Dalam setahun terakhir, dunia menghadapi krisis memori yang turut mendorong kenaikan harga, terutama untuk DRAM seperti DDR4 dan DDR5. Lonjakan ini dipicu kelangkaan pasokan yang disebut terjadi karena produksi dan distribusi memori diprioritaskan untuk memenuhi kebutuhan pengembangan kecerdasan buatan (AI).
Di tengah situasi tersebut, Google dikabarkan mengembangkan teknologi AI yang lebih hemat RAM. Teknologi ini dipandang dapat mengurangi tekanan kebutuhan memori pada sistem AI, sehingga berpotensi membantu meredakan kelangkaan dan membuka peluang penurunan harga memori.
Teknologi yang dimaksud bernama TurboQuant. Menurut informasi yang beredar, TurboQuant merupakan algoritma kompresi memori berbasis AI yang difokuskan untuk meningkatkan efisiensi penggunaan memori saat proses inferensi, yaitu ketika model AI dijalankan, bukan saat dilatih. Pengembangannya dilakukan oleh Google Research.
TurboQuant menargetkan salah satu kendala utama pada sistem AI modern, yakni keterbatasan “working memory”. Secara khusus, teknologi ini mengoptimalkan komponen yang disebut KV cache, yaitu memori sementara yang digunakan model untuk memproses serta mempertahankan konteks data.
Dalam cara kerjanya, TurboQuant memanfaatkan teknik vector quantization, yaitu metode penyederhanaan representasi data numerik berbentuk vektor agar lebih ringkas tanpa menghilangkan informasi penting. Dengan pendekatan tersebut, data yang semula membutuhkan ruang besar dapat dikompresi secara signifikan dengan tetap menjaga akurasi model.
Secara teknis, TurboQuant mengandalkan dua metode utama: PolarQuant dan Quantization-aware Joint Learning (QJL). PolarQuant bertujuan mengubah cara data direpresentasikan agar lebih efisien saat disimpan di memori tanpa mengorbankan kualitas komputasi. Sementara QJL melatih model AI agar dapat beradaptasi dengan kondisi data yang dikompresi, sehingga tetap menghasilkan output yang akurat meski bekerja dengan data yang telah dipadatkan.
Dengan kombinasi kedua teknik tersebut, peneliti mengklaim TurboQuant mampu menghemat penggunaan memori hingga enam kali lipat dibanding metode konvensional. Efisiensi ini dinilai memungkinkan model AI menyimpan dan memproses lebih banyak informasi dalam ruang memori yang lebih kecil, sekaligus mengurangi hambatan kinerja akibat keterbatasan memori.
Kemampuan tersebut membuat TurboQuant dipandang sebagai salah satu solusi potensial terhadap krisis memori global. Dalam beberapa waktu terakhir, harga memori—terutama DDR5—dilaporkan meningkat tajam seiring tingginya permintaan dari industri AI. Di sisi lain, produsen memori disebut lebih memprioritaskan pasokan untuk pusat data skala besar (hyperscaler), sehingga ketersediaan untuk pasar konsumen seperti PC dan laptop menjadi terbatas.
