---
id: "mb-20260919-7317e7"
kind: "deep"
title: "解耦记忆与计算：DeepSeek 763B 为什么能反向砸穿显存墙？"
topic: "解耦记忆与计算：DeepSeek 763B 为什么能反向砸穿显存墙？"
source_type: "generated"
status: "published"
generated_at: "2026-09-19 21:27:33"
frame_type: ["条件记忆解耦与第二轴查表稀疏性（Engram /", "机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 解耦记忆与计算：DeepSeek 763B 为什么能反向砸穿显存墙？

DeepSeek 刚发布了新模型 V4.1 Flash。
总参数量 7630 亿。
比它当年轰动全球的 V3 和 R1 还要庞大两倍半。
按照行业常识，把这么大体量的模型放进机房。
在 FP8 精度下。
光是装下权重，至少要霸占 763 GB 显存。
可这台模型跑起来，只需要 567 GB 显存。
吞吐量不降反升。
同一台服务器上能并发承载的用户数量，直接翻了四到八倍。

参数量暴涨两倍半，为什么吃进去的硬件资源反而断崖式下跌？
多出来的两千亿参数，难道不占空间？
是测试数字注水，还是硅谷那套算力账本从一开始就算错了？

把这台模型的架构拆开，里面藏着一个推翻行业九年惯例的设计。
它把大模型的躯体切成了两半。
7630 亿总参数里。
有 5520 亿是传统的混合专家计算网络。
剩下的 1960 亿，被做成了一个独立的条件记忆模块。
架构里叫它 Engram。
这 1960 亿参数，完全不参与高强度的矩阵乘法。
它们是一张张庞大的静态查表。

过去九年，所有大语言模型底层都困在一道窄门里。
自回归解码的内存墙。
每吐出一个词元。
硬件都必须把激活的权重在显存里完整拖拽一遍。
芯片的核心算力再强。
大部分时间也只能干等数据从显存里挪过来。
而此前全行业最大的浪费。
是强迫神经网络用昂贵的矩阵乘法。
去反复重算那些固定不变的静态事实。
比如问勾股定理的公式。
人类大脑根本不需要从头推导。
那是一种本能的联想反应，连一毫秒都不用思考。
传统大模型却要调动几十层网络。
让数十亿参数反复做浮点计算，才把这几个词拼出来。
为了让模型存下成千上万的事实和搭配。
工程师只能拼命把参数堆大。
参数每多一分，显存带宽就被勒得更紧一分。
显卡越来越贵。
高带宽显存被炒成天价。
全行业都在为这种暴力计算买单。

今年 1 月，DeepSeek 发表了一篇论文。
他们把目光转回了上世纪九十年代的一项老技术：N-gram。
连续几个词的搭配规律，本质上就是最廉价的静态知识索引。
Engram 模块把 1960 亿参数。
做成了常数级复杂度的哈希查表。
模型看到前面的上下文，瞬间算出哈希值。
直接在表里提取出对应的向量特征，喂给后面的计算网络。
每生成一个词，整个过程只涉及几十次简单的查表操作。
不需要让千亿参数在显卡核心里汹涌流转。
这就是大模型在混合专家架构之后的第二轴稀疏性。
用查表替代计算。

更底层的连锁反应发生在硬件账本上。
既然这 1960 亿参数只是静态查表。
它们为什么非要挤在昂贵的显存里？
查表只需要随机寻址，不需要恐怖的显存带宽。
它们完全可以被挪出显卡。
直接塞进便宜得多的普通内存，甚至高速固态硬盘里。
显存只需要留给那 5520 亿需要高频计算的核心专家。
再加上因果编解码器对键值缓存的重构。
高并发下最吃显存的会话缓存，被当场砍掉了近八成。
原本需要八卡高配集群才能勉强承接的模型，硬件门槛被生生砸穿。

长久以来，整个 AI 产业被锁死在一条昂贵的叙事轨道上。
更大的智能，必须吃下更多的显存。
绑定更多单价数万美元的顶级芯片。
硬件巨头靠高带宽显存赚取超额利润。
云厂商把参数体量当成租售算力的垄断高墙。
但这套商业神话，建立在一个从未被质疑的假设上：
把记忆当成计算。
当记忆从计算里被剥离出来。
用最朴素的查表降维解决。
那堵由高带宽显存筑起的垄断高墙，瞬间被抽掉了地基。
决定工程进化上限的，从来不在硬件价格标签上有几个零。
在于有人先想明白，哪些东西本就不该交给算力去硬算。

_Rendered by mubei-terminal._