AI 圈全面陷入轰动状态，所有人都即刻着手展开剖析，详细探究 TurboQuant 究竟于何处展现出强大之处，以及它究竟是以何种方式产生影响的。

尚且就连，Claudflare的CEO，都发布文章作出评价声称，这呈现的是谷歌的DeepSeek时刻。

众多差友瞅见此消息，或许会于被窝之中发出笑声：做得真棒！后续的内存、固态硬盘，是否也会随之降价？咱攒机之人是不是终于迎来曙光了？

我当然也希望事情往这个方面发展。

怀揣着要弄明白咱这最为质朴的心愿可否达成心思，俺特意去开展了点研习工作，去探究一下TurboQuant到底是怎样一种事物，究竟是什么东西！

结果呢，在我还没能够搞清楚、弄明白这个TurboQuant究竟是以怎样Turbo的方式，呈现其特性时，事情就迎来了180°的大反转，——。

在3月27号那日的晚上10点的时候，苏黎世联邦理工学院身为博士后的高健扬，于知乎、X以及ICLR评审平台上，同时发布文章，指责当初谷歌用以介绍TurboQuant算法的论文，在学术方面存在极为严重的不端行为。

有着高学历的博士有着这样的发现，谷歌所推出并使用的TurboQuant，和自身所在成员组成的团队所研究搞出来的RaBitQ算法呈现出高度撞车的状况，在底层方面都运用了“随机旋转加JL变换”。

虽说要是讲英雄所具备的见识大致相同那就罢了，然而离谱的情况却是，高博士扔出的邮件竟然证实了早在2025年1月的时候，谷歌的这篇论文里处于二作位置的Majid专门发送了邮件，以一种低声下气的姿态去寻觅高博士，向其求助究竟该如何顺利运行RaBitQ的代码。

这种情况是不妥当的，谷歌如此这般行径样子架势，能否算作已將他人底细全部透彻摸清知晓啦，然而在胜利取得结算结果之际却全面根本完全绝对不提别方究竟干了些什么呢？

不仅光是将来源予以掩盖，而且谷歌的Turbo Quant团队，甚至是对既定的数学证明采取无视的态度，还直接在论文当中，以毫无依据的方式强硬地贬低高博士的理论。

高博士觉得，自身的RaBitQ算法，已然经过严格论证，达成了理论计算机顶会水准的一流规范。

结果，TurboQuant团队，连推导都不加以查看，在全然没有证据的这种状况之下，径直在正文当中，给高博士戴上了一顶“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。

论文之中，大放厥词称自家算法相较RaBitQ快出了若干数量级别，然而其背后进行的不为人知的操作，实在是至极的恶劣：

谷歌为自身配备的是算力异常强大的 A100 GPU，而给竞争对手安排的却是关闭了多线程功能的 CPU。

并且，他们舍弃了现成的、已高度优化的C++开源代码闲置不用，却偏偏选用TurboQuant论文二作自行进行半吊子翻译的Python版本来运行，如此一来，给高博士的算法又增添了一层不利影响。

有这么一篇论文，其第二作者，于去年5月所发的邮件当中，亲口承认了那种“单核打多核”的非对称操作，并且，也承认已将这件事情同步告知给了论文的其他那些共同作者。

然而，在最终拿去发表了的那篇论文当中，这两层能够引发呈现出量变级别的那种差异的软件与硬件的信息，全都被抹得彻彻底底精光光了。

与此同时，TurboQuant 论文的创作者，也不肯认同自身的算法，和高博士的 RabitQ ，在结构方面存在相似之处。

该篇存有硬性错误的论文，被 ICLR 2026 会议吸纳了，随后呢，便引出了我们开始所讲的那件事，并通过谷歌研究院官方途经对此论文展开大规模投放性宣传。

谷歌研究院仅仅提及了TurboQuant究竟有多么厉害，能够节省下多少内存，然而对于支撑TurboQuant的这篇论文在自身之内所存在的诸般错误，却完全没有任何文字进行讲述！

此类推广，于社交媒体的浏览量已然抵达数千万次，所以上周便出现了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。

就在Amir Zandieh回复高博士邮件的那一天，美光科技（MU）那一交易日收盘上涨了0.5%，其成交额达到了162.46亿美元，不过在本周累计起来还是下跌了15.5%。

我不知道差友们听完这段故事，是啥感觉。

我认定自身好似瓜地里反应不太灵敏需予以留意才可发现的那只猹，瞅见伙伴们把这个瓜吃完，已然要去吃另一个瓜了，深感发愁自己即将掉队啦。

结果一转身就发现猹哥们已经在喷射了 —— 这瓜，有毒。

更让人难以理解的事情是，这篇存在着显著错误且引发争议的论文，居然间隔了一年时间才被谷歌拿出来进行宣传，然而一直处于高博士站出来指责谷歌之前的这段期间，我们似乎并没有听闻出现谁站出来提出质疑。

市场默默无声，仅仅是处于震荡状态，那所谓的AI圈同样只是一场狂欢，终于有能够整治AI大模型过度消耗内存这一毛病的人了。

为数不多的，还维持着理智的，那些分析机构，以及国内的自媒体，也仅仅是指明了，这一事情，全然契合华尔街老是提及的，那个“杰文斯悖论”：

TurboQuant实实在在地将长文本推理的成本给降下来了，然而一旦门槛降低，厂商们肯定会毫无顾忌地放手去进行开发。

当下，针对国产模型而言，其上下文窗口此刻的主流标准处于200K至256K 的范围区间，不过呀，仅有少数的国产模型能够达成1M这样的程度呢。

可是，国外那些主流的模型，已然是能够达成 1M 这个程度了。你们是否想问，在拥有了这套算法以后，国外的模型，会不会萌生出想要去扩大优势的想法呢，国产性的模型，又会不会萌生出想要奋起直追的念头呢？

届时，各类多模态且长上下文的应用会大量上线，由于其好用，致使使用的人和场景都成倍增长，全球实际所需的算力以及存储硬件，不但节省不下来，反倒会因巨大的需求量而直接被拉爆。

然而，存有对TurboQuant是否果真那般厉害的质疑声音，似乎是被压住了。这就等同于有很大一部分人，既不加以考证，又不去知晓学术圈内的实际情形，就默认了谷歌的这个TurboQuant确实能够改变世界。

自然喽，与此同时呢，我这般表述可不是意在去批评哪个人，鉴于在最初瞅见TurboQuant的相关报道之际，我自身也是仿若孩子般快活的。

我想要明确指出的是，谷歌的TurboQuant所上演的这场闹剧，揭示出了众人对于AI的那种不耐烦情绪：。

为了养AI这个硬件吞金兽，我们已经忍受了太多。

早在去年年末起始，哪怕是手机这般近乎人人皆持有的电子类产品，亦鉴于内存价格上涨致使其价格上扬了。

图表来源“锌刻度”李觐麟

此刻，事情的性质发生了变化，价格高昂的AI终究还是要让所有人共同来支付费用了。

可讽刺的是，直至如今，都不存在任何人能够讲明白，AI究竟能够带来何等程度的生产力，能够带来何等程度的便利。

今年较前些时候，Anthropic发布了一份重磅研究，该研究是关于AI对劳动力市场的影响。

据研究表明，直至当前，仅有个别职业的从业者在运用人工智能，并且人工智能于他们工作里的渗透程度，并未如所设想的那般高。