Analistas concluíram que o TurboQuant do Google, algoritmo detalhado em março que reduz em 6 vezes o uso de memória em modelos de IA e acelera inferência em 8 vezes, tende a aumentar a demanda por chips de memória em vez de reduzi-la. A lógica é o paradoxo de Jevons: remover gargalos libera o treinamento de modelos maiores e mais capazes.

Os parâmetros dos maiores LLMs cresceram de 0,09 bilhão em 2019 para mais de 1 trilhão hoje. Os preços de chips de memória DRAM já subiram 55-60% no primeiro trimestre, com HBM consumindo 23% da produção total de wafers de DRAM, ante 19% no ano anterior.