内存厂暴跌上百亿，只是一个乌龙？差评

如果不是谷歌 TurboQuant 的搞了这样一场闹剧，我都没发现我们忍 AI 这么久了。

这个月的 24 号，谷歌研究院（Google Research）突然发帖，详细介绍一项名为 TurboQuant 的极端压缩算法。

这篇帖子非常简单地总结了 TurboQuant 这个算法的用处 —— 它能把大模型推理时的 KV cache 内存压缩到 3.5 bit（约 6 倍），而且几乎不丢精度。

翻译成人话就是，谷歌研究院介绍了一种算法，能大幅度减少大模型对于内存的消耗了，以前用 600G 内存才能搞定的事儿，用上这个算法后只要 100G 就行了！

第二天，原本还在吃着火锅唱着歌的几个存储大厂，股价应声下跌。

美光科技股价下跌3.4%，市值损失151.66亿美元，闪迪（SanDisk）股价一度大跌6.5%，收盘时跌幅收窄至3.5%，市值损失36.3亿美元。西部数据（Western Digital）下跌1.63%，市值损失16.64亿美元。

图表来源：新浪财经

整个 AI 圈都炸开了锅，大家都纷纷开始分析，TurboQuant 到底厉害在哪里，又是怎么影响

就连 Claudflare 的 CEO 都发文评价说，这是谷歌的 DeepSeek 时刻。

很多差友看到这个消息，可能要在被窝里笑出声了：干的漂亮！接下来的内存、固态硬盘，是不是也得跟着跌了？咱们攒机党是不是终于熬出头了？

我当然也希望事情往这个方面发展。

为了搞清楚咱这个最朴实的愿望能不能实现，我还特地去做了点功课，学习了下 TurboQuant 到底是个什么东西。

结果还没等我搞明白这个 TurboQuant 到底怎么个Turbo 法，事情就迎来了180° 的大反转 ——

3月27号晚上10点，苏黎世联邦理工学院的博士后高健扬，在知乎、X 和 ICLR 评审平台上同步发文，指控当初 谷歌用来介绍 TurboQuant 算法的论文学术存在严重的学术不端。

高博士发现，谷歌的 TurboQuant ，跟自己团队搞的 RaBitQ 算法高度撞车，底层都用了“随机旋转加JL变换”。

要说英雄所见略同也就罢了，但离谱的是，高博士甩出的邮件证明早在2025年1月，谷歌这篇论文的二作 Majid 就专门发邮件，低声下气地找高博士求助怎么跑通 RaBitQ 的代码。

这就不对了，谷歌这样的做法，算不算是把人家底细都摸透了，却在胜利结算的时候决口不提别人干了啥呢？

光掩盖来源还不算，谷歌的 Turbo Quant 团队甚至无视既定的数学证明，直接在论文里空口白牙地硬踩高博士的理论。

高博士认为自己的 RaBitQ 的算法，已经被严格证明达到了理论计算机顶会级别的一流标准。

结果 TurboQuant 团队连推导都不看，在毫无证据的情况下，直接在正文里给高博士盖了个“理论次优、分析粗糙”的帽子。

但最让人绷不住的，是谷歌那堪称“魔幻”的跑分双标。

论文里吹牛说自家算法比 RaBitQ 快了几个数量级，但背后的暗箱操作极其下作：

谷歌给自己配的是算力怪兽 A100 GPU，给对手安排的却是关掉了多线程的 CPU。

而且他们放着人家现成的、高度优化的 C++ 开源代码不用，非要用TurboQuant 论文二作自己半吊子翻译的 Python 版本去跑，给高博士的算法又叠了一层debuff。

在去年5月的邮件里，这篇论文的二作作者亲口承认了这种 “ 单核打多核” 的非对称操作，也承认把这事同步给了论文的其他共同作者。

但在最终发表的论文里，这两层能引发量变级差异的软硬件信息，被抹得干干净净。

同时 TurboQuant 论文的作者也拒绝承认自己的算法跟高博士的 RabitQ 在结构上相似。

这篇带有硬性错误的论文，被 ICLR 2026 会议接收，再后来，就有了我们开头说的故事，通过谷歌研究院官方渠道大规模推广这篇论文。

谷歌研究院只提到了TurboQuant 有多厉害，能节省多少内存，但只字未提支撑 TurboQuant 的这篇论文本身的种种错误。

这些推广，在社交媒体浏览量已达到数千万次，于是便有了上周几个头部存储厂商的股市震荡。

高博士估计也是实在是看不下去了，才选择发文公开实锤了。

随即存储市场这边，也逐渐从第一波震荡中缓过神来了。