次对这一假设构成了可量化的冲击，引发市场对 AI 内存需求前景的重新定价。
三、下跌的次生因素：累积的高位获利盘
除 TurboQuant 事件外，本轮下跌还叠加了多重次生压力，共同放大了市场的负面情绪。
其一，前期涨幅过大，获利了结压力积聚。本轮存储行业景气周期强度远超历史均值。据 TrendForce 数据，2026年第一季度 DRAM 合约价格环比上涨高达 90~95%，NAND Flash 合约价格环比上涨 55~60%，部分产品如服务器用 DDR4 SO-DIMM 单季涨幅甚至超过 180%。经历如此剧烈的价格上行后，存储板块个股普遍积累了大量获利浮筹，市场情绪对利空信号的敏感度显著高于常态。
其二，摩根士丹利报告的预期扰动。本轮下跌前夕，摩根士丹利发布研究报告，警告 DDR4 近期价格虽有上涨，但下半年强势定价能力或因终端需求转弱而面临挑战。报告同时指出，部分未切入 HBM 领域的台系厂商属于典型周期性产业，一旦报价回落，可能重演航运股的剧烈修正行情，直接压制了存储股的估值空间。
其三，韩国市场情绪的跨市场传导。3月23日，韩国综合指数暴跌超5%，在港股上市的两倍做多海力士和三星杠杆 ETF 均跌超9%。韩国作为全球存储产业的核心枢纽，其市场情绪对 A 股、港股存储板块具有显著的情绪传导效应，加速了本轮抛售的蔓延。
四、主流机构观点
4.1 偏空观点：结构性冲击不可忽视
富国银行 TMT 分析师 Andrew Rocha 指出，TurboQuant 正在直接压缩 AI 系统的内存成本曲线。若该技术获得广泛采用，市场将不得不重新评估 AI 应用所需的内存容量规格，存储行业的量价齐升预期将面临实质性修正。
部分市场人士认为，TurboQuant 的发布标志着 AI 基础设施从"堆内存"向"压缓存"的范式转移，具备压缩算法能力的软件层解决方案将对纯硬件存储供应商形成持续的估值压制。
4.2 偏多观点：情绪过度，基本面未变
然而，主流机构对此次下跌的定性，普遍倾向于"情绪性过度反应"而非基本面反转。
摩根士丹利援引经济学中的"杰文斯悖论"（Jevons Paradox）指出：资源使用效率的提升，历史上往往带来总需求的增长而非萎缩。AI 推理成本的降低，将进一步降低 AI 应用的部署门槛，激活更多边缘场景，最终消耗的算力总量反而可能更大。
国内机构方面，中信证券研报明确表示，AI 需求驱动下存储仍处于超级景气周期前中段，供不应求格局至少持续至 2027 年；野村证券大幅上调 2026 年二季度 DRAM 和 NAND Flash 价格涨幅预期，认为将出现"量级式"跳升；国盛证券则指出，本轮存储行情已跳出传统周期循环，进入 AI 重塑底层逻辑的成长大时代，具备业绩安全边际与长期逻辑支撑。
从供需数据来看，铠侠已公开表示 2026 年全年 NAND 产能全部售罄；群联 CEO 潘健成披露目前仅能满足客户约三成需求；尽管主要 DRAM 厂商预计 2026 年产量增加约 26%，NAND 产量增加约 24%，但供给侧的实质性扩张最快仍需等至 2027 年后方能逐步释放。
五、TurboQuant 的技术市场看法
从目前来看，目前 TurboQuant 对存储行业的实质冲击还有仍然几个关键的局限：
一是验证范围有限。目前 TurboQuant 仅在 8B 参数级别的开源模型上获得充分验证，对 70B 以上大模型、MoE 架构及百万级上下文窗口的适用性尚待证实。
二是生产部署尚未落地。谷歌迄今未宣布将 TurboQuant 部署于 Gemini 或任何生产系统，官方实现代码亦尚未开源，社区预计 2026 年第二季度方能出现成熟的框架集成版本。从论文发表到大规模生产部署，尚需经历工程适配、架构兼容性测试及真实场景性能验证等多个阶段。
三是适用场景有限。TurboQuant 解决的是推理阶段的 KV Cache 显存瓶颈，对训练阶段的显存消耗不产生任何影响。大模型训练所需的天文级算力资源需求，在可预见的未来内不会因此类推理优化技术而发生根本性改变。
四是推广范围存在不确定性。该技术是否仅适用于谷歌自身的技术生态，能否被其他 AI 实验室及商业推理平台广泛采纳，目前尚无定论。
六、总结
从市场公开资料及主流观点来看，本轮存储板块下跌更多是高位筹码在情绪催化下的集中释放，而非行业基本面的根本性逆转。TurboQuant 提供了一个"叙事层面的利空借口"，其对存储需求的实质冲击，在技术成熟度、推广范围及适用场景等多重约束下，目前仍属有限。
从中长期视角来看，本轮存储行业的超级景气周期由 AI 数据中心建设的结构性需求所驱动，与过去消费电子驱动的传统周期性行情存在本质区别。供给侧扩张至少需等至 2027 年，而需求侧的 AI 推理规模仍处于加速膨胀阶段。在此背景下，由情绪性利空引发的阶段性回调，对具备长期投资逻辑的参与者而言，或构成更优的介入窗口。
然而，以下风险因素仍需持续关注：
TurboQuant 类效率优化技术若被多家 AI 巨头快速采纳并落地，将对存储行业的量价预期形成持续性压制；
宏观层面，美伊地缘局势若持续升级，油价高企将加剧全球滞胀压力，美联储降息预期的进一步下调将压制全球风险资产估值；
摩根士丹利所警示的终端需求转弱风险，若在下半年兑现，将对 DDR4 等非 HBM 产品的定价能力构成实质性挑战；
存储板块整体估值仍处于历史高位，任何预期差的出现均可能引发较大幅度的估值修正。
注：本文报告根据公开资料整理，仅供个人研究使用，不作为具体的投资建议，投资有风险，个人须谨慎。
