Google TurboQuant提升AI效率 傑逢斯悖論預警記憶體需求仍高漲

Google Research 於 3 月 24 日宣布，已開發出一項名為 TurboQuant 的新型演算法，能以無損方式大幅壓縮大型語言模型（LLM）的鍵值快取（KV cache），最高可達 6 倍。這項技術不僅能將底層 AI 模型運算速度提升 8 倍，同時維持零精準度損失，被視為重新定義了 AI 效率的里程碑。

根據 Google Research 發布的說法，TurboQuant 演算法專注於優化 KV 快取，但值得注意的是，它並未壓縮模型本身的權重（model weights）。由於大型部署中的模型權重通常遠大於 KV 快取，這意味著模型尺寸本身維持不變。儘管如此，TurboQuant 的導入預期能顯著改善資料中心的推論（inference）相關經濟效益，使單一 AI 模型能處理更長的上下文視窗（context window），或讓更少量的圖形處理器（GPU）服務相同數量的使用者。

然而，儘管 TurboQuant 大幅提升了效率，業界分析人士對於記憶體市場的長期展望仍持謹慎態度。《Wccftech》指出，這與「傑逢斯悖論」（Jevons paradox）的影響息息相關。傑逢斯悖論指出，當某項資源的使用效率提升時，其消費量反而會因使用成本降低而增加。該報導推測，記憶體市場當前的低迷情勢，類似於 DeepSeek 在 2025 年初發布 R1 模型後所經歷的困境。

分析預測，傑逢斯悖論將持續發威，導致對記憶體資源的龐大需求居高不下。這也意味著，由於這種效率提升與需求增長之間的相互作用，當前記憶體供應吃緊的局面，乃至於因「記憶體通膨」（memory chipflation）帶動的消費電子產品（特別是智慧型手機）價格上漲，在短期內恐難以緩解。