模型训练

DeepSeek 发布新论文，提出全新 MHC 架构，有何创新与应用前景？

2026 年 1 月 2 日

DeepSeek挑战AI领域十年共识，推出革命性mHC架构，让大模型训练告别"炸机"时代。核心内容： 1. 传统ResNet架构的固有缺陷与训练痛点 2. mHC流形约束超连接的创新机制解析 3. 新架构在27B模型上的实测表现与行业意义

2026 年的第一天，我发现 DeepSeek 悄悄干了件狠事。他们发布了一篇论文，梁文锋署名。

这篇论文讲了一个新架构，叫 mHC 流形约束超连接。别被名字吓跑，这件事情的本质，是在挑战 AI 圈儿过去十年的绝对真理。要把这事儿聊清楚，得把时间拨回到 2016 年。那一年，何恺明大神提出了 ResNet 残差网络。这玩意就像建筑里的钢筋混凝土，成了所有大模型的地基。

十年了，所有人都觉得地基没问题。大家都在忙着往上盖楼，比谁的楼更高，比谁的装修更豪华。但 DeepSeek 拿着放大镜蹲在楼下花园里说。这配方，还能改。原来的配方有啥问题？

简单说，就是嗓门太大。训练大模型就像几百人排队玩传话游戏，原来的 ResNet 为了防止传话失真，允许后面的人直接听前面的喊声。

为了保留信息，大家不得不不断提升嗓门的音量。模型一旦做宽做深，整个房间里全是震耳欲聋的噪音。

这时候别说传话了，负责听话的人都已经被震聋了，训练当场崩溃。这就是为什么 AI 训练，经常炸机。

DeepSeek 的 mHC 架构，相当于给每个人都发了一个智能调音台，也就是流形约束。它干了两件事。

1、保真，信息量一点不少，全都传下去。

2、降噪，自动把音量调节到最舒服最清晰的频段。不管外面如何喧嚣，传到下一层的信号，永远是干净稳定的。

不管外面如何喧嚣，传到下一层的信号，永远是干净稳定的。

效果咋样呢？

DeepSeek 在 27B 的模型上做了实测，虽然加上智能调音台，训练时间增加了 6.7%。但在动辄几千万美元的训练成本面前，多花点时间，换来的是模型性能的显著提升，和绝不炸机的安全感。

这笔帐，只能说算的太精了。在 AI 这个行业里，最容易走的路就是大力出奇迹。但最难的路，是回头审视那些大家都习以为常的事物，去优化最底层的数学公式。

这，才是真正的降维打击。写到这里，我突然有点感动。在这个全员加速，甚至有点疯狂的 AI 时代。

有太多人喊着要造神，要改变世界，要替代人类。但 DeepSeek 选择了一条最不性感的路，去拧紧地基里的一颗螺丝。这种脚踏实地理性的光芒，我觉得才是最美丽，最珍贵，最值得敬佩的。

2026 年，期待 DeepSeek V4。

期待理性的光。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

留下你的场景和痛点,我们帮你判断从哪一步开始。