Transcription
当大多数人还沉浸在 2026年元旦跨年的 香槟和烟火里，当硅谷的工程师们 可能还在太浩湖滑雪的时候，在大洋彼岸的中国，DeepSeek又默默地甩出了一篇，看似枯燥的技术论文。
题目叫mHC Manifold-Constrained Hyper-Connections，直译过来就是 流形约束超连接。你先别被这个拗口的名字劝退，哪怕你完全不懂数学，也请先记住这句话：这可能是中国AI 突破芯片封锁的唯一解。
为什么敢把话说这么重？如果是别的公司在元旦发论文，我可能看都不看一眼，顶多觉得这帮人太卷了。但是，当点开这篇论文的作者列表，排在最后一位的那个名字，立马就会让人瞬间清醒：梁文锋（Liang Wenfeng）。
熟悉DeepSeek这家公司发家史的朋友，都知道一个不成文的铁律，我把它称为 梁文锋定律。这位量化交易出身，极其低调的创始人，现在几乎隐形了。但是，只要他的名字，亲自出现在技术报告的作者栏里，那绝对不是来挂名的。
回想一下，2023年11月的DeepSeek-LLM，确立了转型的第一步。2024年5月的DeepSeek-V2，拿出了MLA架构解决显存墙。2024年底的DeepSeek-V3，搞定了FP8混训和多Token预测。每一次，注意是每一次，他的署名都意味着，DeepSeek的核心架构，发生了代际突变。
所以，这份元旦贺礼，根本不是什么普通的学术探索，这是一份宣战书。它直接告诉我们，DeepSeek的下一代核武器，也就是传说中的DeepSeek-V4，它的心脏，已经造好了。我觉得这篇论文更是解开了一个，困扰了中国AI行业，整整两年的死结。
我们把视角拉高一点。过去这一年，全球AI的战局其实非常诡异。美国那边，OpenAI和Google杀红了眼，手里拿的是什么牌？是成千上万张NVIDIA H100，甚至是更先进的B200。他们的打法叫力大砖飞，拼命把模型做深，几百层上千层地堆。因为他们有全世界最好的芯片，有带宽最高的NVLink互联，他们不在乎效率，只在乎智能的涌现。
但是我们呢？我们手里是什么牌？这就不得不提那把，悬在我们头顶的达摩克利斯之剑：芯片禁令。为了合规，我们只能买到那个，被戏称为太监版的NVIDIA H20。或者，我们用国产的希望：华为昇腾910B。
这两张牌，说实话，都很难打。说这个H20，这简直是半导体历史上，最奇葩的一个怪胎。美国人为了限制中国的算力，把它的计算核心砍得，只剩下H100的15%，不到300TFLOPS。但是，注意这个但是，为了不让这卡彻底卖不出去，黄仁勋保留了它完整的显存系统。这就导致H20拥有一项，极其恐怖的数据：它的显存带宽高达4.0TB/s，比满血版的H100还要高出20%。
大家能想象这是个什么概念吗？这就像是一个，拥有爱因斯坦的大脑容量，博尔特的神经反应速度，但手脚却被捆住，只能像树懒一样慢动作计算的，畸形儿。业界有个专业术语，叫富显存，穷算力。
再看另一张牌，华为910B。它的算力其实不错，能跟H20掰掰手腕，甚至更强。但它的软肋在互联。我们都知道，大模型训练不是一张卡在战斗，是几千张卡连在一起。910B的片间互联带宽，只有NVLink的一半不到。一旦跨服务器通信，走RoCE网络，那个延迟更是让人头皮发麻。
这就是我们的战场。要么是脑子转得慢的H20，要么是嘴巴张不开的910B。在这样的硬件上，如果你还要硬着头皮去学OpenAI，去搞那种几百层的深模型，下场只有一个：堵死。
为什么？想象一下，传统的深层模型，就像是一列首尾相接的，重型卡车队。这一百辆车，必须排成一字长蛇阵。第一辆车没到终点，第二辆车就不能动。如果你用H20跑这种模型，情况就是，这条高速公路明明修了16个车道，宽得能跑飞机。但是，因为你的车队是单列纵队，而且每一辆车的引擎，都被美国人锁死了，开得巨慢无比。结果就是，你只占用了一条车道，在那儿龟速挪动，剩下的15条车道全是空的。空荡荡的马路，那是白花花的银子啊，也是被浪费的时间。
