每次读 DeepSeek 的论文，都有一种独特的快感。

就像在枯燥的财报里挖黄金。

挖呀挖呀挖，挖呀挖呀挖，挖呀挖呀挖。

没有废话，全是干货，而且往往是那种反直觉的答案。

今天 DeepSeek 继续节前预热，联合北大发了篇新论文，还是梁文锋署名。

还顺手开源了 Engram 模块的核心逻辑。

https://github.com/deepseek-ai/Engram

看完之后，我只想说。

真的不服不行，又是领先版本的操作。

下面，来一探究竟。

1

如果让你说出圆周率后的 100 位，你会怎么做？

说真的，小时候很崇拜电视上最强大脑里的记忆天才。

我想试试自己几斤几两，狠狠背了一下午，只背下来了下面这些。

3.141592653589793238462338327950288419716939937510

48 位，我一个一个敲出来的，只能说是背成永久记忆了。

感谢我的海马体。

但实际上，如果不是为了挑战，肯定是拿纸笔写下来，或者存进备忘录。

需要的时候，看一眼就行。

这是人类的智慧，把记忆和思考分离。

但现在顶尖的基于 Transformer 架构的 AI，在这事儿上有点笨。

没有纸和笔，也没有备忘录，只能每次重新推理。

当你问他《三国演义》的作者是谁？

AI 并不是去数据库里搜索，而是通过几百亿个参数的复杂计算。

层层激活神经元，最后算出罗贯中这个名字出现的概率最高。

能算对吗？

能。

但这是对顶级算力的极大浪费。

就好比你想去小区门口拿个快递，不开电驴，非要启动一架波音 747。

2

DeepSeek 团队非常敏锐的指出了这一点。

语言任务其实分为两类。

一类是死知识，比如成语，人名和圆周率，这需要的是记忆。

一类是活推理，比如写代码，解数学题，分析财报，这需要的是推理。

现在的 AI，把这两件事混成一起做，白白让这些死知识占用了宝贵的脑容量。

怎么办？

DeepSeek 的解法非常 DeepSeek。

实用主义至上。

他们把目光投向了自然语言处理领域的上古神兽，N-gram。

在深度学习统治世界之前，老式输入法的自动补全靠的就是它。

不需要任何复杂的推理，速度极快。

DeepSeek 提出的 Engram 架构，核心逻辑就两点。

对于死知识，直接用改良版的 N-gram，这部分数据被存储在一个巨大的独立外挂内存里。

对于活推理，继续用神经网络，比如 MoE 混合专家模型去算。

这就相当于给 AI 配了一本新华字典和百科全书。

遇到生词，典故，固定搭配，直接查书就行。

一点脑子也别动，摸鱼才是第一生产力。

省下来的脑子，全都拿去搞逻辑推理。

3

按常理来说，加上外挂之后，预期的结果就是 AI 的记性变好了。

确实，知识类的测试分数涨了。

但离谱的是，推理能力，代码能力和数学能力也都大幅提升了。

好嘛，原本只是给孩子买了一本《数学公式大全》，结果这孩子竟然连奥数压轴题都会做了。

为啥呢？

咱们把 AI 的脑壳撬开，通过可视化工具观察，就看到了真相。

在以前没有外挂的时候，AI 模型里最前排的那几层神经网络，都被迫在干苦力活。

看到肯德，它们就得调动脑力去拼出，基。

但有了 Engram 这个外挂字典之后，最前排的这些脑细胞不用再去搬砖了，瞬间解脱了。

它们可以加入后排的智囊团，开始去思考，去推理更复杂的问题。

原本被浪费掉的算力，全部集中到了真正的思考上。

好钢，终于用在了刀刃上。

4

众所周知，现在搞 AI 最贵的是显卡 GPU，有钱你都不一定买得到。

既然这些是死知识，那能不能存到内存里？

对，就是你电脑里那个几十块钱一条的普通内存。

论文实测，把 100B 参数的 Engram 表放到 CPU 的内存里。

推理延迟微乎其微，连 3% 都不到。

我觉得这已经不只是技术创新了，这简直是白嫖艺术的巅峰。

杀鸡焉用牛刀？

只能说 DeepSeek 这一招移花接木，太 6 了。

尾声

换个视角来看，DeepSeek 的这种松弛感，才是最高级的。

它不再执着于把所有知识都背在身上，而是学会了放下。

把死记硬背交给廉价的内存，把昂贵的算力留给真正的思考。

做人也一样。

在这个信息过载的时代，我们大多数人，其实都活成了那个还没升级的旧模型。

我们焦虑地填充着大脑，试图不错过每一个热点，背负了太多无效的信息。

DeepSeek 的 Engram 架构，在理性的技术里有一份温柔的提醒。

真正的智慧，并非你记住了多少，而在于你卸下了多少。

把包袱扔给工具，把大脑留给灵感。

只有学会把不重要的东西外包出去，你才能腾出宝贵的生命。

去思考，那些真正值得的事。

“

论文传送门：https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf