3月26日，谷歌研究院推出一项名为TurboQuant的全新极端压缩算法，旨在解决AI大模型中的键值缓存（KVCache）内存瓶颈问题。该算法通过压缩高维向量数据，减少内存消耗，同时保持AI模型的预测性能。TurboQuant的核心底层技术包括量化Johnson-Lindenstrauss（QJL）和PolarQuant，这两项技术共同作用，能够在不牺牲性能的前提下，大幅降低键值缓存的内存占用。

TurboQuant的运行机制分为两个关键步骤：首先，利用PolarQuant方法进行主体压缩，将数据向量转换为极坐标，省去了数据归一化步骤，消除了传统方法的内存开销；其次，QJL算法处理微小误差，仅需1比特的残差压缩算力，确保模型计算出精准的注意力分数。在Gemma和Mistral等开源大模型上的基准测试显示，TurboQuant能将键值缓存压缩至3比特，实现零精度损失，并将内存占用降低至1/6。此外，在 NVIDIA H100 等主流硬件上，TurboQuant 可将注意力计算速度提升最高约 8 倍，同时不需要额外训练或微调即可部署。

谷歌TurboQuant压缩算法的推出对存储芯片市场产生了影响，导致相关巨头股价全线飘绿，美光科技下跌4%，西部数据下跌4.4%，希捷下跌5.6%，闪迪下跌6.5%。