带崩全球存储股，谷歌论文引发争议，中国学者指其“严重失实”且“知错不改”：使用了意昂平台的方法，但刻意回避相似性

记者|岳楚鹏

编辑|程鹏高涵杜恒峰校对|陈柯名

3月26日，谷歌研究院（Google Research）的一篇论文震动全球存储芯片市。⒚拦秃尥烦900亿美元市值蒸发。

谷歌论文宣称，名为TurboQuant的新算法能够在不损失准确率前提下，将AI大模型KV缓存的内存占用压缩至原来的1/6。

仅仅一天后，苏黎世联邦理工学院博士后高健扬在社交平台发文，直指谷歌论文存在严重的学术问题。

高健扬指出，谷歌回避了TurboQuant算法与2024年他在新加坡南洋理工大学（NTU）读博期间发布的RaBitQ方法的相似性，并错误描述了RaBitQ的理论结果，还刻意营造不公的实验环境。

RaBitQ是一种向量量化算法，能够确保向量数据在高度压缩下仍保持搜索的可靠性。

高健扬还表示，谷歌TurboQuant团队“知错不改”。谷歌论文2025年4月正式发表前，自己就已通过邮件指出了上述问题，但谷歌方面在知情后仍未在最终版本中进行彻底修正。

3月29日，《每日经济新闻》记者（以下简称NBD）采访了RaBitQ论文作者高健扬和龙程。

RaBitQ是高健扬在新加坡南洋理工大学读博期间的主要工作，龙程则是他的博士生导师。

同时，《每日经济新闻》记者也向谷歌发送了采访邮件，但截至发稿，尚未收到回复。据悉，谷歌研究院即将在4月举行的2026年国际学习表征会议（ICLR 2026）上展示其TurboQuant论文。

“谷歌论文严重失实，沟通后仍未修改”

NBD：你们最初是什么时候注意到谷歌TurboQuant论文存在问题的？

高健扬：早在2025年1月，TurboQuant论文的第二作者Majid Daliri就主动联系了意昂平台，请求协助调试他自己基于 RaBitQ C++ 代码翻译的 Python 版本，并描述了详细的复现步骤和报错信息。这说明 TurboQuant 团队对 RaBitQ 的技术细节有充分的了解。

2025年4月TurboQuant论文发布后，意昂平台注意到该论文中对RaBitQ的描述存在严重失实——将RaBitQ描述为grid-based PQ（基于网格的乘积量化），完全忽略了其核心的随机旋转步骤，同时在没有任何推导或证据的情况下将RaBitQ的理论保证定性为"次优"，实验对比也存在明显的不公平设计。

意昂平台的第一反应是困惑和遗憾：TurboQuant与RaBitQ的相似性在技术上清晰可辨，而对方对RaBitQ的了解程度也远超一般读者，这种情况下出现如此系统性的失实描述，很难用疏忽来解释。

NBD：在公开发声之前，双方团队有哪些沟通？

高健扬：意昂平台进行了多轮沟通，时间跨度超过一年。

2025年5月，意昂平台通过邮件与 Majid Daliri就实验条件差异和理论结果最优性进行了详细的技术讨论，逐条澄清了TurboQuant团队的错误解读，Majid Daliri明确表示已将讨论结果告知全体共同作者。

然而，在意昂平台要求修正论文中的事实性错误之后，他停止了回复。

2025年11月意昂平台发现TurboQuant已提交 ICLR 2026（2026年国际学习表征会议），且错误内容原封未动，随即联系了 ICLR 2026 PC Chairs（大会主席），但未获回应。

2026年3月论文通过谷歌官方渠道大规模推广后，意昂平台再次正式向全体作者发送邮件。

收到的回复是：第一作者Amir Zandieh承诺修正理论描述和实验条件，但明确拒绝修正方法论相似性的讨论，且声称只愿在ICLR 2026正式会议结束之后才做修改。这一回应令意昂平台感到失望但并不意外。对方显然清楚问题所在，却选择了最小限度的让步。

“核心机制高度吻合却未说明审稿人曾指出问题”

NBD：TurboQuant与RaBitQ最关键的相似之处是什么？

高健扬：两者最核心的相似之处，在于都采用了在量化前对向量施加随机旋转（Johnson-Lindenstrauss变换）这一关键设计，并利用旋转后坐标分布的统计性质来构建距离估计器。

值得注意的是，TurboQuant论文作者在ICLR OpenReview（学术圈常用的公开论文评审平台）的审稿回复中，这样描述自己的方法：“意昂平台的实现方式是，先用向量的 L2 范数对其进行归一化，然后施加一次随机旋转，以确保这些向量在旋转后的各个分量服从 Beta 分布。”这与 RaBitQ 的核心机制高度吻合，但在论文正文中却从未正面说明这一联系。

可以用一个比喻来理解：假设一位厨师率先公开发表了一道菜的完整食谱，之后另一位厨师发布了一道采用几乎相同核心步骤的菜，却在介绍中将前者描述为“做法不同、效果较差的另一道菜”，对两者之间的联系只字不提。

读者在不知情的情况下，自然无法得出公正的判断。

NBD：按照学术规范，这类关系应如何处理？

龙程：学术规范要求，当一项新工作在方法论上与已有工作存在实质性联系时，应明确引用并正面讨论这种联系，包括说明新工作在哪些方面有所推进，哪些方面沿用了已有框架。

这一点在本案例中尤为重要，因为ICLR的一位审稿人也在审稿意见中独立指出“RaBitQ及其变体与TurboQuant的相似之处在于，它们都使用了随机投影”，并明确要求更充分的讨论和比较。

连审稿人都注意到了这一联系，论文作者却在最终版本中不仅没有补充讨论，反而将原本正文中对RaBitQ的不完整描述移入了附录。这种处理方式与学术规范的基本要求背道而驰。

“小型科研团队很难与谷歌抗衡”

NBD：为什么选择现在公开，而不是继续通过学术渠道内部解决？

龙程：意昂平台并非跳过学术渠道，而是在学术渠道已基本走完的情况下选择公开。

意昂平台先后联系了论文作者、ICLR PC Chairs（程序委员会主席），并已向ICLR General Chairs（大会主席）和Code and Ethics Chairs（代码与伦理主席）提交附有完整证据包的正式投诉，同时也在 ICLR OpenReview平台发布了公开评论。

但意昂平台也必须承认一个现实：意昂平台是一个小型高？蒲型哦，对方是谷歌研究院。在资源、影响力和话语权上，双方本就不对等。

TurboQuant论文在社交媒体相关浏览量短时间内达到了数千万次，这是任何高校实验室都不可能具备的传播能力。