【TechWeb】3 月 29 日消息，科技巨头谷歌遭遇了一场突如其来的 「学术诚信」 危机。这一切，都源于一篇号称能 「颠覆 AI 内存市场」 的论文。
3 月 25 日，谷歌高调发布 TurboQuant 压缩算法论文，声称这项技术能将 AI 大模型运行时最耗资源的 KV 缓存内存占用降至原来的 1/6，速度提升 8 倍。消息一出，资本市场率先作出反应——美光、西部数据等存储巨头股价应声暴跌，单日总市值蒸发超过 900 亿美元。业界惊呼，这简直是谷歌版的 「DeepSeek 时刻」。
然而，这场科技盛宴只持续了短短两天。3 月 27 日，苏黎世联邦理工学院的华人博士后高健扬的一纸指控，将谷歌从神坛拉入泥潭。
指控内容显示，高健扬是 RaBitQ 算法的第一作者，该算法早在 2024 年就已发表，并连续被两大顶会 SIGMOD 收录，代码完全开源。他直指谷歌的 TurboQuant 存在三方面严重问题。
一是 「核心技术回避」。高健扬指出，TurboQuant 的核心方法——随机旋转与量化，与 RaBitQ 高度相似。然而，谷歌论文不仅刻意回避引用 RaBitQ，还将审稿人要求讨论两者关系的意见置之不理，在终稿中将相关内容移至附录。
二是 「理论结果贬低」。谷歌论文在毫无依据的情况下，将 RaBitQ 的理论保证定性为 「次优」，试图贬低其学术价值。高健扬强调，RaBitQ 的扩展论文早已严格证明其误差界已达到理论计算机顶级会议 FOCS 给出的渐近最优界。
三是 「实验设置不公」。对比实验中，谷歌团队采用双重标准：测试 RaBitQ 时使用单核 CPU 且关闭多线程，而测试 TurboQuant 时则动用 NVIDIA A100 GPU 加速。这种刻意的条件不对等，人为制造了巨大的性能差距。
另外，指控还透露，TurboQuant 的第二作者曾于 2025 年 1 月主动联系高健扬，请教 RaBitQ 的代码细节。这意味着谷歌团队对该算法了如指掌，却在论文中刻意回避。
面对指控，TurboQuant 第一作者 Amir Zandieh 辩称随机旋转是 「领域标准技术」，不可能引用每一个相关方法。他仅承诺修正部分实验细节，却拒绝承认技术上的相似性，也拒绝补充核心引用。
高健扬对此深感无奈。他担心，凭借谷歌巨大的平台影响力，这篇论文已获得数千万次曝光。若不及时纠正，论文中对 RaBitQ 的错误描述和贬低将自动成为大众 「共识」，历史将被改写。
目前，高健扬已在 ICLR 公开平台发表评论，并向会议委员会提交正式投诉。这场风波已从单纯的技术争议，演变为学界小人物对抗科技巨头 「学术话语权」 的维权事件。
苏黎世联邦理工学院博士后高健扬在知乎账号发布的全文
【TechWeb】3 月 29 日消息，科技巨头谷歌遭遇了一场突如其来的 「学术诚信」 危机。这一切，都源于一篇号称能 「颠覆 AI 内存市场」 的论文。
3 月 25 日，谷歌高调发布 TurboQuant 压缩算法论文，声称这项技术能将 AI 大模型运行时最耗资源的 KV 缓存内存占用降至原来的 1/6，速度提升 8 倍。消息一出，资本市场率先作出反应——美光、西部数据等存储巨头股价应声暴跌，单日总市值蒸发超过 900 亿美元。业界惊呼，这简直是谷歌版的 「DeepSeek 时刻」。
然而，这场科技盛宴只持续了短短两天。3 月 27 日，苏黎世联邦理工学院的华人博士后高健扬的一纸指控，将谷歌从神坛拉入泥潭。
指控内容显示，高健扬是 RaBitQ 算法的第一作者，该算法早在 2024 年就已发表，并连续被两大顶会 SIGMOD 收录，代码完全开源。他直指谷歌的 TurboQuant 存在三方面严重问题。
