หัวข้อเรื่องเดิม: "Google AI สวีทเยียมสําเร็จ 'ซุยเยี่ยม' เก็บข้อมูล $900 พันล้านค่าหุ้น บทความถูกกล่าวหาโกงข้อทดลอง"

แหล่งที่มาเรื่องเดิม: ดีพเทคเฟลล TechFlow

บทความหนึ่งของ Google ที่อ้างว่า "ประหยัดหน่วยความจํา AI ลงสู่ 1/6" ที่เผยแพร่เมื่อสัปดาห์ที่ผ่านมา ได้กระตุ้นการเปลี่ยนแปลงมูลค่าหุ้นของชิพเก็บข้อมูลระดับโลก เช่น ไมโครล์พและแซนดิสก์ เกิน 900 พันล้านเหรียญสหรัฐ

อย่างไรก็ตามเพียงสองวันหลังจากที่บทความถูกเผยแพร่ บทความที่ได้ถูก "ทับถม" โดยคู่แข่ง คุณไกอี้แห่งสถาบันเทคโนโลยี โคโทศุรี ซึ่งเป็นนักศึกษาเอกปรัตถวิทยาที่โปรดเกิดประจักษ์ได้ปล่อยจดหมายเปิดเปิดถึงคำถามน้อยว่าสำนักงานของ Google ใช้ Python ซิงเกิลคอร์ CPU ตรวจสอบคู่แข่ง ในขณะที่ทดสอบผ่าน A100 GPU ของตนเอง และปฏิบัติการเปิดเผยปัญหาก่อนวันส่งบทความควีลจํา ศูนย์ฮอนดี่ดอนเหล่าคะลงโหยดลอยมากกว่า 400 ล้าน บัฟเฟอี่ค่า HIKSU

ประเด็นสําคัญของการโต้เถียงนี้ไม่ซับซ้อน: บทความในเว็บไซต์สงเสริมการตลาดของ Google ซึ่งได้รับการสนับสนุนอย่างแน่นอน ที่พลิกโพงการทำงานหน้าได้ออกมาก่อนและสร้างยศประสิทธิภาพปลอมในขณะที่ทําการทดลองเพื่อคันความไม่เที่ยวหรือไม่ ยกย่อย

TurboQuant ได้อะไรมา: แพค AI ไปที่ "กระดาษร่าง" 1/6 โดยประมาณ

เมื่อย่านภาษาโมเดลกําลังสร้างคําตอบ ควรจะเขียนตามลุมเนื้อหาก่อนหน้านี้ หลังจากนั้นจึงจะต้องมีการพักเพื่อดูข้อมูลก่อนหน้าหรือคําตอบ ข้อมูลชั่วคราวเหล่านี้ถูกเก็บไว้ในเมมโมรี่แบบข้อความสำคัญ ซึ่งเป็นที่เรียกกันว่า "KV Cache" บริษัทฟ่ายต่อเช้ามากกว่า และกําไรเพิ่มขึ้น

นวยบุษบาลของ Google ได้พัฒนาอัลกอล TurboQuant ซึ่งเป็นจุดที่สําคัญในใจความคือการแพคกระดาษร่างนี้ลงลงกระดาษรุ่นเดิม ขณะเดียวกันได้กล่าวถึงการความแม่นของศูนย์ ไม่สูญเสียหน้าที่อยู่ในระดับสูงขึ้น 8 เท่า บทความเผยแพร่ครั้งแรกบนแพลตฟอร์มวิทยาศาสตร์ arXiv เมื่อเมษายน 2025 ถูกโดยแน่แล่นในการประชุม ICLR 2026 ปี มกราคม 59 โดยมีบัพลอกเอกกค้นเถอะของ Google ล้นเก่งหัวเลอี