这就是为什么很多人抱怨，H20虽然带宽大，但训练大模型效率极低，因为根本喂不饱它。如果用910B跑呢？现在流行的MoE模型，需要数据在不同的GPU之间飞来飞去，这叫All-to-All通信。在910B的集群上，这就像是让这一百辆大卡车，在高峰期的北京三环上，频繁变道，掉头。路本来就窄，一变道，全堵死了。GPU大部分时间不是在计算，而是在等数据，这叫通信墙。
路堵死了，怎么办？美国人说，买H100吧，路不够宽我给你修路。但我们买不到。这时候，DeepSeek站了出来。梁文锋带着他的团队，看着手里这把烂牌，突然把牌桌一掀，说：谁告诉你们模型一定要做深的？既然路这么宽，既然单车速度慢，我们为什么不换一种跑法？
DeepSeek在这篇元旦论文里，提出的mHC架构，听着很拗口是吧？别管那些数学名词，它的核心逻辑，极其简单粗暴。我把它称为 摩托车暴兵流。DeepSeek的思路是，既然我的车跑不快，那我就把那辆重型大卡车，拆解成一千辆，一万辆灵巧的高性能摩托车。以前是一列纵队，现在，我有几千辆摩托车，我直接把你那闲置的15条车道，全占满。我几千辆车并排跑。虽然每一辆摩托车的极速，还是被锁死的，因为单核算力依然是H20的水平。但是，因为我同时跑在路上的车，变多了几十倍，单位时间内运送的货物总吞吐量，直接起飞。
这就是mHC架构的精髓：用极致的宽度，去换取被封锁的深度。它把H20那个原本只能用来，在那儿这儿空转的4.0TB/s带宽，彻底吃干榨净。这简直就是为了H20这种畸形硬件，量身定做的战术，把你的算力低劣势规避掉，把你的带宽大优势放大到极致。
而且，这套摩托车战术，对国产的910B同样是救命稻草。刚才说了，MoE模型最怕跨卡通信。但是mHC这种宽模型，它的数据混合是在哪里完成的？是在摩托车队内部。DeepSeek设计了一种极其巧妙的拓扑结构，让这些并行的计算流，主要在单台服务器内部，甚至是一个GPU的内部进行交互。通俗点说，这叫肉烂在锅里。原本需要跨越千山万水，去别的服务器找专家的数据，现在在本地就消化了。跨节点的通信量，直接被砍掉了一大半。All-to-All这种让国产卡窒息的操作，直接被规避掉了。
听到这儿，你可能会拍案叫绝。这逻辑太通了。既然这么简单，为什么OpenAI不做？为什么Google不做？难道美国人傻吗？把模型做宽，并行度更高，这道理谁不懂啊？这就问到点子上了。
事实上，把模型做宽，在AI这一行，长期以来是一个禁区，是一个被无数先烈用尸体证明了的，死胡同。OpenAI最近甚至专门发了篇论文，说宽度是低效的。这就是所谓的《谱缩放定律》。为什么？因为宽模型有一个致命的缺陷：失控。
你想想看，一列纵队的大卡车，虽然慢，但它守规矩。这辆跟在那辆后面，不出乱子。但是，如果你突然把它们变成一万辆摩托车，还要它们在高速公路上并排飞驰，互相之间还要交换货物，也就是信息交互。如果没有一套神级的交通指挥系统，结果是什么？瞬间连环车祸。在数学上，这叫梯度爆炸，或者信号坍塌。当你简单粗暴地增加网络的宽度，也就是增加所谓的超连接时，信号在层与层之间的传播噪音，会被指数级放大。就像是一百个人同时在屋子里大喊大叫，最后谁也听不清谁在说什么。
过去几年，无数尝试做宽模型的人，最后都倒在了训练数值溢出的血泊里。所以，OpenAI选择了不做。他们有H100，他们有资本去堆深度，他们不需要冒这个险。但是DeepSeek没得选。在被锁死的算力孤岛上，他们必须走通这条死路。而这一次，梁文锋和他的团队，之所以敢在元旦发这篇论文，是因为他们找到了那个传说中的，上帝交通指挥系统。他们用一种令人叹为观止的数学手段，给这一万辆狂飙的摩托车，装上了智能刹车和导航。
