DeepSeek 凌晨又搞事情了。
这一次，不是发布新的 V4 模型，也不是开源某个 100B 的权重，而是直接对 Transformer 的底层架构“动刀”了。
DeepSeek 开源了名为 Engram 的新架构，并附带了一篇信息量极大的论文《Conditional Memory via Scalable Lookup》。
简单来说，他们给 Transformer 加了一个 “查字典” 的能力。
长期以来，我们的大模型都在“死记硬背”。无论是历史知识还是固定搭配，模型都需要消耗珍贵的计算资源（Attention 和 FFN）去“算”出来。
DeepSeek 提出的问题很犀利：既然有些东西是死的（比如“中华人民共和国”这个固定词组），为什么非要用神经网络去“推理”它？直接查表不行吗？
于是，Engram 诞生了。这可能预示着大模型架构的一个新方向：从“纯计算”走向“计算+记忆”的混合体。
想象一下，你正在做一道复杂的数学题。但是，你的大脑不仅要处理逻辑运算，还要同时在脑子里默写一遍《新华字典》。
这就是现在 Transformer 的处境。
论文中举了一个非常直观的例子：当模型需要输出 "Diana, Princess of Wales"（戴安娜王妃）这个实体时，它需要消耗整整 6 层神经网络：
1. 先识别出 Wales 是个地名； 2. 再识别出 Princess of Wales 是个头衔； 3. 最后才把它们组合成具体的人名。
这简直是“杀鸡用牛刀”。对于这种固定的、静态的知识，动用昂贵的 GPU 算力去层层推导，极其浪费。
DeepSeek 的思路是：把“死记硬背”的工作交给“字典”（Engram），把“大脑”（Transformer）腾出来处理真正的逻辑推理。
Engram 的核心机制其实非常复古——它复活了经典的 N-gram（N元组） 概念，但用了现代化的手段。
它的工作原理可以简化为三步：
1. 识别：当你输入一段文本，模型会自动识别出其中的固定搭配（比如“人工智能”、“深度求索”）。 2. 查表：直接在一个巨大的向量表中，通过哈希（Hash）算法找到这些词组对应的向量。这个过程是 的，速度极快，不消耗什么计算量。 3. 融合：把查出来的向量，通过一个门控机制（Gating）“喂”给神经网络。
这就好比考试的时候，允许模型带一本“小抄”。遇到死记硬背的知识点，直接看小抄；遇到需要分析的题目，再动脑子。
你可能会觉得：加个字典，无非就是让模型背书更厉害呗？
DeepSeek 的论文结果让人大吃一惊：Engram 不仅提升了知识类任务的效果，还大幅提升了推理能力！
在同等参数量（27B）和同等计算量（Iso-FLOPs）的对比下，DeepSeek 比较了标准的 MoE（混合专家模型）和 Engram 模型：
• 知识更渊博：MMLU（知识问答）提升了 3.4 分，CMMLU 提升了 4.0 分。这在预料之中。 • 逻辑更强了：这是最反直觉的。BBH（综合推理）提升了 5.0 分，ARC-Challenge（挑战性推理）提升了 3.7 分，就连数学（MATH）和代码（HumanEval）都有显著提升。
为什么查字典能提高数学成绩？
论文给出了极具洞察力的解释：LogitLens 分析显示，Engram 让模型在更浅的层数就完成了“特征组合”。
也就是说，因为不需要在底层网络里浪费时间去拼凑“单词”和“短语”，深层网络的“脑容量”被释放了出来，可以专注于处理更复杂的逻辑和长距离的依赖关系。
这也解释了为什么 Engram 在长上下文（Long Context）任务上表现极佳——把局部依赖交给了字典，Attention 就可以专心看全局了。
DeepSeek 的工程能力一向是业界的标杆，这次也不例外。
大模型最贵的资源是什么？是 GPU 的显存（HBM）。如果我们要存一个巨大的 N-gram 字典，显存爆了怎么办？
Engram 的设计非常精妙，它是确定性查表（Deterministic Lookup）。
与 MoE 这种“走到哪步算哪步”的动态路由不同，Engram 在拿到输入文本的一瞬间，就知道需要查哪些表。
这就意味着：我们可以把这个巨大的字典存放在便宜的 CPU 内存（DRAM）里！
当 GPU 还在计算第 1 层网络的时候，系统就已经通过 PCIe 带宽，把第 10 层需要用到的“字典条目”从 CPU 内存预取（Prefetch）过来了。
DeepSeek 实测：即使外挂一个 100B（一千亿）参数 的超大字典，对推理速度的影响也微乎其微（小于 3%）。
这是什么概念？这意味着未来的模型，可以用极低的成本，通过堆 CPU 内存来无限扩展“知识库”，而不需要堆昂贵的 H100 显卡。
在 Github 已开源
