Сектор хранения может продолжить снижение, поскольку алгоритм TurboQuant от Google снижает спрос на память

iconKuCoinFlash
Поделиться
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconСводка

expand icon
Анализ в цепочке показывает, что сектор хранения может столкнуться с дополнительным давлением, поскольку алгоритм Google TurboQuant через открытую библиотеку TurboVec снижает потребность в памяти. Исследователь рынка Financelot отметил падение цен на акции памяти и медвежий прогноз данных в цепочке на предстоящую неделю. Некоторые утверждают, что влияние преувеличено, ссылаясь на аналогичные заявления в прошлом. TurboVec, запущенный в конце мая, снижает использование памяти до 87% и эффективно работает на стандартных Mac и платформах ARM.

Сообщение BlockBeats, 7 июня: исследователь рынка Financelot заявил, что открытая библиотека векторных индексов TurboVec, представленная в прошлом месяце, начинает оказывать влияние на рынок с высокими требованиями к памяти, и падение акций памяти в пятницу связано с этим. Financelot заявил: «Прощай, Micron, SanDisk, Samsung, SK Hynix» — он настроен медвежьи относительно перспектив сектора хранения данных на следующей неделе.


Однако сообщество отмечает, что TurboVec оказывает ограниченное влияние на сектор памяти: каждый раз при объявлении новых оптимизаций памяти кто-то заявляет, что вся полупроводниковая отрасль мертва.


В марте этого года Google Research представила квантовый алгоритм TurboQuant, который в конце мая был реализован независимым разработчиком Райаном Кодраи в виде открытой библиотеки векторных индексов TurboVec. Этот инструмент значительно снижает требования к памяти векторных баз данных (типичный пример: 10 миллионов векторов сжимаются с 31 ГБ при float32 до примерно 4 ГБ, что снижает использование памяти примерно на 87% и позволяет экономить до 16 раз в зависимости от размерности и ширины битов). Поддерживается полная автономная работа и эффективное выполнение на обычном Mac; скорость поиска на платформе ARM на 12–20% выше, чем у FAISS IndexPQ/FastScan, и полностью открыта для использования. Может быть интегрирована с такими фреймворками, как LangChain и LlamaIndex. Это означает, что разработчики могут эффективно запускать локальный векторный поиск на обычном потребительском оборудовании, не полагаясь на дорогие GPU-кластеры или облачные сервисы.

Отказ от ответственности: Информация на этой странице может быть получена от третьих лиц и не обязательно отражает взгляды или мнения KuCoin. Данный контент предоставляется исключительно в общих информационных целях, без каких-либо заверений или гарантий, а также не может быть истолкован как финансовый или инвестиционный совет. KuCoin не несет ответственности за ошибки или упущения, а также за любые результаты, полученные в результате использования этой информации. Инвестиции в цифровые активы могут быть рискованными. Пожалуйста, тщательно оценивайте риски, связанные с продуктом, и свою устойчивость к риску, исходя из собственных финансовых обстоятельств. Для получения более подробной информации, пожалуйста, ознакомьтесь с нашими Условиями использования и Уведомлением о риске.