这就是论文标题里那个最晦涩，但也最性感的词：流形约束。这到底是个什么黑科技？为什么我说它是数学的暴力美学？各位，我们来做一次思维实验。想象一下刚才那一万辆摩托车，如果没有红绿灯，它们在公路上是什么状态？是混乱，是无序，是随时可能发生的碰撞。在数学上，这对应的是一个充满了，高熵和热噪声的矩阵。如果你这时候去看后台的数据监控，你会看到一团乱麻一样的红线，那就是失控的梯度，它们在疯狂地震荡，直到把整个训练过程搞崩。
这时候，DeepSeek引入的流形约束，就像是一只无形的上帝之手。它并没有简单粗暴地去阻拦车流，而是制定了一条铁律：能量守恒。这听起来像物理名词对吧？但在mHC架构里，它的意思是，不管你这几千条并行通道怎么跑，也不管你们怎么交换信息，你们每一行输出的信号总强度，必须严格等于1。你们每一列接收到的信号总强度，也必须严格等于1。这叫做双随机矩阵。
这听起来是不是有点像以前那种，既要又要的无理要求？你既要让出发大厅的人流不拥堵，又要让到达大厅的人流不积压，而且这两边是联动的，按下一头翘起另一头。怎么可能同时满足？这就是DeepSeek这帮数学疯子，最精彩的地方。他们搬出了一个在量化金融，和最优传输理论里才用的算法：Sinkhorn-Knopp算法。
这个算法在论文里，就是几个冷冰冰的公式。但在DeepSeek的工程实现里，它就是一场视觉奇观。如果这个时候，我们能看到神经网络内部的微观世界，你会看到这样一幕，这绝对是最硬核的画面描述。请大家跟上我的思路。最开始，是一片混沌的黑暗，只有无数杂乱无章的霓虹线条，在闪烁。那是初始的随机权重，充满了噪音，像是无序的热噪声。
突然，第一次闪烁发生了。一道横向的光波瞬间扫过整个矩阵。这道光波强制要求，所有的出发地必须流量守恒。啪的一下，所有横向的线条瞬间被拉直，对齐。不管你之前多强多弱，现在必须服从规则。这时候，出发端整齐了，但到达端可能乱套了。紧接着，第二次闪烁。一道纵向的光波反向扫了回来。它强制要求所有的目的地，必须流量守恒。这一下，把刚才好不容易排好的横向队伍，又稍微打乱了一点，但是纵向的队伍整齐了。
这时候，奇迹发生了。这两道光波开始在横纵之间，快速交替闪烁，像呼吸一样。频率越来越快，每一次闪烁，那种混乱的噪音就少一分，秩序就多一分。大概只需要迭代三次，注意，仅仅只需要三次。原本那团像乱麻一样的线条，突然之间，结晶了。所有的杂音消失，画面定格成了一张完美，晶莹剔透，纵横正交的网格。
这就是Sinkhorn算法的魔力。它不是在计算，它是在雕刻。它从混沌的数据洪流中，强行雕刻出了秩序。通过这几次简单的迭代，DeepSeek给那一万辆狂飙的摩托车，戴上了最严苛的紧箍咒。不管模型做多宽，不管并行度多高，只要经过这个上帝交通管制系统的过滤，输出的信号永远是稳定，清晰，受控的。
这就是为什么DeepSeek敢做宽模型，敢去挑战OpenAI不敢碰的禁区。而且，你们猜猜，加上这套复杂的数学控制系统，会增加多少计算成本？很多人第一反应肯定是，完了，这肯定很慢吧？又要迭代，又要归一化。论文里给出的数据是，训练时间仅仅增加了6.7%。为什么这么便宜？因为在H20这种带宽过剩的GPU上，这种纯粹的数据搬运和归一化操作，几乎是免费的。H20那4.0TB/s的带宽，处理这点矩阵变换，简直是杀鸡用牛刀。
DeepSeek的工程师，利用算子融合技术，把这些数学操作，藏在了矩阵乘法的间隙里。也就是说，车队在卸货的时候，顺便就把交通指挥做完了。这真的是一种穷人的智慧，或者说是被逼出来的极致。美国人因为算力富裕，所以他们习惯了大力出奇迹，习惯了浪费。而我们因为算力受限，必须把每一分算力都掰成两半花，必须用最高级的数学，去换取哪怕一点点的工程空间。
说到这儿，我们已经算是把mHC的技术原理，讲清楚了。但是，如果DeepSeek仅仅是做了一个省钱的模型，那它还不足以被称为，非对称武器。接下来这部分，才是真正它背后的战略野心。
