论文核心内容 - DeepSeek在新论文中提出名为mHC（流形约束超连接）的新网络架构 旨在解决传统超连接架构在大规模模型训练中的不稳定性、可扩展性受限及内存访问开销大的问题 [1][4] - mHC架构为超连接的“信息通道”增加了一套“交通规则” 在保留性能优势的同时恢复了信息原样传递的特性 使模型训练更稳定、更容易做大 推动大模型底层架构的工业化落地 [4] - 研究团队希望mHC能重新激发学界对宏观架构设计的兴趣 深化对拓扑结构如何影响优化与表征学习的理解 为下一代基础架构的演进指明新方向 [5] 技术原理与类比 - 传统计算链条信息传递管道窄 信息量大易“堵车” 超连接通过拓宽管道增加信息流 但可能导致水流过猛冲坏“水管” [4] - mHC相当于给“水管”加装“智能调节阀” 能确保信息水流的稳定 运行时更节省资源 [4] 行业影响与意义 - mHC或能让企业在训练更大规模基础模型时 减少硬件投入、缩短训练周期 降低大模型研发门槛 使算力有限的中小AI企业也能尝试开发更复杂的大模型 [5] - 训练稳定性和可扩展性的提升 能让大模型在更复杂的场景落地 例如需要超大规模参数的多模态模型、工业级的智能决策系统 [5] - 有行业人士评价认为 此次创新针对Transformer最基础的问题 结合此前积累 预测DeepSeek有望在V4版本中做出重大更新 [5] 公司近期动态 - DeepSeek创始人兼CEO梁文锋出现在mHC论文的合著名单中 解振达、韦毅轩、曹焕琪是核心贡献者 [3] - 自2025年初引发广泛关注以来 公司在模型迭代与开源上持续发力 仅12月就同步推出了DeepSeek-V3.2与V3.2-Special [6] - 公司在11月底开源了数学推理模型DeepSeek-Math-V2 成为目前首个达到国际奥数金牌水平并开放使用的数学模型 [6]