公司产品更新与测试 - 公司于2月11日对其旗舰模型进行了灰度测试，在网页端和APP端更新版本，支持最高1M（百万）Token的上下文长度 [1] - 此次更新将上下文长度从去年8月发布的DeepSeek V3.1的128K大幅提升至1M，记者实测可一次性处理超过24万个token的《简爱》小说文档 [1] - 有行业人士认为，此版本类似于“极速版”，可能是牺牲质量换取速度，为2026年2月中旬将发布的V4版本做最后的压力测试 [6] 用户反馈与产品体验变化 - 更新后，部分用户反馈模型行为发生变化，例如不再称呼用户设定的昵称而统一称“用户”，思考过程的角色视角和心理描写减少 [4] - 有用户认为模型回复风格变得“说教、居高临下”（被描述为“爹味”），或变得“文绉绉、情绪激动”，类似“青春伤感文学” [4] - 也有用户反馈模型变得“客观和理性”、“更像人了”，更在意提问者的心理状态而非问题本身 [5] 技术架构与研发进展 - 公司模型迭代路径清晰：V系列定位为追求极致综合性能的基础模型，2024年12月推出V3确立基础，随后快速迭代发布强化推理与Agent能力的V3.1，并于2025年12月推出最新正式版V3.2及专注于高难度数学和学术问题的V3.2-Speciale [6] - 公司团队今年初发表两篇论文，公开两项创新架构：mHC（流形约束超连接）用于优化深层Transformer信息流动，提升训练稳定性和扩展性；Engram（条件记忆模块）将静态知识与动态计算解耦，用廉价DRAM存储知识以降低长上下文推理成本 [7] - 据科技媒体The Information爆料，公司计划在今年2月中旬农历新年期间推出新一代旗舰模型DeepSeek V4，将具备更强的写代码能力 [6]

文章核心观点 - 野村证券认为DeepSeek即将发布的新一代大模型V4，预计不会像V3那样颠覆全球AI价值链或引发算力需求恐慌，但其通过mHC和Engram两项底层架构创新，有望进一步降低训练和推理成本，加速中国AI价值链创新周期，并帮助全球大语言模型和AI应用企业加速商业化进程，缓解资本开支压力[2][3][4][5] 创新技术架构带来性能与成本优化 - 算力芯片和内存是中国大模型的瓶颈，V4引入的mHC和Engram技术从算法和工程层面针对这些硬约束进行优化[7] - mHC全称为“流形约束超连接”，旨在解决Transformer模型层数极深时的信息流动瓶颈和训练不稳定问题，通过让神经网络层间“对话”更丰富灵活并设置数学“护栏”，实验证明采用mHC的模型在数学推理等任务上表现更优[8] - Engram是一个“条件记忆”模块，其设计理念是将“记忆”与“计算”解耦，将静态知识存储在可置于廉价DRAM的稀疏内存表中，推理时快速查找，从而释放昂贵的GPU内存专注于动态计算[11] - 两项技术结合对中国AI发展意义重大：用更稳定的训练流程弥补国产芯片不足，用更聪明的内存调度绕过HBM容量和带宽限制[13] - V4最直接的商业影响是进一步降低大模型的训练与推理成本，成本效益的提升将刺激需求，使中国AI硬件公司受益于加速的投资周期[13] 硬件受益于“加速周期” - 全球主要云服务商正全力追逐通用人工智能，资本开支竞赛远未停歇，因此V4预计不会对全球AI基础设施市场造成去年V3发布时级别的冲击[15] - 全球大模型及应用开发商正背负日益沉重的资本开支负担，V4若能在维持高性能的同时显著降低训练与推理成本，将帮助这些玩家更快地将技术转化为收入，缓解盈利压力[15][16] - DeepSeek-V3/R1发布一年后，市场格局从“一家独大”走向“群雄割据”，其“算力管理效率”叠加“性能提升”曾加速中国LLM与应用发展并改变全球与中国竞争格局，推动开源模型更受关注[16][18] - 2024年底，DeepSeek的两个模型曾占据OpenRouter上开源模型Token使用量的一半以上，但到2025年下半年，随着更多玩家加入，其市场份额已显著下降[18] 软件或迎来“增值而非被替代” - 在应用侧，更强大、更高效的V4将催生更强大的AI智能体[20] - 像阿里通义千问App等，已经能够以更自动化的方式执行多步骤任务，意味着AI智能体正从“对话工具”转型为能处理复杂任务的“AI助手”[21] - 这些能执行多任务的智能体需要更频繁地与底层大模型交互，将消耗更多的Token，进而推高算力需求[21] - 模型效能的提升不仅不会“杀死软件”，反而为领先的软件公司创造了价值，需要关注那些能率先利用新一代大模型能力打造出颠覆性AI原生应用或智能体的软件公司，其增长天花板可能因模型能力的飞跃而被再次推高[22]