0
| 本文作者： 鄭佳美 | 2026-03-31 12:06 | 專題：ICLR 2019 |
這幾天，TurboQuant 幾乎成了 AI 學術圈里最熱的爭議事件之一。
一邊是 Google Research 高調發博文，把它包裝成能顯著降低大模型推理成本、并將在 ICLR 2026 亮相的“突破性”工作，另一邊則是先行工作RaBitQ的作者——高健陽以知乎答主身份在社區怒噴，最新一次帖子更新是3.30日凌晨，他認為這篇論文在方法描述、理論比較和實驗披露上都存在嚴重問題，這條知乎帖子已經拿到近5K贊。短短幾天里，這場風波已經不只是技術討論，而開始變成一場關于原創歸屬、論文敘事和大廠學術權力的公開拉扯。
先把 TurboQuant 的問題說清楚，在這次爭議里，外界對谷歌的質疑并不只是一個模糊的“像不像”。
公開評論已經把焦點明確指向三點：第一，TurboQuant 是否刻意弱化了與 RaBitQ 的關鍵方法關系；第二，論文把 RaBitQ 的理論說成“suboptimal”，這個判斷是否站得住腳；第三，實驗比較設置是否存在對自己有利、對先行工作不利的安排。
這些目前仍屬于公開爭議，不是正式裁定，但它至少說明，這場風波從一開始就不是簡單的“漏引文獻”，而是直接打到了學術研究最核心的三件事：方法歸屬、理論表述和實驗公平性。
但如果只把 TurboQuant 爭議理解成“谷歌有沒有抄 RaBitQ”，那反而容易把問題看小了。
真正刺眼的地方在于，在這些問題尚未厘清之前，谷歌已經借助官方博客、頂會標簽和品牌影響力，先把 TurboQuant 講成了一個“重新定義 AI 效率”的新突破。
官方博客強調它在 KV cache 壓縮和性能提升上的亮眼數字，OpenReview 頁面則把它寫成接近理論最優的方案，也就是說，在爭議還停留在 rebuttal、評論和技術澄清階段時，大廠已經先把“突破”的歷史版本寫出去了。
市場和學界最先看到的就是“大廠新成果”，而小團隊、先行作者和獨立研究者，往往只能退到評論區、社交平臺和 rebuttal 里一點點補證據、爭解釋、追引用。
這件事清楚暴露了一種結構性優勢：在今天的 AI 學術生態里，決定誰先被相信的，常常不只是技術內容本身，而是誰擁有更強的發布渠道、品牌信用和話語放大器。雷峰網(公眾號：雷峰網)
這也正是為什么，TurboQuant 很難被看作孤例。
其實早在 2020 年，Timnit Gebru 就公開表示，自己是在質疑谷歌為何認定一篇關于大模型風險的論文“不可發表”之后，被切斷系統權限并被迫離開公司，路透社還報道，隨后有 150 多名員工聯署，要求谷歌解釋為什么要“審查”這篇論文，并要求公司強化學術自由承諾。
到 2021 年 2 月，另一位倫理 AI 負責人 Margaret Mitchell 也被谷歌解雇。路透社當時寫得很清楚：這場風波已不只是人事糾紛，而是直接引爆了公司內部關于 academic freedom 與研究獨立性的分裂，因為 Gebru 和 Mitchell 都擔心，谷歌正在審查那些可能對其產品不利的論文。
更重要的是，谷歌并不是被動卷入這些爭議，它確實建立過一套把公司利益嵌入研究流程的機制。路透社 2020 年 12 月披露，谷歌對“敏感主題”研究增加了額外審查，要求研究者在某些議題上先與 法務、政策和公關團隊溝通；同一篇報道還指出，一位管理者曾要求研究人員在論文里 “strike a positive tone”，把推薦系統可能帶來的“虛假信息、歧視或政治極化”等表述，改寫成更正面的措辭。
報道甚至提到，一篇最終發表的版本刪去了對 Google 研究人員的致謝，另一篇稿件則在公司審查后弱化了 Google Translate 出錯的寫法。這里最關鍵的不是某個具體改動，而是一個事實：谷歌曾把“公司能不能接受這篇論文怎么寫”放在“作者是否能獨立如實表述研究發現”之前。
AlphaChip 爭議則把這種模式從倫理 AI 擴展到了更硬核的技術研究。路透社 2022 年 5 月報道，Google 在 Nature 發表的芯片布局論文宣稱，AI 在 floorplanning 上比“人類專家”更快更好。
但與此同時，谷歌內部另一篇匿名流出的草稿 《Stronger Baselines for Evaluating Deep Reinforcement Learning in Chip Placement》 卻得出相反結論：兩種更基礎的軟件方法都能在不同標準下打敗這套 AI。路透社還寫到，圍繞這篇反駁稿的沖突最終導致一名資深工程經理被解雇。
也就是說，谷歌并非只是在單篇論文里“講了一個激進故事”，它還被公開指控過在內部壓制那些可能削弱原論文光環的替代性論證。
