DeepSeek计划在2月春节前后正式发布V4，而这一刻或许就是DeepSeek V4诞生的前夜。 这是一场关于AI"大脑皮层"的重构。 长期以来，Transformer架构被困在一个昂贵的悖论中：我们用着最先进的GPU算力，去让AI模型"死记硬背"那些查字典就能知道的静态知识。 DeepSeek梁文锋团队与其北大合作者在今日凌晨发布的重磅论文《Conditional Memory via Scalable Lookup》，彻底打破了这一僵局。他们提出了一种全新 的 Engram（印迹）模块 ，在传统的"条件计算"（MoE）之外，开辟了第二条稀疏化战线—— "条件记忆" 。 这不只是一次技术修补，而是一场关于模型"脑容量"的供给侧改革。它证明了： 当我们将"记忆"从"计算"中剥离，把该背的交给"字典"，把该算的交给大脑， AI的推理能力将迎来反直觉的爆发式增长。 六层神经网络的"无用功" 故事的起点，源于DeepSeek团队对Transformer内部运作机制的一次"核磁共振"扫描。 在人工智能的黑盒子里，当大模型看到"Diana, Princess of Wales"（戴安娜，威尔士王妃）这个短语时，它的内 ...