谷歌TurboQuant压缩KV Cache 6倍引存储股暴跌5%，同日Search Live覆盖200国、Gemini 3.1 Flash Live上线

谷歌TurboQuant：6倍KV Cache压缩让SK海力士单日跌5%，但市场读对了吗？

谷歌Research周四发布TurboQuant，解决的是LLM推理时真正的性能瓶颈：KV Cache。这块显存里存放的是每个token的注意力键值对，在长上下文推理中可以吃掉数十GB显存。TurboQuant用两步数学解决它：PolarQuant处理键（key），QJL处理值（value），最终把精度压到3.5 bit时零损失，2.5 bit时仅有极微小质量下降——内存缩小至少6倍，H100上attention计算最快快8倍。最关键的是：免训练、免微调、免校准，纯软件，下载就能跑。

消息传出后，投资者读出了"存储芯片需求要被压缩"的信号，三大存储龙头集体单日跌超5%：

但这个反应大概率是过度解读。分析指出，TurboQuant压缩的是推理时GPU显存里的KV Cache——这是AI内存需求里的一个切片，不是训练权重，也不是数据集存储。而AI内存需求的核心矛盾在于模型权重和训练期间的激活值，这些TurboQuant根本没碰到。摩根士丹利的判断更乐观：推理效率提升意味着更大规模部署，长期反而利好整个AI存储市场。

值得关注的是技术本身：量化技术正在走向精细化——不再是粗暴降低全局精度，而是针对不同层、不同位置采用差异化策略。TurboQuant能在如此低精度下保持质量，说明KV Cache本身存在大量冗余，这对理解Transformer的信息存储方式本身也有意义。

同一天：Gemini 3.1 Flash Live上线 + Search Live覆盖200国 + Live Translate登陆iOS——谷歌在下一盘大棋

三件事同一天发生不是巧合。谷歌周四的动作展示了一套完整的产品矩阵落地逻辑：Gemini模型→开发者基础设施→消费者产品，三层同步推进。

Gemini 3.1 Flash Live是今天最有技术含量的发布。它解决的是传统语音AI的架构性问题：以往的ASR→LLM→TTS三级管道每级都有延迟，且中间会丢失语音的情感和语调。Flash Live用单一模型原生处理音频和视频，通过WebSocket实现双向流式——用户说话的同时，模型已经在推理。在复杂功能调用和噪声环境下的表现被官方特别标注，暗示它主要是面向Agent应用的基础设施，而非普通语音助手。

Search Live全球化的意义在于规模：200+国家意味着它已经从实验功能变成Google Search的正式入口之一。用户可以把手机摄像头对准任何物体然后和AI对话——官方举例是指导安装搁板。这和苹果的Vision Pro、Meta的Ray-Ban眼镜走的是同一条"让AI看到现实"的路，但谷歌选择了手机+搜索这条门槛更低的路径。

而Live Translate登陆iOS是其中最务实的一步：70+语言，任何有麦克风的有线或无线耳机即可，不需要Pixel手机，不需要专属硬件。这直接让Live Translate从"安卓专属功能"变成了可以在全球大多数手机用户面前展示的能力。三件事叠加，指向同一个战略意图：在OpenAI准备IPO、Anthropic加速商业化的节点，谷歌正在用Gemini作为引擎，快速填满从开发者到消费者的所有产品入口。

值得一提的副线：Gemini还上线了记忆导入功能，允许用户把其他AI助手的对话历史（最大5GB）批量迁移进来。这个功能的目标很明确：降低从ChatGPT或Claude切换过来的摩擦成本。