谷歌就TurboQuant论文再发“技术澄清”,未能平息学术与市场争议

谷歌发布澄清,争议持续升温

在近一周的沉默后,谷歌TurboQuant论文团队终于在4月1日针对其引发广泛争议的压缩算法论文作出了回应。然而,这份最新的“技术澄清”似乎并未能有效平息学界的质疑,特别是针对其“核心技术相似性”的指控,以及实验基准中存在的问题。

此前,在3月最后一周,这篇由谷歌官方博客高调宣传的论文,曾以一己之力在全球存储芯片市场掀起巨浪。论文声称,TurboQuant这种新型压缩算法能够将大语言模型(LLM)的KV缓存内存占用减少至少6倍,同时将处理速度提升高达8倍,且不损失精度。这一发布迅速引发华尔街恐慌,美光、SK海力士、三星电子等存储巨头市值蒸发超900亿美元,因为如果软件能如此高效地压缩AI内存需求,无疑将重写芯片硬件的增长逻辑。

学术质疑浮出水面

然而,事态发展迅速反转。3月27日,RaBitQ算法的原创者、苏黎世联邦理工学院博士后高健扬,在知乎平台发布了一篇长文,详细指控谷歌团队存在系统性学术问题。这篇万字长文迅速将舆论焦点转向对谷歌学术诚信的拷问。

业界普遍认为,RaBitQ率先提出了原创性的方法,而TurboQuant则在其基础上进行了优化。然而,谷歌的论文不仅未能给予RaBitQ应有的引用与尊重,甚至对其成果进行了不公正的贬低。

谷歌“技术澄清”的四大要点

面对外界排山倒海般的指控,论文的第二作者Majid Daliri于4月1日代表团队,在OpenReview平台上发布了一份包含四个核心点的“技术澄清”。

1. 核心技术新颖性:随机旋转是否为“标准技术”?

在核心技术原创性方面,谷歌辩称TurboQuant的核心方法并非源自RaBitQ。他们指出,“随机旋转”是量化文献中一种标准的、无处不在的技术,早在RaBitQ出现之前就已被广泛应用。谷歌强调,TurboQuant的真正创新在于其推导出了旋转后的坐标分布。

然而,学术界普遍遵循的规则是,如果有人首次将一项基础技术应用于特定领域并取得突破性成果,后来的研究者应给予引用和致谢。谷歌将前人成果轻描淡写为行业“常识”,被认为是对先行者贡献的降级。

2. 贬低RaBitQ理论:承认“没看清附录”

针对此前贬低RaBitQ理论为“次优”的指控,论文作者承认,是因为团队在审阅RaBitQ的附录时不够仔细,漏掉了一个关键的常数因子,才导致了最初草率的结论。他们表示,经过仔细研究,现已确认RaBitQ确实是最优的方法之一,团队正在更新TurboQuant手稿以修正这一错误。

不过,一篇将在顶级会议发表的论文,其对同行核心理论的负面评价竟建立在“没看清附录”的基础上,这一解释的合理性难免受到质疑。

3. 实验基准争议:是否“绑住对手手脚再赛跑”?

关于“把对手绑住手脚再赛跑”的指控,Majid Daliri直接回应称,即便完全省略与RaBitQ的运行时比较,该论文的科学影响和有效性也基本保持不变。他强调,TurboQuant的主要贡献在于压缩质量的权衡,而非特定的加速效果。

此前,高健扬在公开信中披露,谷歌团队在测试RaBitQ时使用了单核CPU并关闭了多线程,而测试TurboQuant时则采用了高性能的英伟达A100 GPU。尽管谷歌团队声称速度对比并非核心,但论文中却仍将速度作为其关键卖点之一,这使得其解释难以服众。

4. 质疑提出时机:是否存在“别有用心”?

最后,谷歌在回应中暗示对方“别有用心”,指出TurboQuant论文自2025年4月就在arXiv发布,对方有一年时间通过学术渠道提出问题,却等到论文获得广泛关注后才将其“闹大”。

对此,高健扬此前曾回应称,早在2025年5月,双方就已通过邮件进行私下沟通,并在2025年11月联系了ICLR组委会,但均未得到有效回应。直到谷歌通过官方渠道将论文推向千万级曝光量的“神坛”,学术纠正才变得刻不容缓。

审稿人表态与商业潜力

在OpenReview平台上,有研究者评论指出,这是一个值得更多关注的严重问题。他们表示,“看到从事实际基础工作的人被忽视,而大型、有影响力的组织却大肆宣传自己的成果,这令人沮丧。”这种情景,感觉不像是在进行科学研究,更像是一场与大厂的公关竞赛。

同时,TurboQuant论文的审稿人也站出来表态。他表示,此前基于论文的理论分析和实验结果,曾给予了很高的评价。但他也明确指出,曾要求TurboQuant作者深入比较其与RaBitQ之间的设计差异如何影响性能,但在审稿时却“惊讶地发现RaBitQ在主论文的实验部分只提到过一次”,这与正确的学术实践不符。

尽管争议缠身,TurboQuant在技术层面仍具备巨大的商业潜力。一位人工智能硕士在知乎上分析指出,在大模型推理场景中,KV缓存内存占用直接决定了单卡可同时处理的请求数量,这是推理服务商最核心的经济指标。如果并发量能提升6倍,每个请求的推理成本理论上可降至原来的六分之一。对于那些每天处理数十亿次API调用的AI厂商而言,这将是一项巨大的降本利器,也正是此次全球存储股市场震荡的深层原因。

前景不明朗

谷歌的这篇论文即将在4月底的机器学习顶级会议ICLR 2026上发表,但目前看来,团队必须首先妥善解决这场激烈的学术争议。这场风波最终将如何收场,仍有待外界持续观察。

上一篇 2026/04/03 21:27
下一篇 2026/04/03 21:28

相关推荐