CMI News — Google terus mendorong inovasi di tengah lonjakan kebutuhan komputasi berbasis kecerdasan buatan (AI).
Kali ini, Google mengembangkan TurboQuant, algoritma kompresi memori untuk mengatasi krisis RAM global. dikutip dari kompas Senin, (4/5/2026).
Melalui Google Research, Google mengembangkan TurboQuant untuk menekan penggunaan memori saat inferensi, yakni saat model AI menghasilkan output.
Pendekatan ini menargetkan salah satu kendala utama dalam sistem AI modern: keterbatasan working memory.
Dalam praktiknya, model AI membutuhkan memori besar untuk menyimpan konteks sementara, terutama di komponen KV cache.
Komponen ini berperan penting dalam membantu model memahami dan mengingat informasi selama proses komputasi. Ketika kapasitas memori terbatas, performa AI pun ikut terhambat.
TurboQuant hadir untuk mengatasi masalah tersebut dengan mengandalkan teknik vector quantization, yaitu metode yang menyederhanakan representasi data numerik berbentuk vektor agar lebih ringkas tanpa mengorbankan informasi penting.
Dengan cara ini, sistem dapat menyimpan lebih banyak data dalam ruang memori yang jauh lebih kecil.
Google tidak berhenti di situ. Para peneliti menggabungkan dua pendekatan utama dalam TurboQuant, yakni PolarQuant dan Quantization-aware Joint Learning (QJL).
Polar Quant mengubah cara representasi data agar penyimpanan menjadi lebih efisien, sementara QJL melatih model AI agar dapat menyesuaikan diri dengan data terkompresi.
Pendekatan ganda ini membuat model tetap menjaga akurasi meski bekerja dengan data yang lebih padat.
Hasilnya, TurboQuant menghemat penggunaan memori hingga enam kali lipat dibandingkan metode konvensional.
Efisiensi tersebut membuka peluang besar bagi industri, terutama di tengah kenaikan harga RAM yang signifikan dalam beberapa waktu terakhir.
Tingginya permintaan dari sektor AI membuat produsen memori lebih memprioritaskan pasokan untuk pusat data berskala besar atau hyperscaler. Akibatnya, pasokan untuk pasar konsumen seperti PC dan laptop menjadi terbatas.
Kondisi ini mendorong harga RAM global melonjak tajam, bahkan mencapai empat hingga lima kali lipat dari harga normal.
Situasi tersebut tidak hanya berdampak pada industri teknologi, tetapi juga mulai merembet ke sektor lain seperti gaming dan perangkat konsumen.
Dengan kemampuan menekan kebutuhan memori tanpa mengorbankan performa, TurboQuant berpotensi menjadi solusi strategis untuk meredakan tekanan tersebut.
Jika pelaku industri mengadopsi teknologi ini secara luas, mereka tidak perlu lagi bergantung sepenuhnya pada peningkatan kapasitas hardware untuk menjalankan model AI yang semakin kompleks.
Google kini menempatkan TurboQuant sebagai salah satu langkah penting dalam menjaga keberlanjutan perkembangan AI.
Inovasi ini sekaligus menunjukkan bahwa efisiensi perangkat lunak dapat menjadi kunci dalam menghadapi keterbatasan sumber daya hardware di masa depan.
