تم تدمير أسهم التخزين التي تبلغ قيمتها 90 مليار دولار في شركة جوجل للذكاء الاصطناعي بعد اتهامات بالتلاعب في التجارب

المؤلف الأصلي: شينتشاو تِكفلو

نشرت صحيفة منسوبة إلى شركة جوجل ورقة تدّعي «ضغط استهلاك ذاكرة الذكاء الاصطناعي إلى 1/6»، وقد أثارت الأسبوع الماضي موجة هبوط عارمة في أسهم شرائح التخزين العالمية مثل ميكرون (Micron) وSanDisk، ليختفي ما يزيد على 90 مليار دولار من القيمة السوقية.

ومع ذلك، بعد نشر الورقة بساعتين فقط، أطلقت «الجهة التي جرى سحقها» بخط علني من عشرة آلاف كلمة: ونشر ما بعد الدكتوراه في المعهد الفدرالي السويسري للتكنولوجيا (ETH Zurich) جاو جيانيانغ (Gao Jianyang) رسالة مفتوحة، اتهم فيها فريق جوجل بأنهم في التجارب استخدموا سكربت بايثون على CPU أحادي النواة لاختبار الطرف الآخر، بينما استخدموا A100 GPU لاختبار أنفسهم، وبأنهم رفضوا إجراء أي تصحيح حتى بعد أن أُبلغوا بالمشكلة قبل تقديم الورقة. تجاوزت قراءات المنصة المعروفة باسم Zhihu 4 ملايين بسرعة، وقام الحساب الرسمي لـ Stanford NLP بإعادة التغريد، ما أحدث صدمة في الأوساط الأكاديمية والسوق في الوقت نفسه.

ليست هذه القضية معقّدة في جوهرها: هل تُشوّه ورقة مؤتمر «قبلة ذهبية» (顶会) تقوم جوجل بالترويج لها على نطاق واسع وبشكل مباشر وتُثير هلعًا في قطاع شرائح الحوسبة العالمية، بشكل منهجي عملاً سابقًا منشورًا بالفعل؟ وهل جرى ذلك عبر خلق تجارب غير عادلة عمدًا لتشكيل سردٍ مضلِّل حول تفوق مزعوم في الأداء؟

TurboQuant ماذا فعل: ضغط «ورق المسودات» للذكاء الاصطناعي إلى سدس ما كان عليه

عند توليد الردود، تحتاج نماذج اللغة الكبيرة إلى الكتابة ثم الرجوع والاطلاع على المحتوى الذي تم حسابه سابقًا. تُخزّن هذه النتائج الوسيطة مؤقتًا في الذاكرة المخصصة للمعالج الرسومي (显存)، ويطلق عليها في الصناعة اسم «KV Cache» (ذاكرة تخزين القيم والمفاتيح). كلما طال الحوار، زادت سماكة «ورق المسودات» هذه، فزاد استهلاك الذاكرة وارتفعت التكلفة.

خوارزمية TurboQuant التي طوّرها فريق أبحاث جوجل، تتمثل فكرتها الأساسية في ضغط هذه المسودة إلى 1/6 من حجمها الأصلي، مع الادعاء بأنها تحقق «لا خسارة في الدقة» وترفع سرعة الاستدلال حتى 8 أضعاف. نُشرت الورقة لأول مرة في أبريل 2025 على منصة ما قبل النشر الأكاديمية arXiv، وتم قبولها في يناير 2026 من مؤتمر ICLR 2026 في مجال الذكاء الاصطناعي، ثم أعادت جوجل تغليفها والترويج لها رسميًا في 24 مارس عبر مدونتها الرسمية.

تقنيًا، يمكن فهم نهج TurboQuant ببساطة على النحو التالي: أولاً، استخدام تحويل رياضي «لغسل» البيانات الفوضوية إلى صيغة موحدة؛ ثم استخدام جدول ضغط أمثل تم حسابه مسبقًا لعملية ضغط كل جزء على حدة؛ وأخيرًا تصحيح انحرافات الحساب الناتجة عن الضغط عبر آلية تصحيح أخطاء بحجم 1 بت. وقد تحقق تنفيذ مستقل من المجتمع من أن نتائج ضغط TurboQuant صحيحة عمليًا إلى حد كبير، كما أن المساهمات الرياضية على مستوى الخوارزمية موجودة بالفعل.

لا يكمن محل الجدل في ما إذا كان TurboQuant يمكن استخدامه، بل في ما الذي فعلته جوجل لكي تُثبت أنه «يتفوّق بكثير على المنافسين».

رسالة جاو جيانيانغ المفتوحة: ثلاث اتهامات، كل واحد يضرب في موضعه

في تمام الساعة 10 مساءً من 27 مارس، نشر جاو جيانيانغ مقالًا طويلًا على Zhihu، بالتزامن مع تقديم تعليقات رسمية على منصة مراجعة ICLR الرسمية OpenReview. جاو جيانيانغ هو المؤلف الأول لخوارزمية RaBitQ؛ وقد نُشرت هذه الخوارزمية في عام 2024 ضمن مؤتمر SIGMOD الأبرز في مجال قواعد البيانات، وهي تعالج النوع نفسه من المشكلات—ضغطًا فعّالاً للمتجهات عالية الأبعاد.

