大摩眼中的DeepSeek：以存代算、以少胜多

DeepSeek正在改写AI的扩展法则：下一代AI的决胜点不再是单纯堆砌更大的GPU集群，而是通过更聪明的混合架构，用性价比更高的DRAM置换 稀缺的HBM资源。 据追风交易台消息，摩根士丹利1月21日发布的最新研报显示，DeepSeek正在通过一种名为"Engram"的创新模块，改变大语言模型的构建方式。 其核心突破在于将存储与计算分离，通过引入"条件记忆"（Conditional Memory）机制，大幅减少了对昂贵且紧缺的高带宽内存（HBM）的需 求，转而利用成本更低的普通系统内存（DRAM）来处理复杂的推理任务。 DeepSeek的解决方案是引入"条件记忆"（Conditional Memory）原则，即Engram模块。 这一架构的核心在于将静态模式存储与动态推理分离。DeepSeek不再将所有信息一次性加载到昂贵的HBM中，而是将模型的"图书馆"或"字 典"（静态知识）卸载到CPU或系统内存（DRAM）中，仅在需要时进行检索。 大摩分析师在报告中强调："DeepSeek将'条件记忆'与计算分离，为大语言模型（LLM）解锁了新的效率水平。Engram是一种在不通过重载HBM 的情况下，高效'查找'基 ...