一是 「核心技术回避」。高健扬指出，TurboQuant 的核心方法——随机旋转与量化，与 RaBitQ 高度相似。然而，谷歌论文不仅刻意回避引用 RaBitQ，还将审稿人要求讨论两者关系的意见置之不理，在终稿中将相关内容移至附录。
二是 「理论结果贬低」。谷歌论文在毫无依据的情况下，将 RaBitQ 的理论保证定性为 「次优」，试图贬低其学术价值。高健扬强调，RaBitQ 的扩展论文早已严格证明其误差界已达到理论计算机顶级会议 FOCS 给出的渐近最优界。
三是 「实验设置不公」。对比实验中，谷歌团队采用双重标准：测试 RaBitQ 时使用单核 CPU 且关闭多线程，而测试 TurboQuant 时则动用 NVIDIA A100 GPU 加速。这种刻意的条件不对等，人为制造了巨大的性能差距。
另外，指控还透露，TurboQuant 的第二作者曾于 2025 年 1 月主动联系高健扬，请教 RaBitQ 的代码细节。这意味着谷歌团队对该算法了如指掌，却在论文中刻意回避。
面对指控，TurboQuant 第一作者 Amir Zandieh 辩称随机旋转是 「领域标准技术」，不可能引用每一个相关方法。他仅承诺修正部分实验细节，却拒绝承认技术上的相似性，也拒绝补充核心引用。
高健扬对此深感无奈。他担心，凭借谷歌巨大的平台影响力，这篇论文已获得数千万次曝光。若不及时纠正，论文中对 RaBitQ 的错误描述和贬低将自动成为大众 「共识」，历史将被改写。
目前，高健扬已在 ICLR 公开平台发表评论，并向会议委员会提交正式投诉。这场风波已从单纯的技术争议，演变为学界小人物对抗科技巨头 「学术话语权」 的维权事件。
苏黎世联邦理工学院博士后高健扬在知乎账号发布的全文
Related articles
【TechWeb】3 月 29 日消息，科技巨头谷歌遭遇了一场突如其来的 「学术诚信」 危机。这一切，都源于一篇号称能 「颠覆 AI 内存市场」 的论文。
3 月 25 日，谷歌高调发布 TurboQuant 压缩算法论文，声称这项技术能将 AI 大模型运行时最耗资源的 KV 缓存内存占用降至原来的 1/6，速度提升 8 倍。消息一出，资本市场率先作出反应——美光、西部数据等存储巨头股价应声暴跌，单日总市值蒸发超过 900 亿美元。业界惊呼，这简直是谷歌版的 「DeepSeek 时刻」。
然而，这场科技盛宴只持续了短短两天。3 月 27 日，苏黎世联邦理工学院的华人博士后高健扬的一纸指控，将谷歌从神坛拉入泥潭。
指控内容显示，高健扬是 RaBitQ 算法的第一作者，该算法早在 2024 年就已发表，并连续被两大顶会 SIGMOD 收录，代码完全开源。他直指谷歌的 TurboQuant 存在三方面严重问题。
一是 「核心技术回避」。高健扬指出，TurboQuant 的核心方法——随机旋转与量化，与 RaBitQ 高度相似。然而，谷歌论文不仅刻意回避引用 RaBitQ，还将审稿人要求讨论两者关系的意见置之不理，在终稿中将相关内容移至附录。
二是 「理论结果贬低」。谷歌论文在毫无依据的情况下，将 RaBitQ 的理论保证定性为 「次优」，试图贬低其学术价值。高健扬强调，RaBitQ 的扩展论文早已严格证明其误差界已达到理论计算机顶级会议 FOCS 给出的渐近最优界。
三是 「实验设置不公」。对比实验中，谷歌团队采用双重标准：测试 RaBitQ 时使用单核 CPU 且关闭多线程，而测试 TurboQuant 时则动用 NVIDIA A100 GPU 加速。这种刻意的条件不对等，人为制造了巨大的性能差距。