تتوزع اتهاماته الثلاثة على النحو التالي، ولكل اتهام منها سجلات بريد إلكتروني وخط زمني يسانده.

الاتهام الأول: استخدمت طريقة جوهرية للآخرين، دون أن تذكرها في نص الرسالة بالكامل.

تشترك TurboQuant وRaBitQ في خطوة جوهرية واحدة: قبل ضغط البيانات، يتم إجراء «دوران عشوائي» للبيانات أولاً. دور هذه العملية هو تحويل البيانات التي تكون غير منتظمة في توزيعها إلى توزيع متجانس يمكن التنبؤ به، وبذلك تُخفّض بشكل كبير صعوبة عملية الضغط. هذه هي أكثر أجزاء الخوارزميتين جوهريةً والأقرب بينهما.

يعترف مؤلفو TurboQuant بذلك أيضًا في ردودهم على المراجعين، لكنهم لم يوضحوا هذه العلاقة بصورة مباشرة أبدًا داخل نص الورقة بالكامل. والأهم من ذلك أن السياق يقول: المؤلف المشارك في TurboQuant، ماجد داليري (Majid Daliri)، تواصل في يناير 2025 من تلقاء نفسه مع فريق جاو جيانيانغ، طالبًا المساعدة في تصحيح أخطاء نسخة Python التي قام بتعديلها اعتمادًا على كود RaBitQ. وفي رسالة البريد، تم وصف خطوات إعادة الإنتاج بالتفصيل ورسائل الأخطاء—بمعنى آخر، كان فريق TurboQuant على دراية كاملة بالتفاصيل التقنية لـ RaBitQ.

كما أشار أحد المراجعين المجهولين في ICLR بشكل مستقل إلى أن الخوارزميتين تستخدمان التقنية نفسها، وطلب مناقشة وافية. لكن في النسخة النهائية من الورقة، لم يقم فريق TurboQuant بإضافة أي مناقشة، بل نقل وصف RaBitQ الأصلي (وغير المكتمل) الموجود في المتن إلى الملحق.

الاتهام الثاني: ادعاء أن نظرية الطرف الآخر «دون المستوى» دون أي دليل.

وضعت ورقة TurboQuant مباشرةً وسم «غير أمثل نظريًا» (suboptimal) على RaBitQ، مبررة ذلك بأن التحليل الرياضي لـ RaBitQ «غير دقيق/تقريبي إلى حد ما». غير أن جاو جيانيانغ أشار إلى أن الورقة الموسعة لـ RaBitQ قد أثبتت بدقة بالفعل أن خطأ الضغط يصل إلى الحد الأمثل رياضيًا—وأن هذا الاستنتاج نُشر في مؤتمر رائد في علوم الحاسوب النظرية.

في مايو 2025، كان فريق جاو جيانيانغ قد شرح عبر عدة جولات من رسائل البريد الإلكتروني بالتفصيل مدى أمثلية نظرية RaBitQ. وقد أكد المؤلف المشارك في TurboQuant داليري أنه قد أبلغ جميع المؤلفين بذلك. ومع ذلك، احتفظت الورقة في النهاية بعبارة «غير أمثل»، دون تقديم أي أدلة لدحض ذلك.

الاتهام الثالث: في المقارنة التجريبية «ربط اليد باليسار وإمساك السيف باليمين».

هذه هي أشد نقطة تأثيرًا في كامل الورقة. يشير جاو جيانيانغ إلى أن ورقة TurboQuant، في تجارب مقارنة السرعة، تضيف شرطين من عدم الإنصاف فوق بعضهما البعض:

أولاً، توفر RaBitQ رسميًا كود C++ مُحسّنًا (يدعم افتراضيًا تشغيلًا متوازيًا متعدد الخيوط)، لكن فريق TurboQuant لم يستخدمه، بل اختبر RaBitQ باستخدام نسخة Python المترجمة التي قاموا بإعدادها. ثانيًا، عند اختبار RaBitQ كان الأمر على CPU أحادي النواة مع تعطيل تعدد الخيوط، بينما استخدم TurboQuant NVIDIA A100 GPU.

والنتيجة المترتبة على هذين الشرطين المتضافرين هي: يرى القارئ استنتاجًا يقول إن «RaBitQ أبطأ من TurboQuant بعدة مراتب من حيث الحجم»، لكنه لا يعرف أن هذا الاستنتاج مبني على فرضية أن فريق جوجل قد «قيد حركة» الطرف الآخر أولاً ثم أجراه في السباق. ولم يتم الإفصاح بشكل كافٍ في الورقة عن اختلاف شروط هذه التجارب.

