Google снова выпустила «техническое разъяснение», вызвавшее споры вокруг статьи о крахе глобальных компаний по хранению данных

Можно ли техническое разъяснение AI · TurboQuant уладить академические споры?

1 апреля, после почти недели молчания, команда Google, вызвавшая споры вокруг статьи о сжатии TurboQuant, наконец, ответила. Однако это последнее «техническое разъяснение» кажется всё ещё не способным утихомирить разногласия: по обвинениям в «сходстве ключевых технологий» Google утверждает, что случайное вращение — стандартная техника, и ошибки в экспериментальных базах данных «не важны для фактов».

В последнюю неделю марта эта статья, широко продвигаемая официальным блогом Google, одним своим воздействием разрушила акции глобальных производителей памяти для хранения данных: Micron, SK Hynix, Samsung Electronics — рыночная капитализация этих компаний сократилась более чем на 90 миллиардов долларов. В статье указывалось, что алгоритм сжатия TurboQuant способен уменьшить потребление памяти KV-кеша больших языковых моделей минимум в 6 раз, ускорить работу до 8 раз, при этом не теряя точности.

Паника на Уолл-стрит связана с тем, что если программное обеспечение сможет сократить требования к памяти AI в 6 раз, то логика роста аппаратных чипов должна быть переписана.

Однако, всё быстро изменилось. 27 марта автор RaBitQ, аспирант Цюрихского федерального технологического института Го Цзяньян, опубликовал на Zhihu длинную статью из десяти тысяч слов, обвиняя команду Google в системных академических нарушениях. Общественное мнение быстро переключилось на вопросы о научной недобросовестности Google.

Общественное мнение в основном считает, что RaBitQ впервые предложил оригинальный метод, а TurboQuant, основываясь на нём, был оптимизирован, но не получил должного цитирования и уважения, а также был несправедливо принижён.

1 апреля, в ответ на обвинения, второй автор статьи, Маджид Далири, наконец, выступил и на платформе OpenReview опубликовал разъяснение из четырёх пунктов.

По поводу новизны ключевой технологии Google заявил, что основной метод TurboQuant не происходит из RaBitQ. «Случайное вращение — стандартная, широко используемая техника в литературе по квантованию», применявшаяся задолго до появления RaBitQ. Истинное новшество TurboQuant — это вывод распределения координат после вращения.

Но в академических правилах: если кто-то первым применил «колесо» к «машине» и создал полноценную машину, последующие заимствования и благодарности — это базовая академическая этика. Google принижает достижения предшественников, называя их «отраслевым знанием», что фактически понижает вклад первооткрывателей.

Во-вторых, по обвинениям в приниженном отношении к RaBitQ как к «подвиду» метода, авторы признали, что изначально не внимательно изучили приложение, пропустили константный множитель и сделали поспешный вывод, «что привело к тому, что мы честно описали этот метод как субоптимальный». После более тщательного анализа выяснилось, что RaBitQ действительно является оптимальным, команда обновляет рукопись TurboQuant.

Однако, что касается статьи на ведущем конференционном уровне, основание для негативной оценки основной теории коллег — «не внимательно изучили приложение» — вызывает сомнения в силе этого объяснения.

В третьем пункте, по поводу обвинений в «запирании соперника и последующем соревновании», Маджид Далири прямо указал, что даже если полностью исключить сравнение с RaBitQ по времени выполнения, научное влияние и эффективность этой работы в целом сохранятся. Основной вклад TurboQuant — баланс между степенью сжатия и скоростью, а не конкретное ускорение.

Ранее Го Цзяньян в открытом письме сообщил, что команда Google тестировала RaBitQ на однопроцессорном CPU с отключённой многопоточностью, а TurboQuant — на GPU NVIDIA A100. Хотя команда заявляла, что скорость — не главный аспект, в статье всё равно делался акцент на скорости как на одном из ключевых преимуществ.

В заключение, Google намекает, что оппоненты «имеют скрытые мотивы», указывая, что статья была опубликована на arXiv ещё в апреле 2025 года, и у оппонентов было почти год времени для обсуждения через академические каналы, прежде чем статья получила широкое распространение.

По словам Го Цзяньяна, ещё в мае 2025 года стороны вели переписку по электронной почте, в ноябре 2025-го связывались с организаторами ICLR, но без существенного результата. Только после того, как Google официально опубликовала статью с миллионами просмотров, вопрос о научной корректности стал острым.

На платформе OpenReview один из исследователей отметил, что это — серьёзная проблема, требующая внимания: «Обидно видеть, как игнорируют работу тех, кто занимается фундаментальными исследованиями, в то время как крупные и влиятельные организации активно продвигают свои достижения». В этом случае ощущается больше PR-игра, чем наука.

Также рецензенты статьи TurboQuant высказались, что из-за их теоретического анализа и экспериментальных данных они высоко оценили работу.

«Я также ясно указал, что RaBitQ и TurboQuant используют случайное вращение, и требовал, чтобы авторы TurboQuant сравнили, как различия в дизайне между ними влияют на производительность», — заявил один из рецензентов. Он отметил, что правильная академическая практика — подробно обсудить различия между RaBitQ и TurboQuant в статье, а при рецензировании было удивительно обнаружить, что RaBitQ в экспериментальной части упоминалась всего один раз.

Несомненно, TurboQuant обладает коммерческим потенциалом. Один специалист по ИИ в Zhihu отметил, что в сценариях инференса больших моделей объем памяти KV-кеша напрямую определяет количество запросов, которые можно обработать на одной карте одновременно, что является ключевым экономическим показателем для сервисов. Увеличение параллелизма в 6 раз позволяет снизить стоимость каждого запроса примерно в шесть раз. Для компаний, обрабатывающих миллиарды API-запросов ежедневно, это — огромный фактор снижения затрат, и именно это вызвало колебания на рынке.

Статья Google планируется к публикации на крупнейшей конференции по машинному обучению ICLR 2026 в конце апреля, однако команда должна преодолеть этот академический спор. Чем закончится эта история — пока неизвестно.

( Эта статья взята из Первого финансового канала )

Дополнительные материалы:

Команда TurboQuant — академическая недобросовестность? Google ответила, но споры только усилились.