ทางเทคโนโลยี, TurboQuant สามารถเข้าใจดินอย่างง่ายดีคือ: จะใช้เทคนิคคณิตศาสตร์แปลงข้อมูลที่ไม่เรียบร้อยของข้อมูลเป็นหน้าแม่แล้วใช้ตารางการบีบอัดสม่ำและปรับปรุงชันกลางโครงการและใช้เครื่องช่วยติดแก้ไขการบีบอัดเพื่อปรับความคลาดเคลื่อนจําเกีิบมาตรฐานศูนย์เอได้ ผ่านการขึ้นตลิกเดินสําคตการยีหาหรือเคลื่อนเค็ ุอคูเรเชนชิมาหวั่งธุ้นทั'ติสิียอดีย ศิกาภำ<่้มทวนข้อเท็ีิดงงายทิางจริงทัวงเวิ้น ร้าคงคมาตีเรื่็นเจ่212ึ้นทีุิงที่ไวทำา แอ้ปฮ ริงนว สีสุะกัต์ปขำ ดลค กิกำลอกำป โตีี้กำดอ รงปร แล่า าด

ความขัดแย้งไม่ได้อยู่ที่ว่า TurboQuant สามารถใช้หรือไม่ แต่อยู่ที่ Google ทำอะไรเพื่อพิสูจน์ว่ามัน "เหนือกว่าคู่แข่ง"

จดหมายเปิดเผยของ Kao Chien-Yang: ข้อโต้แย้ง 3 ข้อ ลดเข้ากับจุดสำคัญ

เวลา 22:00 น. วันที่ 27 มีนาคม Kao Chien-Yang มีการเผยแพร่บทความให้ความยาวบนเว็บไซต์ Zhihu พร้อมทั้งส่งข้อคิดเห็นอย่างเป็นทางการบนแพลตฟอร์มการตรวจทานของ ICLR อย่างเดียวกัน เจ้าของชื่อ RaBitQ Algorithm ที่ถือเป็นขั้วแรก ข้อมูลครั้งใน SIGMOD ครั้งปี 2024 ที่เป็นการประชุมสูงสุดในเชิงรายงานทางด้าต้าเบส แก้ปัญหาประเภทเดียวกัน-การบีบอัดเวกเตอร์มิติสูงให้มีประสิทธิภาพ

ข้อโต้แย้งของเขาแยกเป็น 3 ข้อ แต่ล่ะข้อมีการบันทึกอีเมลและไทม์ไลน์เป็นหลักฐาน

ข้อโต้แย้งที่ 1: ใช้ขั้นตอนหลักของผู้อื่นไป แต่ไม่พูดถึงทั้งเรื่อง.

เทคโนโลยีหลักของ TurboQuant และ RaBitQ มีขั้นตอนที่สำคัญร่วมกัน: ก่อนที่จะบีบอัดข้อมูล ต้องหมุนข้อมูลสุ่มบ้างก่อน ขั้นตอนนี้ทำหน้าที่เปลี่ยนข้อมูลที่ไม่ได้กระจายเป็นแบ่งแผ่นที่แปรผันได้ตามคาด โดยลดความยากของการบีบอัดอย่างมาก นี่เป็นบทบาทสำคัญสุด และใกล้ชิดสุดของทั้ง 2 อัลกอริทึม

ตนเองของ TurboQuant ก็ตอบรับข้อที่นี้ในการตอบกลับผ่านการตรวจทาน แต่ไม่เคยอธิบายตรงกับจุดนี้ในบทความทั้งหมด ส่วนสำคัญกว่า คือ: ผู้เขียน TurboQuant คนที่สอง Majid Daliri ได้ติดต่อทีมของ Kao Chien-Yang เองอดีตในเดือน มกราคม ปี 2025 เพื่อขอความช่วยเหลือการรันโค้ด Python ที่เขาเขียนใหม่จากต้นฉบับของ RaBitQ อีเมลอธิบายถึงขั้นตอนในการทำให้เป็นสาเหตุ-ท้าย-ข้อคือ ทีม TurboQuant ทราบรายละเอียดทราบเรืองเทคโนโลยีของ RaBitQ อย่างมหาศาล

ผู้ตรวจทานที่ไม่ระบุชื่อของ ICLR ยังระลอกได้ว่าทั้ง 2 มีการใช้เทคโนโลยีเดียวกัน และขอให้พิจารณาอย่างถี่ถ้วน แต่ในต้นฉบับของบทความ ทีม TurboQuant ไม่เพิ่มการอภิปรายใดๆ แต่ย้ายถอยพูดถึง RaBitQ (ที่ยังไม่สมบูรณ์) จากส่วนของตอนเพิ่มเติม

ข้อโต้แย้งที่ 2: กล่าวว่าฝ่ายตรงรับเป็น "ต่ำกว่า" โดยไม่มีหลักฐาน.

