TurboQuantのKVキャッシュ6倍圧縮とHBM需要の判断基準
Googleは、長文から情報を探す実験で、KVキャッシュを従来の6分の1以下に減らしました。HBMの購入需要への影響は、キャッシュが占めていた割合と、圧縮後に同時に処理するリクエストがどれだけ増えるかによって決まります。
- Googleが2026年3月に発表した6倍以上という圧縮率は、言語モデルが回答を生成する際に使うKVキャッシュを測定した結果です。
- キャッシュをちょうど6分の1に減らすと、同じ長さのリクエスト6件が使うキャッシュ容量は、圧縮前の1件分と同じです。
- 2026年3月26日、前取引日比でサムスン電子は4.71%、SKハイニックスは6.23%下落しました。
- HBM需要の変化を確認するには、サービスが同時に処理するリクエスト数と、メモリメーカーの実際の供給量をあわせて見る必要があります。
Googleのターボクオント(TurboQuant)は、実験でAIの回答生成に使うKVキャッシュを従来の6分の1以下に減らしました。リクエスト1件に必要なメモリは減ります。高帯域幅メモリ(HBM)全体の需要は、同時に処理するリクエストがどれだけ増えるかによって変わります。
圧縮の数値は2026年3月24日のGoogle Researchの発表に基づき、株価は3月26日の終値を基準にしました。
ターボクオントが圧縮するKVキャッシュとは何ですか?
KVキャッシュは、言語モデルがそれまでの文脈を再び参照するときに使う一時的な保存領域です。モデルは文章をトークンという単位に分けて処理します。各トークンについて計算したキーと値(KV)を保存しておけば、次のトークンを生成するときに同じ計算を繰り返さずに済みます。
会話が長くなるほど、保存するキーと値も増えます。ターボクオントは、これらの数値をより少ないビットで表します。これを量子化といいます。モデルが学習で得た重みは、キャッシュを圧縮した後もメモリを使います。
6倍の圧縮と8倍の速度は何を測ったものですか?
Googleが発表した2つの倍率は、それぞれ保存容量と特定の計算の速さを示しています。2026年3月24日のGoogle Researchの実験説明で、2つの数値が何と比較されたかを確認できます。
| 発表された数値 | 実験条件 | 測定結果 |
|---|---|---|
| 従来の容量の6分の1以下 | 長文に隠された情報を見つける課題 | 正答を見つける性能を維持しながら縮小したKVキャッシュの容量 |
| 最大8倍の速度 | H100 GPU上で4ビットのターボクオントのキーと非圧縮の32ビットのキーを比較 | それまでのトークンをどの程度参照するかを決めるスコアの計算速度 |
圧縮後の回答品質
どの程度品質を保てるかは、1つの数値に割り当てるビット数によっても変わります。研究論文によると、チャネル当たり平均3.5ビットでも、評価では回答の品質が維持されました。平均2.5ビットでは、品質がわずかに低下しました。実際のサービスの応答時間と品質は、そのサービスが処理する質問で確かめる必要があります。
計算例で見る同時リクエスト数とメモリ容量
キャッシュをちょうど6分の1に減らすと、長さが同じリクエスト6件で使うキャッシュ容量は、圧縮前の1件分と同じになります。実験で報告された圧縮倍率の下限である6倍を使った計算です。モデルとリクエストの長さは同じで、各リクエストのキャッシュは別々に保存すると仮定します。
| 同時に処理するリクエスト数 | 圧縮後のKVキャッシュの総容量 |
|---|---|
| 1件 | 圧縮前の1件分の6分の1 |
| 6件 | 圧縮前の1件分と同じ容量 |
| 6件超 | 圧縮前の1件分より大きい容量 |
サーバー全体の削減量を計算するには、圧縮前のキャッシュが何バイトだったかを知る必要があります。上の条件で節約できる容量は、元のキャッシュ容量の6分の5です。メモリ全体に占めるキャッシュの割合が小さいほど、サーバー全体の削減率も小さくなります。
HBM需要が減る条件と増える条件
HBMの購入需要は、サービス運営会社が空いた容量をどう使うかによって変わります。HBMの容量は、一度に保存できるデータの量です。帯域幅は、一定時間内に転送できるデータの量です。実験で測定したキャッシュ容量から購入量を算出するには、容量と帯域幅のどちらがサーバー増設の制約になっていたかを知る必要があります。
| サービスの運営条件 | HBM需要に及ぼし得る影響 |
|---|---|
| リクエストの数と長さが一定で、キャッシュ容量が足りず増設を予定していた場合 | 既存の機器に空き容量ができ、追加購入を先送りできます。 |
