一、DeepSeek 最新模块 Ingram 解读

  • 功能与优势：Ingram 是将存储与计算解耦的模块，把静态知识（条件式记忆）从 GPU 计算中抽离，放到由 DRAM 组成的独立存储层。这样可减少对高价 HBM 显存的依赖，用更便宜的 DRAM 替代部分 HBM 工作，提升 AI 模型效率，降低硬件成本，尤其适合 HBM 进口受限的中国市场。
  • 技术机制：通过哈希索引方式快速映射知识，读取时间为常数时间（O1），同时与 MoE（稀疏混合专家）并行，仅在需要时访问记忆，避免 GPU 重复运算，实现存储与计算的彻底分离。
二、DeepSeek V4 模型展望

针对代码生成和推理能力做了大幅加强，有望像上一代一样运行在消费级硬件（如 RTX5090 显卡）上，其编码性能和推理成本的优化是检验新架构的关键。

三、对中国 AI 及半导体行业的影响

  • AI 领域：中国 AI 企业在硬件受限下，通过架构优化（如条件式记忆、稀疏混合专家等），在模型性能上缩小了与国际顶尖模型（如 ChatGPT5.2）的差距，在 MMLU、编程等专业评测中互有胜负，部分模型在推理效率、多模态、代码能力等维度形成独特优势。
  • 半导体及存储行业：存储与计算解耦推动存储半导体国产化，北方华创、中微公司、长电科技等企业被重点关注，大摩通过剩余收益模型对其估值，同时分析了行业需求、技术突破、市场份额等因素带来的上行与下行风险。
四、Ingram 与其他记忆机制的区别
  • 与 RAG（检索增强生成）相比：Ingram 的记忆是模型参数一部分，生命周期与模型一致，适合处理静态知识；RAG 记忆存在外部存储，适合处理动态大规模知识。
  • 与 KV Cache 相比：Ingram 容量可随内存扩展，不依赖 GPU 显存；KV Cache 是临时存储，容量随输入长度线性增长。