رد جوجل: «الدوران العشوائي تقنية عامة، ولا يمكن أن نقتبس كل ورقة تستخدمها»

وفقًا لما كشف عنه جاو جيانيانغ، ذكر فريق TurboQuant في ردود البريد الإلكتروني في مارس 2026: «إن استخدام الدوران العشوائي وتحويل Johnson-Lindenstrauss يُعد من التقنيات القياسية في هذا المجال، ولا يمكننا الاستشهاد بكل ورقة تستخدم هذه الأساليب».

يرى فريق TurboQuant أن هذا تغيير للمفاهيم: ليست المسألة ما إذا كانت هناك حاجة إلى الاستشهاد بكل الأوراق التي تستخدم الدوران العشوائي، بل إن RaBitQ قد طُرحت في ظل إعدادات مشكلة متطابقة تمامًا، وكانت أول من جمع هذه الطريقة مع ضغط المتجهات ثم أثبت أمثلية ذلك؛ وبالتالي يجب على ورقة TurboQuant أن تصف بدقة العلاقة بينهما.

قامت مجموعة Stanford NLP بنقل تصريح جاو جيانيانغ على حسابها الرسمي في X. وقد نشر فريق جاو جيانيانغ تعليقًا مفتوحًا على منصة ICLR OpenReview، كما تقدم بشكوى رسمية إلى رئيس مؤتمر ICLR ولجنة الأخلاقيات، وستصدر لاحقًا أيضًا تقريرًا تقنيًا مفصلًا على arXiv.

قدم مدوّن تقني مستقل يُدعى Dario Salvati تقييمًا «محايدًا نسبيًا» في تحليله: لدى TurboQuant إسهامات حقيقية في المنهج الرياضي، لكن العلاقة بينها وبين RaBitQ أكثر إحكامًا بكثير مما تشير إليه صياغات الورقة.

محو 90 مليار دولار من القيمة السوقية: جدل الورقة يضخم هلع السوق

إن التوقيت الذي حدث فيه هذا الجدل الأكاديمي حساس للغاية. بعد أن نشرت جوجل TurboQuant عبر المدونة الرسمية في 24 مارس، تعرض قطاع شرائح التخزين في العالم لعمليات بيع مكثفة. ووفقًا لتقارير من عدة وسائل إعلام مثل CNBC، انخفضت Micron لمدة ستة أيام تداول متتالية، وبإجمالي تراجع يزيد على 20%. كما سجلت SanDisk تراجعًا بنسبة 11% في يوم واحد؛ وتراجعت SK Hynix في كوريا بنحو 6%، وتراجعت Samsung بنحو 5% تقريبًا، وتراجعت Kioxia في اليابان بنحو 6%. والمنطق وراء هلع السوق كان بسيطًا وحادًا: يمكن للضغط البرمجي خفض متطلبات ذاكرة استدلال الذكاء الاصطناعي بمقدار 6 أضعاف، وسيجري خفض آفاق الطلب على شرائح التخزين بشكل بنيوي.

قام المحلل في Morgan Stanley Joseph Moore بالرد على هذا المنطق في تقريره البحثي الصادر في 26 مارس، مع الحفاظ على تصنيفهما لـ Micron وSanDisk على أنهما «زيادة في الحيازة». وأشار Moore إلى أن الضغط الذي تنفذه TurboQuant لا يخص سوى نوعًا محددًا من الـ KV Cache من الكاش، وليس الاستخدام الكلي للذاكرة، واعتبره «تحسينًا طبيعيًا في الإنتاجية». كما استشهد المحلل في بنك Wells Fargo Andrew Rocha كذلك بشيء مشابه لمفارقة جيفنز، قائلًا إن تحسين الكفاءة قد يؤدي بدلًا من تقليل الحجم إلى تحفيز نشر أكبر نطاقًا من الذكاء الاصطناعي، ما يرفع في النهاية الطلب على الذاكرة.

ورقة قديمة، تغليف جديد: مخاطر سلسلة انتقال السرد من أبحاث الذكاء إلى السوق

وفقًا لتحليل المدون التقني Ben Pouladian، كانت ورقة TurboQuant قد نُشرت علنًا بالفعل في أبريل 2025، وليست بحثًا جديدًا. في 24 مارس، قامت جوجل بتغليفها مجددًا والترويج لها عبر مدونة رسمية، لكن السوق تعامل معها كاختراق جديد بالكامل عند تسعيرها. تُظهر استراتيجية الترويج هذه لـ «ورقة قديمة، نشر جديد»، مقترنة بأي انحرافات محتملة في التجارب داخل الورقة، مخاطر منهجية في سلسلة انتقال أبحاث الذكاء الاصطناعي من الأوراق الأكاديمية إلى سرديات السوق.

وبالنسبة إلى مستثمري البنية التحتية للذكاء الاصطناعي، عندما تدّعي ورقة تحقيق «تحسينات بعدة مراتب من حيث الحجم»، فإن أول ما يلزم طرحه هو ما إذا كانت شروط المقارنة المرجعية عادلة.

وقد أعلن فريق جاو جيانيانغ بوضوح أنه سيواصل الدفع نحو الحل الرسمي للمشكلة. ولم يصدر رد رسمي من جوجل بعد على الاتهامات التفصيلية في الرسالة المفتوحة.