Sektor penyimpanan mungkin terus mengalami penurunan karena algoritma TurboQuant dari Google mengurangi permintaan memori

iconKuCoinFlash
Bagikan
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconRingkasan

expand icon
Analisis on-chain menunjukkan sektor penyimpanan mungkin menghadapi tekanan lebih lanjut karena algoritma TurboQuant dari Google, melalui perpustakaan open-source TurboVec, mengurangi kebutuhan memori. Peneliti pasar Financelot mencatat penurunan harga saham memori dan prospek data on-chain bearish untuk minggu mendatang. Beberapa berpendapat dampaknya dilebih-lebihkan, dengan mengutip klaim serupa di masa lalu. TurboVec, yang diluncurkan pada akhir Mei, mengurangi penggunaan memori hingga 87% dan berjalan secara efisien di Mac standar dan platform ARM.

Pesan dari BlockBeats, pada 7 Juni, peneliti pasar Financelot menyatakan bahwa TurboVec, perpustakaan indeks vektor open-source yang diumumkan bulan lalu, sedang menyerang pasar dengan kebutuhan memori tinggi, dan dampaknya mulai terlihat, dengan penurunan tajam saham memori pada hari Jumat disebabkan oleh hal ini. Financelot menyatakan, "Selamat tinggal Micron, SanDisk, Samsung, SK Hynix," dan memandang prospek sektor penyimpanan minggu depan secara bearish.


Namun, komunitas menunjukkan bahwa TurboVec memiliki dampak terbatas pada segmen memori, dan setiap kali ada pengumuman optimasi memori baru, selalu ada yang menyatakan bahwa seluruh industri semikonduktor telah mati.


Google Research mengusulkan algoritma kuantitatif TurboQuant pada Maret tahun ini, dan pada akhir Mei, pengembang independen Ryan Codrai mengimplementasikannya sebagai perpustakaan indeks vektor open-source bernama TurboVec. Alat ini mampu mengurangi kebutuhan memori database vektor secara signifikan (contoh tipikal: 10 juta vektor dikompresi dari 31 GB float32 menjadi sekitar 4 GB, pengurangan penggunaan memori sekitar 87%, hingga 16 kali lebih hemat tergantung pada dimensi dan lebar bit). Mendukung operasi sepenuhnya offline dan berjalan efisien di Mac biasa, dengan kecepatan pencarian 12–20% lebih cepat daripada FAISS IndexPQ/FastScan di platform ARM, serta sepenuhnya open-source, dapat diintegrasikan dengan kerangka kerja seperti LangChain dan LlamaIndex. Ini berarti pengembang dapat menjalankan pencarian vektor lokal secara efisien pada perangkat konsumen biasa tanpa bergantung pada kluster GPU mahal atau layanan cloud.

Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.