如果不是谷歌 TurboQuant 的搞了這樣一場鬧劇，我都沒發(fā)現(xiàn)我們?nèi)?AI 這么久了。

這個月的 24 號，谷歌研究院（Google Research）突然發(fā)帖，詳細(xì)介紹一項名為 TurboQuant 的極端壓縮算法。

這篇帖子非常簡單地總結(jié)了 TurboQuant 這個算法的用處 —— 它能把大模型推理時的 KV cache 內(nèi)存壓縮到 3.5 bit（約 6 倍），而且?guī)缀醪粊G精度。

翻譯成人話就是，谷歌研究院介紹了一種算法，能大幅度減少大模型對于內(nèi)存的消耗了，以前用 600G 內(nèi)存才能搞定的事兒，用上這個算法后只要 100G 就行了！

第二天，原本還在吃著火鍋唱著歌的幾個存儲大廠，股價應(yīng)聲下跌。

美光科技股價下跌3.4%，市值損失151.66億美元，閃迪（SanDisk）股價一度大跌6.5%，收盤時跌幅收窄至3.5%，市值損失36.3億美元。西部數(shù)據(jù)（Western Digital）下跌1.63%，市值損失16.64億美元。

圖表來源：新浪財經(jīng)

整個 AI 圈都炸開了鍋，大家都紛紛開始分析，TurboQuant 到底厲害在哪里，又是怎么影響

就連 Claudflare 的 CEO 都發(fā)文評價說，這是谷歌的 DeepSeek 時刻。

很多差友看到這個消息，可能要在被窩里笑出聲了：干的漂亮！接下來的內(nèi)存、固態(tài)硬盤，是不是也得跟著跌了？咱們攢機(jī)黨是不是終于熬出頭了？

我當(dāng)然也希望事情往這個方面發(fā)展。

為了搞清楚咱這個最樸實(shí)的愿望能不能實(shí)現(xiàn)，我還特地去做了點(diǎn)功課，學(xué)習(xí)了下 TurboQuant 到底是個什么東西。

結(jié)果還沒等我搞明白這個 TurboQuant 到底怎么個Turbo 法，事情就迎來了180° 的大反轉(zhuǎn) ——

3月27號晚上10點(diǎn)，蘇黎世聯(lián)邦理工學(xué)院的博士后高健揚(yáng)，在知乎、X 和 ICLR 評審平臺上同步發(fā)文，指控當(dāng)初 谷歌用來介紹 TurboQuant 算法的論文學(xué)術(shù)存在嚴(yán)重的學(xué)術(shù)不端。

高博士發(fā)現(xiàn)，谷歌的 TurboQuant ，跟自己團(tuán)隊搞的 RaBitQ 算法高度撞車，底層都用了“隨機(jī)旋轉(zhuǎn)加JL變換”。

要說英雄所見略同也就罷了，但離譜的是，高博士甩出的郵件證明早在2025年1月，谷歌這篇論文的二作 Majid 就專門發(fā)郵件，低聲下氣地找高博士求助怎么跑通 RaBitQ 的代碼。

這就不對了，谷歌這樣的做法，算不算是把人家底細(xì)都摸透了，卻在勝利結(jié)算的時候決口不提別人干了啥呢？

光掩蓋來源還不算，谷歌的 Turbo Quant 團(tuán)隊甚至無視既定的數(shù)學(xué)證明，直接在論文里空口白牙地硬踩高博士的理論。

高博士認(rèn)為自己的 RaBitQ 的算法，已經(jīng)被嚴(yán)格證明達(dá)到了理論計算機(jī)頂會級別的一流標(biāo)準(zhǔn)。

結(jié)果 TurboQuant 團(tuán)隊連推導(dǎo)都不看，在毫無證據(jù)的情況下，直接在正文里給高博士蓋了個“理論次優(yōu)、分析粗糙”的帽子。

但最讓人繃不住的，是谷歌那堪稱“魔幻”的跑分雙標(biāo)。

論文里吹牛說自家算法比 RaBitQ 快了幾個數(shù)量級，但背后的暗箱操作極其下作：

谷歌給自己配的是算力怪獸 A100 GPU，給對手安排的卻是關(guān)掉了多線程的 CPU。

而且他們放著人家現(xiàn)成的、高度優(yōu)化的 C++ 開源代碼不用，非要用TurboQuant 論文二作自己半吊子翻譯的 Python 版本去跑，給高博士的算法又疊了一層debuff。

