原文タイトル：《900億ドルのGoogle AI論文に存疑、ストレージ株式市場が崩壊》

原文出典：サンカレス TechFlow

Googleが「AIメモリ使用量を1/6に圧縮する」と謳う論文が先週、全世界のメモリストック企業（Micron、SanDiskなど）の合計900億ドル以上の時価総額を失わせました。

しかし論文が公開されてからわずか2日後、アルゴリズムが「圧倒的」に勝った対戦相手——チューリッヒ連邦工科大学の博士研究員、Gao Jianyang氏が数千語の公開書簡を発表し、Googleチームが実験中に単一コアCPUのPythonスクリプトを使用して対戦相手をテストし、自分たちはA100 GPUでテストし、問題が指摘されたにもかかわらず投稿する前に修正を拒否したと非難しました。知乎の閲覧数は急速に400万を超え、Stanford NLP公式アカウントが転送し、学術界と市場が共に揺るがしました。

この論争の核心問題は複雑ではありません：Google公式が大々的に宣伝し、世界のチップセットセクターにパニック売却を引き起こしたAIトップ会議の論文が、すでに公開されている先行研究を系統的に歪曲し、不公正な実験を行い、虚偽のパフォーマンス上の利点の語りを作り上げていたのか、ということですか？

TurboQuantの成果：AIの「下書き用紙」を元の6分の1に圧縮

大規模な言語モデルが回答を生成する際、書きながら以前に計算した内容を見返す必要があります。これらの中間結果は一時的にメモリに保存され、業界では「KVキャッシュ」（キー値キャッシュ）と呼ばれています。対話が長くなるほど、この「下書き用紙」は厚くなり、メモリ使用量が増え、コストも増加します。

Googleの研究チームが開発したTurboQuantアルゴリズムの主要なセールスポイントは、この下書き用紙を元の6分の1に圧縮し、同時にゼロ損失の精度を宣言し、推論速度を最大8倍向上させたという点です。この論文は2025年4月に学術的な先行版プラットフォームarXivに初めて公開され、2026年1月にAI分野のトップ会議ICLR 2026で採択され、3月24日にGoogle公式ブログに再度取り上げられました。

技術的には、TurboQuantの手法は簡単に理解できます：まず、混沌としたデータを一貫した形式に変換し、次に事前に計算された最適な圧縮表を使用して順番に圧縮し、最後に1ビットのエラー訂正メカニズムを使用して圧縮による計算上のバイアスを修正します。コミュニティによって独立して実装され、その圧縮効果が基本的に実証された、アルゴリズムの数学的貢献は実在します。

争点は TurboQuant が機能するかどうかではなく、Google が「競合他者を大きく凌駕していること」を証明するために何をしたかにあります。

高建陽公開書簡：三つの告発、すべての要害を突く

3 月 27 日午後 10 時、高建陽は知乎で長文を投稿し、同時に ICLR 公式レビュープラットフォーム OpenReview に正式コメントを提出しました。高建陽は RaBitQ アルゴリズムの第一作者であり、このアルゴリズムは 2024 年にデータベース分野のトップ会議 SIGMOD に発表され、同様の問題、つまり高次元ベクトルの効率的な圧縮を解決しています。

彼の告発は三つあり、それぞれにメール記録とタイムラインがあります。

告発 1：他人の核心的な手法を使用し、全文では触れない。

TurboQuant と RaBitQ の技術の中核には、重要な共通のステップがあります：データを圧縮する前に、データに対して一度「ランダムな回転」を行うこと。この手順の目的は、元々不規則な分布のデータを予測可能な均一な分布に変換し、圧縮の難易度を大幅に低下させることです。これが両方のアルゴリズムの中核であり、最も類似している部分です。

TurboQuant の著者自身も査読に対する返答でこれを認めていますが、論文全体でこの方法が RaBitQ とどのように関連しているかを明示的に述べたことはありません。さらに重要な背景として、TurboQuant の第二著者 Majid Daliri は 2025 年 1 月に高建陽のチームに積極的に連絡し、RaBitQ のソースコードを改変した Python バージョンのデバッグの支援を求めました。メールには再現手順やエラーメッセージが詳細に記載されており、つまり、TurboQuant チームは RaBitQ の技術的詳細について非常によく把握していました。

ICLR の匿名査読者も独自に、両者が同じ技術を使用していると指摘し、徹底的な議論を求めました。しかし、最終版の論文では、TurboQuant チームはその議論を補完するどころか、本文中にあった RaBitQ に関する（すでに不完全な）説明を付録に移動させました。

告発 2：根拠のないまま相手方の理論を「劣る」と主張。

TurboQuant の論文では、RaBitQ を「理論的に劣る」とラベリングし、その理由は RaBitQ の数学的分析が「粗雑である」ためだと述べています。しかし、高建陽は指摘し、RaBitQ の拡張版論文はその圧縮誤差が数学的に最適に達していることを厳密に証明しており、この結論は理論計算機科学のトップ会議で発表されています。