谷歌對學術生態的影響，也不只發生在公司內部。2017 年，《華爾街日報》的調查經 Inside Higher Ed 轉述后顯示，谷歌在十年間資助了大量可能有助于其抵御監管的研究，單筆金額從 5,000 美元到 400,000 美元不等，一些作者會在論文發表前把稿件給谷歌看，接受其建議，部分論文沒有充分披露與谷歌的資金關系。雷峰網
與此同時，Wired 也指出，外界流傳的一部分“谷歌資助學者數據庫”本身存在方法學問題，確實把一些并未直接拿谷歌錢的人也算了進去。最準確的說法因此不是“谷歌買通了整個學界”，而是：谷歌長期被質疑利用資助、預發表溝通和披露不足來塑造對自己有利的知識與政策議程，而這類影響又因為外部指控中的夸張成分，變得更難被徹底厘清。
吊詭的是，谷歌自己后來也等于側面承認，問題不只是輿論誤讀。Google 在 2021 AI Principles Progress Update 里寫道，在“一位知名研究者離開”之后，公司更新了研究審查流程，以提高一致性和透明度。如果此前的流程沒有引發足夠嚴重的信任危機，谷歌本不需要把這種表述寫進官方進展報告。換句話說，谷歌后來談“透明”本身，恰恰說明此前最受詬病的，正是不透明。
為什么這種事總是發生在大廠，而不是隨機發生在任何實驗室？因為今天的 AI 學術生態，本身就越來越由大廠定義。
Science 2023 年的一篇政策文章指出，2021 年全球產業界 AI 投入超過 3400 億美元，遠高于公共部門，同一研究還指出，帶有產業共同作者的論文，占頂級 AI 會議論文的比例已從 2000 年的 22% 上升到 2020 年的 38%。
Nature 2025 年又指出，Google 是學者轉向私營研究崗位時最熱門的去處，2020 到 2024 年間接近 2500 次流動。再加上實證研究發現，AI 投資與更高市場估值、銷售增長和產品創新顯著相關，大廠當然有強烈動機把“論文突破”盡快轉化成“品牌突破”和“資本敘事”。在這種體系里，論文從來不只是論文，它也是估值、招聘、市場預期和公司形象的一部分。
而小團隊為什么總是吃虧？因為他們面對的，恰好又是一個糾錯能力越來越弱的同行評審系統。
ICML 2025 一篇獲獎立場論文直言，主要 AI 會議的投稿量已經超過每個 venue 一萬篇，審稿質量和評審責任問題都在惡化。也就是說，當大廠先發博客、先占頂會、先拿到媒體和社區的注意力時，小團隊不僅資源更少，連在正式學術流程里獲得及時、公正糾偏的機會都在下降。
于是最常見的結果就成了：真正的先行工作不一定被刪掉，但會被稀釋；真正的原創者不一定被點名打壓，但要被迫承擔漫長、瑣碎而且往往無補于事的舉證成本。
所以，TurboQuant 真正讓人不安的，并不是它會不會最終被認定為某種單一意義上的“抄襲案”，而是它再次提醒我們：谷歌過去十年反復被質疑的，并不是低級的學術造假，而是一種更成熟、更隱蔽、也更符合平臺資本邏輯的學術控制術。
它可以先用官方渠道把自己的版本定義成“突破”，再在論文敘事里重新安排先后關系，可以把發表前審查嵌進研究流程，也可以通過資助和品牌吸力塑造整個學界的議程。
到了這一步，“不作惡”更像一塊失效已久的舊招牌，真正留下來的規則只有一條：誰掌握發布平臺、頂會入口、資本激勵和公關機器，誰就更有可能把自己的版本寫成歷史。
參考鏈接：
[1]https://x.com/gaoj0017/status/2037532673812443214
[2]https://www.reuters.com/business/top-ai-ethics-researcher-says-google-fired-her-company-denies-it-2020-12-04/
[3]https://www.reuters.com/article/world/uk/google-told-its-scientists-to-strike-a-positive-tone-in-ai-research-[4]document-idUSKBN28X1AK/
[5]https://www.wsj.com/articles/paying-professors-inside-googles-academic-influence-campaign-1499785286
[6]https://www.wired.com/story/googles-academic-influence-campaign-its-complicated/
[7]https://ai.google/static/documents/ai-principles-2021-progress-update.pdf
[8]https://ide.mit.edu/wp-content/uploads/2023/03/0303PolicyForum_Ai_FF-2.pdf
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