在去年5月的郵件里，這篇論文的二作作者親口承認(rèn)了這種 “ 單核打多核” 的非對稱操作，也承認(rèn)把這事同步給了論文的其他共同作者。

但在最終發(fā)表的論文里，這兩層能引發(fā)量變級差異的軟硬件信息，被抹得干干凈凈。

同時 TurboQuant 論文的作者也拒絕承認(rèn)自己的算法跟高博士的 RabitQ 在結(jié)構(gòu)上相似。

這篇帶有硬性錯誤的論文，被 ICLR 2026 會議接收，再后來，就有了我們開頭說的故事，通過谷歌研究院官方渠道大規(guī)模推廣這篇論文。

谷歌研究院只提到了TurboQuant 有多厲害，能節(jié)省多少內(nèi)存，但只字未提支撐 TurboQuant 的這篇論文本身的種種錯誤。

這些推廣，在社交媒體瀏覽量已達(dá)到數(shù)千萬次，于是便有了上周幾個頭部存儲廠商的股市震蕩。

高博士估計也是實(shí)在是看不下去了，才選擇發(fā)文公開實(shí)錘了。

隨即存儲市場這邊，也逐漸從第一波震蕩中緩過神來了。

Amir Zandieh回高博士郵件的當(dāng)天，美光科技（MU）當(dāng)日收高 0.5%，成交額 162.46 億美元，但本周累計仍下跌 15.5%。

我不知道差友們聽完這段故事，是啥感覺。

我是覺得自己像個瓜田里反應(yīng)遲鈍的那個猹，看著同伴們吃完這個瓜，已經(jīng)要去吃下一個了，正發(fā)愁自己要掉隊了。

結(jié)果一轉(zhuǎn)身就發(fā)現(xiàn)猹哥們已經(jīng)在噴射了 —— 這瓜，有毒。

更讓人想不通的事，這篇存在明顯錯誤的爭議論文，隔了一年才被谷歌放出來做宣傳，可直到高博士站出來錘谷歌之前，我們好像也沒聽到誰站出來質(zhì)疑。

市場不語，只是震蕩；所謂的 AI 圈也只是狂歡 —— 終于有人能治一治 AI 大模型狂吃內(nèi)存的毛病了。

為數(shù)不多還保持理智的分析機(jī)構(gòu)和國內(nèi)自媒體，也只是指出這事兒完全符合華爾街老提的“杰文斯悖論”：

TurboQuant 確實(shí)把長文本推理的成本打下來了，但門檻一低，廠商們絕對會放開手腳去搞開發(fā) ——

現(xiàn)在國產(chǎn)模型上下文窗口的主流標(biāo)準(zhǔn)是 200K-256K，少數(shù)能做到1M。

但是國外主流模型已經(jīng)能夠做到 1M 了。你們說有了這套算法之后國外的模型會不會想著擴(kuò)大優(yōu)勢，國產(chǎn)模型會不會想著奮起直追？

到時候各種多模態(tài)、長上下文的應(yīng)用大批量上線，因?yàn)楦糜脤?dǎo)致用的人和場景成倍增加，全球真正需要的算力和存儲硬件不僅省不下來，反而還會被巨大的需求量直接拉爆。

但質(zhì)疑 TurboQuant 是不是真的這么厲害的聲音，好像被蓋過去了。相當(dāng)于是很大一部分人，不加考證，也不去了解學(xué)術(shù)圈內(nèi)的實(shí)際情況，默認(rèn)了谷歌的這個 TurboQuant 確實(shí)能改變世界。

當(dāng)然啦，我這樣說并不是為了批判誰，因?yàn)槲易约涸趧偪吹?TurboQuant 的報道時，也高興得跟孩子似的。

我想點(diǎn)明的是，谷歌 TurboQuant 的這場鬧劇，暴露了大家對 AI 的不耐煩：

為了養(yǎng)AI這個硬件吞金獸，我們已經(jīng)忍受了太多。

去年年底開始，就連手機(jī)這種幾乎人手一臺的電子產(chǎn)品，也因?yàn)閮?nèi)存漲價而漲價。

圖表來源“鋅刻度”李覲麟

這時候，事情的性質(zhì)就變了 —— 昂貴的 AI 終于還是要所有人一起來買單了。

而諷刺的是，至今都沒有人能說清楚，AI 到底能帶來多大的生產(chǎn)力，能帶來多大的便利。

今年早些時候 Anthropic 發(fā)布了一份關(guān)于AI對勞動力市場影響的重磅研究。

研究顯示，到目前為止還是只有個別職業(yè)的人在用AI，而且 AI 在他們工作中的滲透率也沒有想象中那么高。

圖表來源：Anthropic

就是這么一個行業(yè)真實(shí)滲透率不高、只在幫少數(shù)人賺錢、實(shí)際上沒那么好用的產(chǎn)品，它帶來的負(fù)面影響 正在讓全社會買單。。。

這個時候，但凡有個消息告訴我，現(xiàn)在有個東西能讓 AI 胃口變小一點(diǎn)，不要再帶著我漲價了 —— 那我肯定希望這個消息是真的 。

這可能也是為啥，一篇存在錯誤的論文，一個沒有投入商用的算法，能掀起一場這么大風(fēng)波。

然而可惜的是，這一切最終被證實(shí)，只是一場烏龍。

撰文：施昂

編輯：早起&米羅

美編：素描

圖片、資料來源：X@GoogleResearch、@Jianyang Gao、@Matthew Prince、東方財富、

-搜狐