| 同じ機器でより多くのリクエストを同時に受け付ける場合 | 空いた容量を新しいリクエストのキャッシュに使えます。 |
| コストの低下で、長文を処理するサービスの利用が大幅に増えた場合 | 処理量の増加がリクエスト1件当たりの削減分を上回ると、メモリ全体の使用量が増えることがあります。 |
効率が上がった後に利用量がそれ以上に増え、資源の総消費量が増える現象を、ジェボンズのパラドックスといいます。AIサービスでは、処理コストが下がった後に実際の利用量がどれだけ増えるかが鍵です。メモリメーカーの売上高を判断する際は、出荷量と販売価格も別々に見る必要があります。
3月26日の半導体株下落の背景
2026年3月26日は、メモリ需要の鈍化懸念と中東情勢の不透明感が重なりました。韓国銀行は、この2つをいずれも同日の株式市場の下落の背景に挙げました。ウォン・ドル相場は、前日より7.3ウォン高い1ドル当たり1,507.0ウォンで日中の取引を終えました。
| 指数または銘柄 | 2026年3月26日の前営業日比騰落率 | 指数の終値 |
|---|---|---|
| コスピ | -3.35% | 5,460.46ポイント |
| コスダック | -2%台 | 1,136.64ポイント |
| サムスン電子 | -4.71% | 該当なし |
| SKハイニックス | -6.23% | 該当なし |
サムスン証券が発行時点で集計した有価証券市場での外国人投資家の売り越し額は、3兆1,110億ウォンです。同日に技術輸出を開示したアルテオジェンは6.28%上昇しました。有償増資を開示したハンファソリューションズは18.22%下落しました。1日の騰落率だけでは、ターボクオントが各社の受注に与えた影響を見極めるのは困難です。
半導体企業の業績で確認する指標
HBM需要を判断する際は、顧客が発注した数量と、メーカーが実際に供給した数量を区別する必要があります。SKハイニックスは2026年4月23日の決算発表で、第1四半期にHBMなどの高付加価値製品の販売を拡大したと発表しました。この四半期には、3月にターボクオントが発表される前の期間も含まれます。
- 運営会社がどのモデルや処理に圧縮を適用したかを見れば、サービスへの導入範囲が分かります。
- メモリの削減効果を比較するには、リクエストの長さと同時に処理するリクエスト数をそろえて測定した、サーバー全体のメモリ使用量が必要です。
- 企業の決算発表では、HBMの出荷実績と今後の供給計画について、それぞれの対象期間を確認できます。
FAQ
TurboQuantを使えば、HBMチップを6個から1個に減らせますか?
Googleが測定した6倍以上の圧縮は、KVキャッシュの容量についての結果です。必要なHBMチップの数を算定するには、モデルの重みを含め、全体で必要なメモリ容量と帯域幅を把握する必要があります。
TurboQuantを使うと、AIの学習に必要なメモリも6分の1になりますか?
その数値は、学習済みの言語モデルが長い文章から情報を探すときに使うKVキャッシュを測定したものです。モデルの学習に必要なメモリ全体の削減率は、この実験からは算出できません。
最大8倍という数値は、回答を得るまでにかかる時間にも当てはまりますか?
研究チームは、H100 GPUで、それまでのトークンをどの程度参照するかを決めるスコアの計算速度を比較しました。回答全体の処理速度を確認するには、入力の処理から出力の完了までにかかる時間を測る必要があります。
キャッシュを圧縮しても、長い会話で回答の品質は維持されますか?
Googleの研究チームは、長い文章に隠された情報を探すテストで、正解を見つける性能を維持しました。研究論文では、チャネルあたり平均2.5ビットに下げたとき、品質がわずかに低下しました。
TurboQuantは、言語モデルのKVキャッシュ以外に何に使えますか?
研究チームは、意味の似た項目を探すベクトル検索にもTurboQuantを適用しました。この場合は、検索対象の特徴を表す数値を圧縮したうえで、目的の項目をどれだけうまく見つけられるかを評価します。
TurboQuantの論文は2026年3月に初めて公開されたのですか?
研究チームがarXivに論文を初めて投稿したのは2025年4月28日です。Google Researchが研究結果を紹介したのは2026年3月25日(現地時間)です。
3月26日の株価下落から、HBMの注文が減ったことを確認できますか?
当日の株価には、今後のメモリ需要への懸念と中東情勢の両方が反映されていました。実際に注文がどう変化したかは、顧客との供給契約や、その後の四半期のHBM出荷実績で確認する必要があります。
Sources
Images