你们有没有发现，现在的AI江湖，其实已经开始分道扬镳了。如果你仔细去读OpenAI最近的一系列论文，特别是2025年底那篇关于《谱缩放定律》的文章，你会发现一个很有意思的现象：OpenAI正在变得越来越像一个，逻辑学家。OpenAI的研究员们悲观地认为，单纯增加模型的宽度是没用的。他们发现，如果你把网络做宽，增加的那些参数，大部分都变成了尾部噪声，并没有学到真正的知识。所以，GPT-5和o系列这些模型，都在死磕深度，死磕思维链。他们试图通过增加推理的时间长度，来弥补模型容量的不足。所以OpenAI的路线是：深，窄，慢。他们要做的是一个，像爱因斯坦那样深思熟虑的大脑。
但是，DeepSeek走到了十字路口的另一边。mHC架构的提出，实际上是DeepSeek站出来，狠狠地打了OpenAI一个耳光。DeepSeek说：不是宽度不行，是你们的连接方式太原始。如果你能用流形约束控制好噪音，宽模型不仅不笨，反而是一个吞吐量惊人的超级怪兽。所以，DeepSeek的生态位非常清晰。它不做那个坐在扶手椅上，沉思的哲学家。它要做一台极致高效，暴力吞吐的，超级工业计算器。
这种差异化竞争，最后会导致什么结果？这就得算一笔恐怖的经济账了。这笔账算清楚了，你就明白为什么我说这是，降维打击。在DeepSeek的这篇论文里，有一个不起眼但极具杀伤力的结论：他们用一个27B，也就是270亿参数的mHC模型，跑出了相当于更大参数量，传统模型的性能。注意这个词，是相当于更大。在AI圈子里，如果你能用60%的参数量，达到对手100%的性能，这不叫节省，这叫屠杀。
我们来做一个大胆的推演。假设，我是说假设，DeepSeek把这套mHC架构，应用到了他们即将发布的，对标GPT-5级别的DeepSeek-V4上，会发生什么？首先是，显存成本的雪崩。现在的GPT-5.2，虽然从未公开过架构，但业界普遍猜测它是一个巨大的MoE模型，每次推理激活的参数量，可能在1000亿以上。这意味着每生成一个字，GPU都要搬运巨量的数据。而DeepSeek-V3已经把活性参数，压缩到了37B。如果V4加上mHC的加持，因为它的参数效率更高，也许只需要20B到25B的活性参数，就能达到同样的智力水平。这意味着生成同样的Token，DeepSeek需要调用的显存带宽，只有OpenAI的，四分之一甚至更少。
DeepSeek选择在这个时候亮剑，就是要在给全球AI市场，一记重锤。但这记重锤，砸的可不仅仅是OpenAI的发布会节奏。它真正要砸碎的，是硅谷巨头们精心编织的，商业美梦。我们刚才聊了OpenAI，聊了他们越来越像逻辑学家。其实在这个战场上，还有另一个巨头：Google。如果你去翻翻Google DeepMind在2025年底发的论文，你会发现他们走的是另一条路，叫嵌套学习。Google的这帮天才们，试图模仿人脑的结构，搞什么快权重和慢权重。他们想解决的是AI的记忆问题，想让AI像人一样，能记住你几年前说过的话，能产生情感羁绊。说白了，Google在搞仿生学，他们想造的是一个完美的，类人伴侣。
而DeepSeek呢？mHC架构没有任何这种浪漫的色彩。它完全是基于冷冰冰的计算物理学，基于热力学定律。它不关心AI像不像人，它只关心一件事：如何在被阉割的H20集群上，用最少的电费，最快的速度，把Token吐出来。这就是我说的，错位竞争。当OpenAI和Google还在为了更像人，而在这个无底洞里烧钱的时候，DeepSeek已经造出了一台，完美的数字热机。在写代码，做报表，解数学题，这些企业级应用场景里，客户不需要AI有感情，只需要它够快，够便宜，够准。
而在这些维度上，搭载了mHC的DeepSeek-V4，会不会又对美系模型，构成绝对的成本碾压呢？我觉得，这个问题还是留给大家。你觉得大模型的终局，会是OpenAI那种越来越像人的路线赢？还是DeepSeek这种，越算越像机器的路线赢？或者更残酷一点，当推理成本被打到地板价之后，真正的护城河到底还剩什么？欢迎在评论区留言、讨论。最后，记得点赞，转发，热推。咱们下期再见。