电子行业TurboQuant之于存储详解(GenAI 系列之74)：有理论启发的常规学术进展

请务必仔细阅读正文之后的各项信息披露与声明 行业及产业 行业研究/行业深度 证券研究报告 电子 2026 年 03 月 30 日 有理论启发的常规学术进展 看好 ——TurboQuant 之于存储详解（GenAI 系列之 74） 相关研究 - 证券分析师 刘洋 A0230513050006 liuyang2@swsresearch.com 杨海晏 A0230518070003 yanghy@swsresearch.com 袁航 A0230521100002 yuanhang@swsresearch.com 杨紫璇 A0230524070005 yangzx@swsresearch.com 研究支持 陈俊兆 A0230124100001 chenjz@swsresearch.com 联系人 刘洋 A0230513050006 liuyang2@swsresearch.com 本期投资提示： ⚫ 谷歌解决大模型 KV Cache 的论文热议，或引发存储需求的疑虑。近期谷歌论文《TurboQuant: Online Vector Quantization with Near-optimal Distortion Rate》（2025年 4 月发表，ICLR 2026 年接收）和谷歌官网博客引发热议。 ⚫ 首先，我们找到原始论文，有较多新发现。1）新闻报道主要是参考了谷歌博客，参考原始论文偏少，而前者比后者激进。主要证据是 PolarQuant 内容、效果倍数、对照组的描述。2）若将 TurboQuant 的前序学术创新做一个追溯，即找到 QJL、RaBitQ、KIVI、两种版本 PolarQuant 的论文，会发现 TurboQuant 或只是“常规的学术进展”，与新闻描述的“DeepSeek 时刻”、“存储的重大变化”无关。3）假如 TurboQuant 真为“存储的重大变化”、“谷歌的 DeepSeek 时刻”，那么 2024-2025 年 RaBitQ、KIVI、PolarQuant 论文发布时，都曾是这种级别的突破。 ⚫ 其次，帮助一二级金融投资者理解 TurboQuant。1）大致包括 10 步骤论述。其中，第第 3 部分的粗略版，和第 6 部分的精细版，是本篇的一大特点。前者基于 MSE 均方误差生成最优失真率的矢量量化器，快速但有误差。后者提供 1 位量化器应用于残差，得到无偏且低失真的内积量化器。两者较为互补。2）人大等版本 PolarQuant 的思路，类似于逻辑分类索引资料；谷歌等版本 PolarQuant 的思路，类似于层级精简资料；KIVI算法，类似于分行业和个股索引资料；RaBitQ 算法，类似于二进制化归档资料（而二进制判断的内容，即各种特征标签，比如是否符合低 PE，是否符合成长股，是否符合某个政策）。本文的 TurboQuant 算法，可类比为：复用了索引、层级精简、校准员。 ⚫ 再次，TurboQuant 的利弊与比较。1）优点暂时不再赘述，折中了哪些呢？2）只压缩KV-Cache，未必压缩权重 weight，未必压缩模型本体，不改变激活值。3）应不改变训练，只改变推理，而且是中低端推理无效（比如端侧芯片无效）。4）场景适配性或有局限。5）一个关键问题，精度回退问题。未必是 2.5bit 与 16bit 来比（宣称的提效 6-8 倍或 4 倍），而是 2.5bit 和 4bit 比，效果或许并不明显。论文中的 KIVI 对照是证据。 ⚫ 最后，延展问题和这篇的启发。1）谷歌这篇虽未必影响存储的需求。但真正值得关注的是：同样是大模型（KV Cache）利好存储，但产业链不同环节的利益不统一，选取的方案差异化。2）AI 的本源，可以从数学和数字通信上思考。此前 KV Cache 的研究，主要以工程化为主，从信息论、数学极限推导都尚不充分。谷歌这篇从数字通信理论开始推导，是尝试努力创新的。正文列举了 Attention 注意力机制借鉴 DSP 理论。注意力机制，其实是 20 年前数字通信的优化思想（做各种数字滤波器）用在 AI 算法。 ⚫ 风险提示：前沿科技的研究，尤其学术论文的探索，一直伴随技术变化。而技术变化可能带来较大波动。尽管本文努力解释存储未必受到本篇论文影响，但此前存储领域涨幅较大，依然可能有交易风险。相关领域 P/E 倍数偏高，可能会有估值回归的风险。 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共19页 简单金融 成就梦想 1．正文与铺垫论文：或只是常规学术进展 ....................... 4 2．TurboQuant 论文梗概 ................................................. 6 2.1 论文梗概 ...................................................................................... 6 2.2 用比喻来帮助投资人理解 ............................................................ 8 3. 利弊与比较 ................................................................... 9 4. 延展问题：KV Cache+存储利益未必统一 ................... 10 5. 谷歌本篇学术贡献与启发 ............................................ 12 6. 风险提示 ..................................................................... 12 7. 附录 ............................................................................ 14 7.1 KIVI 相关论文要点 ..................................................................... 14 7.2 RaBitQ 相关论文要点 ................................................................ 15 7.3 TurboQuant 相关论文要点 ........