TurboQuant: сжатие памяти до 3‑бит и его влияние на рынок
Google представил TurboQuant — алгоритм, уменьшающий размер весов модели с 16 до 3 бит. За неделю акции производителей памяти потеряли почти $90 млрд.
В марте 2026 года Google опубликовал исследовательский пост о новом алгоритме сжатия памяти для больших языковых моделей — TurboQuant. Он позволяет хранить параметры модели в среднем в 3‑битном представлении вместо традиционных 16‑битных FP16, снижая потребление видеопамяти почти в шесть раз. Технически TurboQuant использует квантизацию с динамической шкалой и обучение‑в‑цикл, что сохраняет точность модели в пределах 0,2 % от оригинала.
Публичный анонс вызвал сильную реакцию на финансовых рынках: акции лидеров производства оперативной памяти – Micron, SanDisk, Samsung, SK Hynix и др. – за одну неделю потеряли суммарно почти $90 млрд рыночной капитализации. Инвесторы опасаются, что снижение требований к памяти сделает часть текущих инвестиций в дорогостоящие DRAM‑модули избыточными.
TurboQuant уже интегрирован в несколько открытых фреймворков, включая Hugging Face Transformers и DeepSpeed, а также поддерживается в облачных сервисах Google Cloud. Однако авторы предупреждают, что алгоритм подходит не для всех задач: при генерации кода или критически важных приложений небольшие потери точности могут привести к ошибкам.
Практикующие разработчики могут включать TurboQuant в пайплайны, где приоритет – масштабируемость и стоимость инференса, например в чат‑ботах с высоким трафиком. Для исследовательских проектов, требующих максимальной точности, рекомендуется проводить тщательное A/B‑тестирование перед переходом.
TurboQuant открывает путь к более экономичным инференсам, особенно в облаке, где плата за память высока. Для стартапов и компаний с ограниченным бюджетом это шанс сократить расходы без значительной потери качества. Однако стоит помнить о потенциальных точностных деградациях в чувствительных приложениях – тестировать обязательно.
