內存廠暴跌上百億，結果只是一個烏龍？

如果不是谷歌 TurboQuant 的搞了這樣一場鬧劇，我都沒發現我們忍 AI 這么久了。

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

這篇帖子非常簡單地總結了 TurboQuant 這個算法的用處 —— 它能把大模型推理時的 KV cache 內存壓縮到 3.5 bit（約 6 倍），而且幾乎不丟精度。

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存的消耗了，以前用 600G 內存才能搞定的事兒，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。西部數據（Western Digital）下跌1.63%，市值損失16.64億美元。

圖表來源：新浪財經

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！接下來的內存、固態硬盤，是不是也得跟著跌了？咱們攢機黨是不是終于熬出頭了？

我當然也希望事情往這個方面發展。

為了搞清楚咱這個最樸實的愿望能不能實現，我還特地去做了點功課，學習了下 TurboQuant 到底是個什么東西。

結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 ——

3月27號晚上10點，蘇黎世聯邦理工學院的博士后高健揚，在知乎、X 和 ICLR 評審平臺上同步發文，指控當初 谷歌用來介紹 TurboQuant 算法的論文學術存在嚴重的學術不端。

高博士發現，谷歌的 TurboQuant ，跟自己團隊搞的 RaBitQ 算法高度撞車，底層都用了“隨機旋轉加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都摸透了，卻在勝利結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 團隊甚至無視既定的數學證明，直接在論文里空口白牙地硬踩高博士的理論。

高博士認為自己的 RaBitQ 的算法，已經被嚴格證明達到了理論計算機頂會級別的一流標準。

結果 TurboQuant 團隊連推導都不看，在毫無證據的情況下，直接在正文里給高博士蓋了個“理論次優、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。

論文里吹牛說自家算法比 RaBitQ 快了幾個數量級，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掉了多線程的 CPU。

而且他們放著人家現成的、高度優化的 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了這種 “ 單核打多核” 的非對稱操作，也承認把這事同步給了論文的其他共同作者。

但在最終發表的論文里，這兩層能引發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自己的算法跟高博士的 RabitQ 在結構上相似。

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模推廣這篇論文。

谷歌研究院只提到了TurboQuant 有多厲害，能節省多少內存，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到數千萬次，于是便有了上周幾個頭部存儲廠商的股市震蕩。

高博士估計也是實在是看不下去了，才選擇發文公開實錘了。

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回高博士郵件的當天，美光科技（MU）當日收高 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遲鈍的那個猹，看著同伴們吃完這個瓜，已經要去吃下一個了，正發愁自己要掉隊了。

結果一轉身就發現猹哥們已經在噴射了 —— 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 大模型狂吃內存的毛病了。

為數不多還保持理智的分析機構和國內自媒體，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 ——

現在國產模型上下文窗口的主流標準是 200K-256K，少數能做到1M。

但是國外主流模型已經能夠做到 1M 了。你們說有了這套算法之后國外的模型會不會想著擴大優勢，國產模型會不會想著奮起直追？

到時候各種多模態、長上下文的應用大批量上線，因為更好用導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。

但質疑 TurboQuant 是不是真的這么厲害的聲音，好像被蓋過去了。相當于是很大一部分人，不加考證，也不去了解學術圈內的實際情況，默認了谷歌的這個 TurboQuant 確實能改變世界。

當然啦，我這樣說并不是為了批判誰，因為我自己在剛看到 TurboQuant 的報道時，也高興得跟孩子似的。

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

為了養AI這個硬件吞金獸，我們已經忍受了太多。

去年年底開始，就連手機這種幾乎人手一臺的電子產品，也因為內存漲價而漲價。

圖表來源“鋅刻度”李覲麟

這時候，事情的性質就變了 —— 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力，能帶來多大的便利。

今年早些時候 Anthropic 發布了一份關于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

就是這么一個行業真實滲透率不高、只在幫少數人賺錢、實際上沒那么好用的產品，它帶來的負面影響 正在讓全社會買單。。。

這個時候，但凡有個消息告訴我，現在有個東西能讓 AI 胃口變小一點，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波。

然而可惜的是，這一切最終被證實，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