最近，谷歌公佈了一項名爲“TurboQuant”的AI內存壓縮技術，號稱能把生成式AI推理中最喫內存的“鍵值緩存”（KV Cache）空間壓縮到1/6，速度還能暴漲8倍。這消息一出，直接引發了市場對內存需求斷崖式下跌的擔憂，美光、Sandisk、西部數據等存儲巨頭股價應聲下跌。
然而，就在3月27日，這場“技術革命”的劇情突然反轉。蘇黎世聯邦理工學院的博士後、RaBitQ系列論文的第一作者高健揚，公開發布了一封長文，指控谷歌的TurboQuant論文存在嚴重問題，甚至可以說是“系統性造假”。他直接點名谷歌團隊在知情的情況下，拒絕修正錯誤，並放任論文通過ICLR 2026會議審覈，最終藉助谷歌官方渠道大肆宣傳。
事件核心：谷歌的“TurboQuant”到底是什麼？
簡單來說，TurboQuant是一種向量量化技術，核心是在壓縮前對數據施加“隨機旋轉”，以提升壓縮效率。而高健揚團隊在2024年發表的RaBitQ技術，正是這一方向的先行者，其核心創新也是“隨機旋轉”，並且從數學上證明了其壓縮誤差達到了理論極限。
高健揚指控谷歌三大“罪狀”
高健揚的澄清信直指TurboQuant論文的三大核心問題，每一條都相當致命：
指控一：系統性迴避與RaBitQ方法的相似性
TurboQuant團隊在論文中，對RaBitQ的描述要麼不完整，要麼乾脆忽略。然而，早在2025年1月（TurboQuant論文發佈前），TurboQuant的第二作者就曾主動聯繫高健揚，請求幫助調試他們基於RaBitQ代碼實現的Python版本。這說明對方對RaBitQ的技術細節瞭如指掌，但在論文中卻刻意迴避這一直接聯繫。即便ICLR審稿人明確要求補充討論，他們最終也未做修正。
指控二：錯誤描述RaBitQ的理論結果
TurboQuant論文在沒有任何證據的情況下，將RaBitQ的理論保證定性爲“次優”（suboptimal），並暗示其“分析粗糙”。但事實上，高健揚團隊已在後續論文中嚴格證明RaBitQ的誤差界達到了理論計算機頂級會議FOCS 2017論文給出的漸近最優誤差界。更離譜的是，高健揚團隊曾在2025年5月通過郵件詳細糾正了對方的錯誤理解，對方明確表示已知情，但在後續的論文版本中依然保留了這一錯誤定性。
指控三：刻意創造不公平的實驗環境
這是最離譜的一點。TurboQuant論文在對比性能時，報告RaBitQ的速度比TurboQuant慢了好幾個數量級。但真相是：
實現方式不同：他們測試的是自己用Python寫的劣化版RaBitQ，而非高健揚團隊開源的、更高效的C++版本。
硬件環境不同：測試RaBitQ時，他們關閉多線程，只用單核CPU；而測試TurboQuant時，則使用了頂級的NVIDIA A100 GPU。
這種“不公平對比”在論文中完全沒有披露，得出的結論顯然是爲了凸顯自己算法的優越性。
目前，高健揚已向ICLR會議官方提交正式投訴，並計劃發佈詳細的技術報告。這件事的核心已經不是簡單的學術爭論，而是涉及到一篇被頂級會議接收、並被科技巨頭以千萬級曝光量推向市場的“突破性技術”，其理論依據、實驗數據和學術誠信都遭到了嚴重質疑。
對於我們硬件玩家來說，這件事也提供了一個觀察角度：AI技術的“內存牆”問題固然需要解決，但任何宣稱“顛覆性”的技術突破，尤其是能直接影響存儲行業股價的“大新聞”，我們或許可以保持一份審慎。畢竟，真相和數據的嚴謹性，最終會決定一項技術是成爲真正的革命，還是僅僅是一場精心策劃的鬧劇。
各位盒友怎麼看？是谷歌“店大欺客”，還是學術圈的“神仙打架”？歡迎在評論區理性討論！
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
