近期，Google Research 發表了劃時代的 TurboQuant 極致壓縮技術，立刻在記憶體市場投下震撼彈，一度引發股價重挫，讓許多投資人開始思考：這究竟是記憶體產業的末日，還是另一個黃金交叉的起點？群益投顧分析師則持樂觀看法，認為此技術長期反而將強烈推升高頻寬記憶體（HBM）與先進封裝的需求，並點名華邦電與南亞科等個股的投資潛力。
現象觀察：TurboQuant技術掀起記憶體市場波瀾
回溯到今年 3 月 24 日，Google Research 正式公開了 TurboQuant 研究論文，這項針對大型語言模型（LLM）推理階段 Key-Value Cache 的極致壓縮技術，預期將在長期內大幅提升人工智慧的算力效率。有趣的是，消息一出，記憶體族群的股價卻像是被「血洗」般，例如記憶體巨頭美光（Micron）股價當日一度重挫逾 5%，而臺灣的華邦電（2344）甚至跌破了百元大關，讓市場瀰漫著一股擔憂記憶體需求恐將萎縮的氛圍。
群益投顧最新發布的產業速報指出，儘管該技術短期內引發記憶體股價承壓，但長線而言將強烈帶動高頻寬記憶體（HBM）與先進封裝（CoWoS）的需求成長。
究竟 TurboQuant 有多神？它透過 PolarQuant 極座標量化與 QJL 量化演算法，成功將 KV Cache 從原本的 16-bit 大幅壓縮至約 2.6 到 3 bits，實現了至少 6 倍的記憶體縮減。更驚人的是，在 Attention Logits 計算上，它還能帶來 8 倍的速度提升，而且幾乎沒有精度損失。這項技術已在多項基準測試中獲得驗證，並適用於大規模搜尋引擎的向量檢索場景。不過話說回來，目前該論文預計於 4 月底的 ICLR 2026 國際會議正式發表，仍處於研究階段，官方尚未釋出程式碼或軟體庫。
原因剖析：為何效率提升反能刺激需求？
面對市場對記憶體股價的情緒性反應，群益投顧分析師直言，這其實是對雲端算力商業邏輯的根本誤判。你可能會想，記憶體用量減少了，需求不是就下降了嗎？但事情並非如此簡單。雲端服務商的獲利模式核心在於最大化「用戶數乘上單價除以硬體成本」，因此，壓縮技術所釋放的記憶體空間並不會被閒置，反而會被企業用來提升併發請求（Batch Size）高達 6 倍，或是將上下文長度擴展 8 倍。
這將導致資料交換頻率大幅增加，進而對 GPU 的總頻寬需求不減反增。群益投顧更引用了經濟學上的「傑文斯悖論」（Jevons Paradox）來解釋此現象：當技術提升效率，降低了總擁有成本時，過去因為成本過高而無法落地的 AI 應用，反而會變得有利可圖，進一步刺激企業擴大資本支出。這意味著，整個 AI 供應鏈將因此處於長線成長的軌道。
影響評估：HBM與先進封裝的結構性成長契機
既然頻寬成為關鍵，那麼提升頻寬最直接的方式，就是增加 HBM 的堆疊數。隨著 JEDEC 預計發布的 HBM4 標準將單層傳輸速度推升至接近 2TB/s，高技術門檻將有力支撐 SK 海力士與美光等大廠的平均售價。更重要的是，HBM 堆疊數的增加，也將連帶帶動 CoWoS 等先進封裝中介層面積的擴大，這對臺灣相關供應鏈來說，無疑是一大福音。
目前的物理限制在於頻寬而非單純的容量，要提升頻寬最直接的方式就是增加 HBM 的堆疊數。
群益投顧因此維持對先進封裝與高階記憶體產業的長期正面看法，並將 2026 至 2027 年 NVIDIA Rubin 平台的 HBM 顆數配置與 CoWoS 中介層面積，視為後續驗證產業成長的關鍵指標。這顯示了產業結構正朝向更高整合度、更高頻寬的方向演進，而非單純的容量競爭。
趨勢預測：雲端算力新典範下的投資展望
基於上述分析，群益投顧點名看好兩檔記憶體相關個股的投資潛力。首先是華邦電（2344），給予「買進」評等，預估其 2026 年每股盈餘為 10.02 元，目標價上看 150 元，隱含漲幅達 52.74%。其次是南亞科（2408），同樣給予「買進」評等，預估 2026 年每股盈餘達 31.66 元，目標價設定為 300 元，隱含漲幅為 32.45%。
不過，分析師也提醒，投資仍需留意潛在風險。如果壓縮技術未能有效轉化為實際應用需求，或者雲端大廠未能將效率紅利轉化為資本支出，那麼對記憶體需求的推升力道，就可能低於預期。說真的，這場由 TurboQuant 引發的記憶體市場變革，更像是一場產業升級的催化劑，將加速 HBM 與先進封裝的發展，而非單純的衝擊。
三立新聞網提醒您：內容僅供參考，投資人於決策時應審慎評估風險，並就投資結果自行負責。投資一定有風險，基金投資有賺有賠，申購前應詳閱公開說明書。
常見問題（FAQ）
Q1：Google TurboQuant 技術對記憶體市場的影響是好是壞？
A1：短期內，TurboQuant 技術可能因市場對記憶體需求萎縮的擔憂而引發股價波動。然而，群益投顧等專家認為，長期來看，這項極致壓縮技術反而會因為提高 AI 算力效率、降低總擁有成本，進而刺激雲端服務商擴大資本支出，強烈推升高頻寬記憶體（HBM）與先進封裝（CoWoS）的需求成長。
Q2：TurboQuant 技術如何提升 AI 算力效率？
A2：TurboQuant 透過 PolarQuant 與 QJL 量化演算法，能將大型語言模型推理階段的 Key-Value Cache 從 16-bit 大幅壓縮至約 2.6 到 3 bits，實現至少 6 倍的記憶體縮減，同時在 Attention Logits 計算上帶來 8 倍的速度提升，且幾乎達到零精度損失。這讓 AI 系統能以更低的記憶體成本，處理更大量的數據與請求。
Q3：為何記憶體壓縮技術反而會增加 HBM 與先進封裝需求？
A3：根據「傑文斯悖論」，效率提升會降低整體成本，使得過去因成本過高而無法實現的 AI 應用變得可行，進而刺激企業擴大投資。雲端服務商會將壓縮技術釋放的記憶體空間，用於提升併發請求（Batch Size）或擴展上下文長度，這將大幅增加資料交換頻率，導致對 GPU 總頻寬的需求不減反增，進而推升 HBM 堆疊數與 CoWoS 中介層面積的需求。