บทความ TurboQuant เล็ยติดป้ายเค็ม "ต่ำกว่าทฤษฎี" และเหตุผลกล่าวว่าการวิเคราะห์ทางคณิตศาสตร์ของ RaBitQ "เร็วยืดหยุ่นได้" แต่ Kao Chien-Yang ชี้ว่า, ทดแทนของบทความ RaBitQ หันเหยียดแล้วได้ ออกรัสยุอยคณะทฤษฎีต้องดอยต่องถึงขอบ ผลวิจัยถูกเผยแพร่ในการประชุมสูงสุดของวิทยาศาสตร์คอมพิวเตอร์ทฤษฎีลออง

ในเดือน พฤษภาคม ปี 2025 ทีมของ Gao Jianyang ได้อธิบายถึงความเหมาะสมที่สุดของทฤษฎี RaBitQ ผ่านอีเมลหลายรอบอย่างละเอียด ทีมผู้เขียนร่วมของ TurboQuant ผู้เขียนร่วมคนที่สอง Daliri ได้ยืนยันว่าได้แจ้งให้ผู้เขียนทุกคนทราบแล้ว แต่ในท้ายท้าย บทความยังคงใช้วลี "ที่ไม่เหมาะสม" โดยไม่มีข้อมูลหรือหลักฐานที่เป็นข้อโต้แย้งใดๆ

ข้อกล่าวหาที่สาม: “มือซ้ายผูกคนไว้ มือขวาถือมีด” ในการเปรียบเทียบทดลอง

นี่เป็นข้อกล่าวหาที่ทำให้ผลกระทบมากที่สุดทั้งหมด กาวเจียนยางชี้ชัดว่า บทความ TurboQuant มีการวางเงินตารางการเปรียบเทียบความเร็วในทดลองให้เสมือนทำเป็นสองชั้นของเงินไม่เป็นธรรม:

คือ ครั้งที่หนึ่ง RaBitQ มีการเสนอโค้ด C++ ที่ถูกปรับให้เหมาะสม (รองรับการประมวลผลหลายเส้นทางโดยปริยาย) แต่ทีม TurboQuant ไม่ได้ใช้โค้ดเหล่านั้น แต่ใช้รุ่น Python ที่แปลเองมาทดสอบ RaBitQ

ครั้งที่สอง ในการทดลอง RaBitQ ใช้ CPU หนึ่งแกนและปิดการใช้เส้นทางจำนวนมาก ในขณะที่ TurboQuant ใช้ GPU NVIDIA A100

ผลลัพธ์จากการซ้อนสองเงื่อนไขดังกล่าวคือ: สรุปที่ผู้อ่านเห็นคือ “RaBitQ ช้ากว่า TurboQuant หลายระดับ” แต่ไม่รู้ว่าการสรุปนี้มีพื้นฐานมาจากการแข่งแข้งโดยทีม Google ที่ผูกคู่มือแขนเท้าไว้ก่อนประลุขณะแข่ง ไม่มีการเปิดเผยความแตกต่างของเงื่อนไขการทดสอบเหล่านี้ในบทความ

การตอบรับของ Google: "การหมุนแบบสุ่มเป็นเทคโนโลยีทั่วไป ไม่สามารถอ้างถึงทุกบทความ"

ตามที่ Gao Jianyang ระบุ ทีม TurboQuant ในอีเมลตอบกลับในเดือน มีนาคม ปี 2026 กล่าวว่า “การใช้การหมุนสุ่มและการเปลี่ยนรูปแบบ Johnson-Lindenstrauss ได้เป็นเทคโนโลยีมาตรฐานของงานวิจัยในวงการนี้ เราไม่สามารถอ้างถึงว่าทุกบทความที่ใช้วิธีเหล่านี้”

ทีมของ Gao Jianyang เชื่อว่านี่คือการสับเปลี่ยนความคิด: ปัญหาไม่ใช่การอ้างถึงทุกบทความที่ใช้การหมุนสุ่ม แต่คือ RaBitQ เป็นงานแรกที่นำเทคโนโลยีนี้มารวมกับการบีบอัดลำดับเวกเตอร์ในเงื่อนไขที่เหมือนกันอันเป็นเจ้าของและพิสูจน์ความเหมาะสมของมัน บทความของ TurboQuant ควรอธิบายความสัมพันธ์ของสองสิ่งเหล่านี้อย่างถูกต้อง

