谷歌AI论文陷造假风波：实验不公致存储股市值蒸发900亿

学术争议引爆市场震荡：谷歌AI压缩技术论文遭造假指控

近日，一篇由谷歌研究团队发布、宣称能将AI模型推理内存占用压缩至原有六分之一的学术论文，在全球资本市场掀起巨浪，导致美光、SanDisk等存储芯片巨头市值单日蒸发逾900亿美元。然而，论文光环仅维持两天，便遭到来自学术界的严厉指控。核心争议点在于：这篇被官方高调推广、直接影响千亿市值的研究，是否通过系统性歪曲对比实验，构建了虚假的性能优势叙事？

TurboQuant：压缩“思维草稿纸”的技术核心

大型语言模型在生成内容时，需要持续调用并暂存大量中间计算结果，这部分数据被称为“键值缓存”（KV Cache）。它如同模型的“思维草稿纸”，对话越长，占用的显存就越大，直接推高了运算成本。

谷歌提出的TurboQuant算法，其核心创新点正是针对KV Cache进行高效压缩。该技术声称能在保证精度无损的前提下，将缓存内存需求大幅降低，同时提升推理速度。论文最初于2025年在预印本平台公开，并于2026年被顶级学术会议ICLR接收。从技术原理看，社区验证基本认可其压缩效果的真实性。真正的风暴，源于论文中备受质疑的“对比实验”部分。

万字公开信：三条关键指控直指实验不公

3月27日，苏黎世联邦理工学院博士后、同类算法RaBitQ的第一作者高健扬发布公开信，对谷歌论文提出多项实质性指控，并附有邮件记录佐证。

1. 关键技术借鉴却未充分引用

TurboQuant与RaBitQ算法共享一个最核心的预处理步骤：对数据进行“随机旋转”，以规整其分布便于压缩。公开信指出，TurboQuant团队不仅对此知情，其成员在论文撰写前还曾就RaBitQ源代码的复现问题与高健扬团队进行过邮件交流。然而，最终论文中对此关键关联性轻描淡写，甚至将相关描述移至附录。

2. 缺乏依据的“次优”定性

谷歌论文中直接将RaBitQ的理论分析标注为“次优”。高健扬反驳称，RaBitQ的扩展工作已在理论计算机科学顶级会议上被严格证明达到了数学最优界，且相关论证早已通过邮件告知TurboQuant作者。但论文最终仍未修正这一缺乏支撑的负面评价。

3. 被指“绑住手脚”的对比实验

这是最具争议的一点。指控指出，TurboQuant团队在进行速度对比时，存在双重不公：

• 代码层面： 未使用RaBitQ官方优化的高性能C++代码，而是采用自行翻译的Python版本进行测试。
• 硬件层面： 测试RaBitQ时限制在单核CPU环境，而测试自家TurboQuant则使用了强大的NVIDIA A100 GPU。

这种测试条件的巨大差异，导致论文中呈现的“数量级性能优势”结论严重失真，被批评为“绑住对手再赛跑”。

谷歌回应与学界反响

面对指控，TurboQuant团队在邮件回复中辩解称，“随机旋转”是该领域的通用技术，不可能引用所有相关论文。高健扬团队则认为这是偷换概念，强调核心问题在于对最相关、最优先工作的关系阐述失实。

此事已引发学术界高度关注，斯坦福大学NLP小组官方账号转发了相关讨论。高健扬团队已向ICLR会议提交正式投诉，计划发布详细技术报告以正视听。

旧论文新包装：学术研究如何扰动千亿市场

值得注意的是，TurboQuant的核心研究并非全新，其论文早在2025年即已公布。2026年3月下旬，谷歌通过官方博客的重新包装和推广，使其以“突破性进展”的姿态进入公众视野，并迅速被市场解读为对存储芯片需求的重大利空，从而触发恐慌性抛售。

部分华尔街分析师随后指出，市场反应可能过度。摩根士丹利报告强调，该技术仅压缩特定缓存而非整体内存需求，应视为“正常的效率改进”。富国银行分析师则引用“杰文斯悖论”，认为效率提升可能反而刺激更大规模的AI应用，长期来看有望增加存储需求。

青岚个人视点

此次事件如同一面棱镜，折射出AI时代学术、商业与资本交织的复杂生态。一方面，它暴露了顶尖科技公司在学术伦理上的潜在傲慢——在追求技术亮点的过程中，是否模糊了公平比较的底线？另一方面，市场对单篇论文的剧烈反应，凸显了AI叙事在资本传导中的放大效应与脆弱性。这不仅是关于一篇论文真伪的辩论，更是一次对研究透明度、产业沟通责任以及投资者理性的集体拷问。当学术成果成为影响千亿市值的“信号弹”时，其严谨性与诚信的标准，理应被提到前所未有的高度。