另外，指控还透露，TurboQuant 的第二作者曾于 2025 年 1 月主动联系高健扬，请教 RaBitQ 的代码细节。这意味着谷歌团队对该算法了如指掌，却在论文中刻意回避。
面对指控，TurboQuant 第一作者 Amir Zandieh 辩称随机旋转是 「领域标准技术」，不可能引用每一个相关方法。他仅承诺修正部分实验细节，却拒绝承认技术上的相似性，也拒绝补充核心引用。
高健扬对此深感无奈。他担心，凭借谷歌巨大的平台影响力，这篇论文已获得数千万次曝光。若不及时纠正，论文中对 RaBitQ 的错误描述和贬低将自动成为大众 「共识」，历史将被改写。
目前，高健扬已在 ICLR 公开平台发表评论，并向会议委员会提交正式投诉。这场风波已从单纯的技术争议，演变为学界小人物对抗科技巨头 「学术话语权」 的维权事件。
苏黎世联邦理工学院博士后高健扬在知乎账号发布的全文
【TechWeb】3 月 29 日消息，科技巨头谷歌遭遇了一场突如其来的 「学术诚信」 危机。这一切，都源于一篇号称能 「颠覆 AI 内存市场」 的论文。
3 月 25 日，谷歌高调发布 TurboQuant 压缩算法论文，声称这项技术能将 AI 大模型运行时最耗资源的 KV 缓存内存占用降至原来的 1/6，速度提升 8 倍。消息一出，资本市场率先作出反应——美光、西部数据等存储巨头股价应声暴跌，单日总市值蒸发超过 900 亿美元。业界惊呼，这简直是谷歌版的 「DeepSeek 时刻」。
然而，这场科技盛宴只持续了短短两天。3 月 27 日，苏黎世联邦理工学院的华人博士后高健扬的一纸指控，将谷歌从神坛拉入泥潭。
指控内容显示，高健扬是 RaBitQ 算法的第一作者，该算法早在 2024 年就已发表，并连续被两大顶会 SIGMOD 收录，代码完全开源。他直指谷歌的 TurboQuant 存在三方面严重问题。
一是 「核心技术回避」。高健扬指出，TurboQuant 的核心方法——随机旋转与量化，与 RaBitQ 高度相似。然而，谷歌论文不仅刻意回避引用 RaBitQ，还将审稿人要求讨论两者关系的意见置之不理，在终稿中将相关内容移至附录。
二是 「理论结果贬低」。谷歌论文在毫无依据的情况下，将 RaBitQ 的理论保证定性为 「次优」，试图贬低其学术价值。高健扬强调，RaBitQ 的扩展论文早已严格证明其误差界已达到理论计算机顶级会议 FOCS 给出的渐近最优界。
三是 「实验设置不公」。对比实验中，谷歌团队采用双重标准：测试 RaBitQ 时使用单核 CPU 且关闭多线程，而测试 TurboQuant 时则动用 NVIDIA A100 GPU 加速。这种刻意的条件不对等，人为制造了巨大的性能差距。
另外，指控还透露，TurboQuant 的第二作者曾于 2025 年 1 月主动联系高健扬，请教 RaBitQ 的代码细节。这意味着谷歌团队对该算法了如指掌，却在论文中刻意回避。
面对指控，TurboQuant 第一作者 Amir Zandieh 辩称随机旋转是 「领域标准技术」，不可能引用每一个相关方法。他仅承诺修正部分实验细节，却拒绝承认技术上的相似性，也拒绝补充核心引用。
高健扬对此深感无奈。他担心，凭借谷歌巨大的平台影响力，这篇论文已获得数千万次曝光。若不及时纠正，论文中对 RaBitQ 的错误描述和贬低将自动成为大众 「共识」，历史将被改写。
目前，高健扬已在 ICLR 公开平台发表评论，并向会议委员会提交正式投诉。这场风波已从单纯的技术争议，演变为学界小人物对抗科技巨头 「学术话语权」 的维权事件。
苏黎世联邦理工学院博士后高健扬在知乎账号发布的全文