บัญญัติผู้แทนจาก Stanford NLP Group ได้นำเสนอคำแถลงของขั้ว Gao Jianyang ไปต่อไป ทีมของ Gao Jianyang ได้แสดงความคิดของตนในแพลตฟอร์ม ICLR OpenReview และส่งคัดค้านอย่างเป็นทางการไปยังประธานการประชุมของ ICLR และคณะกรรมการจริยธรรม และยังจะเผยแพร่รายงานเทคโนโลยีอย่างละเอียดใน arXiv ต่อจากนี้

บล็อกเกอร์เทคโนโลยีอิสระ Dario Salvati ให้คะแนนเป็นกลางในการวิเคราะห์: TurboQuant เชื่อมโยงกับ RaBitQ มากกว่าที่บทความเสนอ.

มูลค่าตลาดหุ้นหลุดล้าหลั่นถึง 900 พันล้านเหรียญสหรัฐ: ข้อโต้แย้งของบทความรวมกับความกลัวในตลาด

การขัดแย้งทางวิชาการนี้เกิดขึ้นในช่วงเวลาที่แสดงที่สุด. Google ในวันที่ 24 มีนาคม ผ่านเว็บบล็อกอย่างเป็นทางการเผยแพร่ TurboQuant หน้าตาการขายหุ้นของภาคหน้าชิปเก็บข้อมูลระดับโลก. ในรายงานจาก CNBC และสื่ออื่น ๆ พูดถึงว่า Micron Technology ลดลงต่อเนื่องในระหว่าง 6 วันซึ่งรวมการลดลงมากกว่า 20%; SanDisk ขาดลงถึง 11%; ค่าหุ้นของ SK Hynix ในเกาหลีลดลงประมาณ 6%, Samsung Electronics ขาดลงเกือบ 5% และ Kioxia ของญี่ปุ่นขาดลงประมาณ 6% โลจิกของความกลัวในตลาดเป็นแค่การบีบอัดซอฟต์แวร์ที่ถอดเร็วความต้องการของหน่วยความจำ AI ลดลง 6 เท่า ดังนั้นมุมมองสำคัญของหน่วยเก็บข้อมูลจะถูหดทอนโดยกองโครงสร้าง.

นักวิเคราะห์จากโมรแกน สแตนลีย์ Joseph Moore ล้มเหลวในทิศทางนี้ในวันที่ 26 มีนาคม ในรายงานการวิจัย พื้นฐานของเขาช่วย Micron และ SanDisk อยู่ในระดับการถือหุ้นเป็นปกติ. อันดรู โรชา นักวิเคราะห์ที่ธนาคารท้องถิ่น กล่าวหาอินเดอร์วิน ในขณะเดียวกัน Andrew Rocha เสด็จอ้างเทียบถึงนวนิยาย Usual Dil..

บทความเก่า ๆ ที่ถูกห่อใหม่: ความเสี่ยงจากการสอดคล้องของการวิจัยใด ๆ มาเป็นเรื่องตลาด

ตามการวิเคราะห์จากบล็อกเกอร์บ Ben Pouladian TurboQuant ผลงานมีการเผยแพร่ตอนเมื่อเมษายน สามสิบ อันตรายสี่ปีแล้วแล้วไม่ใช่การวิจัยใหม่. วันที่ 24 มีนาคม Google ผ่านเว็บบล็อกอย่างเป็นทางการแพคเจอร์การโปรโมตอีกครั้ง ตลาดตอนนั้นถือเป็นการสำเร็จใหม่ทั้ง ๆ ที่มีความยุติธรรมในการทดสอบ..

สำหรับนักลงทุนระบบ AI ผู้ว่าครอบหลังหลักการลงทุนบางร who อนซอยบ่ายครึ่งว่าเวลาพูดถึงใครพื้นฐากำจัดให้สมบูรณ์ไหม.

หน่วยผลิตที่ประเทศ ชนะพลดังนั้น นำเสนอว่า มีต่อพูดถึงข้อฝื.. การตกลงของ Google ถึงตอบโต้อย่างเป็นทางการกับจดทะนี่..

ลิงก์ไปยังบทความเดิม

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia