AI 論文之爭，本質是話語權之爭。

作者丨鄭佳美

編輯丨岑 峰

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(fā)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(qū)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(chuàng)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。

01

當「突破」由大廠先行定義

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(shù)字，OpenReview 頁面則把它寫成接近理論最優(yōu)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(qū)、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(yōu)勢：在今天的 AI 學術生態(tài)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(fā)布渠道、品牌信用和話語放大器。

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(fā)表”之后，被切斷系統(tǒng)權限并被迫離開公司，路透社還報道，隨后有 150 多名員工聯(lián)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(tǒng)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(fā)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(fā)現(xiàn)”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(fā)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(huán)的替代性論證。

谷歌對學術生態(tài)的影響，也不只發(fā)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(jiān)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(fā)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。

與此同時，Wired 也指出，外界流傳的一部分“谷歌資助學者數(shù)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(fā)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(fā)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。

02

一套已經成形的學術權力結構

為什么這種事總是發(fā)生在大廠，而不是隨機發(fā)生在任何實驗室？因為今天的 AI 學術生態(tài)，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(yè)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(yè)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(fā)現(xiàn)，AI 投資與更高市場估值、銷售增長和產品創(chuàng)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(tǒng)。

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(fā)博客、先占頂會、先拿到媒體和社區(qū)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(chuàng)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(fā)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(guī)則只有一條：誰掌握發(fā)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。

[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

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區(qū)進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。