90书院(90shuyuan.com)更新快，无弹窗！
稍微适应了一下升级后的大脑，徐辰估摸着DeepSeek的论文应该是发出来了。
（请记住台湾小説网→??????????.??????网站，观看最快的章节更新）
他打开电脑，熟练地登录arXiv，输入了关键词。
果然，那篇论文赫然在列。
徐辰在公寓里下载了这篇论文，仔细研读了一遍。
论文的核心原理极其惊艳，直击当前大语言模型（LLM）的软肋：现有的Transformer架构虽然通过MoE（混合专家）实现了「条件计算」，但缺乏原生的知识查找机制。
当模型需要回忆一个静态事实的时候，比如「巴黎是法国的首都」，它只能通过消耗宝贵的注意力机制和前馈网络层去「重新计算」和「模拟提取」。这就像是让一个顶级数学家去死记硬背电话号码，极大地浪费了推理算力。
而DeepSeek给出的解法，正是「条件记忆」。
他们引入了一个名为「Engram（记忆印迹）」的模块，将经典的N-gram嵌入现代化，实现了O(1)时间复杂度的常数级知识查找。简单来说，模型不再需要死记硬背，而是学会了「查字典」。
论文中还提出了一条「U型缩放定律」，证明了将大约20%到25%的稀疏参数分配给Engram模块时，模型性能达到最优。更恐怖的是，由于Engram的查找是确定性的，它完全可以绕开昂贵的GPU显存（HBM）限制，直接从廉价的主机内存（DRAM）中进行运行时预取，几乎没有额外的性能开销。
「干得漂亮。」
徐辰看着论文里的架构图，暗自点头。
以他升级后的信息学LV2的眼光来看，梁文锋的这个成果，和系统当初给出的那个完美的D-LTMN方案相比，其实做了一些工程上的妥协。
系统方案更偏向于底层硬体架构的微调，而DeepSeek则是在现有的GPU集群和Transformer框架下，做到了软体层面的极致压榨。
「这算是……系统方案的『青春版』？」
徐辰摸了摸下巴。
但这已经足够惊艳了。
不出意外，这篇论文将在接下来的几个月里，成为整个AI界讨论的焦点。
……
徐辰猜得没错。
此时的曼哈顿下城，摩根史坦利大楼。
高级分析师约翰·史密斯正对着电脑屏幕发呆，手里那杯昂贵的冷萃咖啡已经在那儿摆了半个多小时，冰块化了一半，也没动一口。
屏幕上是一份还没写完的研报草稿——《英伟达：算力帝国的黄昏还是黎明？》。
约翰感觉自己的头发都要掉光了。
现在的华尔街，简直就是个精神分裂的疯人院。
一方面，整个美股全靠那几只科技巨头撑着，尤其是英伟达，简直就是全村的希望。只要AI的故事还在讲，只要大模型还需要烧钱买卡，纳斯达克就能接着创新高，大家的年终奖就有着落。
如果英伟达倒了，AI泡沫破裂，美股大盘就会瞬间崩盘，引发系统性的金融危机。到那时，不仅他的饭碗保不住，整个华尔街都要排队去跳楼。
所以，上头的指令很明确：「看多！必须看多！不能让泡沫破了！」
但另一方面，现实的数据却像是一记记响亮的耳光。
年初那个中国小子搞出来的SLRM架构，已经让训练端对GPU的需求砍了一半。现在好了，DeepSeek又搞出了个Engram，直接在推理端把显存需求给废了！
「这日子没法过了……」
他在研报里敲下了一段极其纠结的文字：
【……我们注意到，近期来自中国研究团队的SLRM架构与Engram模块，在优化大语言模型（LLM）的KVCache显存占用及推理计算量方面取得了显着进展。这表明，在纯文本推理端，算力边际成本递减的趋势正在加速。】
【基于DCF（现金流折现）模型及对未来三年TAM（总潜在市场）的重新评估，我们预计北美四大云服务商（CSP）在纯文本推理端的Capex（资本支出）增速将出现拐点。Engram架构的O(1)常数级查找特性，实质上打破了『显存墙』的物理限制，导致单Token的算力与显存成本呈断崖式下降。因此，我们将英伟达2026财年的营收预期下调12%，目标价由145美元下调至115美元。】
写完这段，约翰又觉得太悲观了，可能会被老板骂「唱空美股」。
于是他又加了一句找补的话：
【当然，如果考虑到未来AI应用场景的爆发式增长，市场总需求的急剧膨胀将完全对冲单Token算力成本下降带来的负面影响，英伟达的算力护城河依然深不可