2025年5月、高健揚チームは、RaBitQ理論の最適性に関して複数のラウンドの電子メールで詳細に説明しました。TurboQuantの第二著者Daliriは、すべての著者に通知したことを確認しました。しかし、論文は最終的に「劣っている」という表現を維持し、反論の根拠を示さなかった。

第3の訴え：実験比較での「左手に縛られたまま、右手にナイフを持つ」。

これは本文で最も痛烈な主張です。高健揚は、TurboQuant論文が速度比較実験で2つの公正でない条件を重ね合わせたことを指摘しました：

第一に、RaBitQ公式が最適化されたC++コードを提供しています（デフォルトでマルチスレッド並列処理をサポートしています）、しかしTurboQuantチームはこれを使用せず、RaBitQをテストするために独自に翻訳したPythonバージョンを使用しました。

第二に、RaBitQをテストする際には、シングルコアCPUを使用し、マルチスレッドを無効にした状態でしたが、TurboQuantはNVIDIA A100 GPUを使用しました。

これら2つの条件が重なることで、読者が見る結論は、「RaBitQはTurboQuantよりも数桁遅い」というものですが、この結論の前提が、Googleチームが相手を手こずくした状態での競走だったということが全く明らかにされていません。論文では、これらの実験条件の違いが十分に開示されていません。

Googleの回答：「ランダム回転は一般的なテクノロジーであり、すべての論文で引用することは不可能です」

高健揚によると、TurboQuantチームは2026年3月の電子メールで、「ランダム回転とJohnson-Lindenstrauss変換の使用は、この分野での標準的な技術であり、これらの方法を使用したすべての論文を引用することは不可能です。」と述べています。

高健揚チームは、これは概念のすり替えであると考えています：問題は、すべてのランダム回転を使用した論文を引用するべきかどうかではなく、RaBitQが完全に同じ問題設定で、この手法を最初にベクトル圧縮と組み合わせ、その最適性を証明した作業だったことであり、TurboQuantの論文は双方の関係を正確に記述すべきだったということです。

Stanford NLP Group公式Xアカウントは、高健揚の声明を転送しました。高健揚チームは、ICLR OpenReviewプラットフォームで公開コメントを発表し、ICLR大会議長および倫理委員会に正式な苦情を提出し、その後、arXivで詳細な技術レポートを公開する予定です。

独立技術ブロガーのDario Salvatiは、分析の中で比較的中立的な評価を述べています：TurboQuantは数学的な観点で実際に貢献していますが、RaBitQとの関係は論文で述べられているよりも密接です。

900億ドルの市場価値が失われる：論争が市場恐慌を加速

この学術的論争が起きた時期は非常に微妙です。Googleは3月24日に公式ブログを通じてTurboQuantを発表し、世界中のストレージチップセクターが売られました。CNBCなど複数のメディアによると、Micron Technologyは6日間の取引日で続落し、累計で20％以上下落；SanDiskは1日で11％下落；韓国のSK Hynixは約6％下落し、Samsung Electronicsはほぼ5％下落、日本のKioxiaは約6％下落しました。市場の恐慌論はシンプルで乱暴です：ソフトウェアの圧縮により、AI推論のメモリ要件が6倍低下し、ストレージチップの需要見通しは構造的に引き下げられるでしょう。

モルガン・スタンレーのアナリストであるJoseph Mooreは、3月26日のリサーチレポートでこの論理を否定し、MicronとSanDiskの「購入推奨」レーティングを維持しました。 Mooreは、TurboQuantが圧縮しているのはKV Cacheという特定のタイプのキャッシュであり、全体のメモリ使用量ではないと指摘し、「通常の生産性の向上」と評価しました。 富国銀行のアナリストであるAndrew Rochaも、ジェブリンスの逆説を引用し、効率向上によるコスト削減が逆により大規模なAI展開を刺激し、最終的にメモリ需要を押し上げる可能性があると述べました。

古い論文、新しいパッケージ：AI研究から市場の物語への連鎖リスク

技術ブロガーのBen Pouladianによると、TurboQuantの論文は2025年4月にすでに公開されたものであり、新しい研究ではありません。 3月24日、Googleは公式ブログを通じて再パッケージ化し宣伝しましたが、市場はそれを新しいブレークスルーとみなして価格設定しました。 この「古い論文、新しいリリース」のプロモーション戦略は、論文に実験的な偏りがある可能性に重ねられ、AI研究が学術論文から市場の物語への連鎖リスクを反映しています。

AIインフラ投資家にとって、論文が性能を「数桁」向上させたと主張する場合、最初に問うべき点はベンチマーク比較の条件が公正かどうかです。

高健洋チームは問題の公式解決を継続する意向であります。 Google側は公開状への具体的な申し立てに正式な回答をしていません。

Original Article Link

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia