计算机行业分析报告：DeepSeek近期成果分析及V4影响力预测

DeepSeek V4 模型发布：据 The Information 报道，DeepSeek 将于 2026 年 2 月中旬推出新一代旗舰 AI 模型 DeepSeek V4，其编码能力预计超越 Claude 和 GPT 系列，对标预期中 2025 年 5 月发布的 R2 模型。
模型成本与性能：DeepSeek R1 模型的总训练成本为 586 万美元，远低于顶级模型动辄千万美元的成本，其中预训练占 95%，后训练占 5%。
国产芯片适配：DeepSeek V3.1 和 V3.2-Exp 已适配国产芯片，采用 UE8M0 FP8 缩放格式训练，并开源 TileLang 和 CUDA 算子，改善 CUDA 生态壁垒。

稀疏化分配方案（Engram）：
- 引入“条件记忆”机制，通过稀疏查找检索固定知识，实现常数时间复杂度知识检索。
- 20%-25% 的稀疏参数预算分配给 Engram 时，模型性能最佳，显著提升通用推理、代码、数学问题的表现。
- 实现计算与内存解耦，缓解 GPU 内存受限问题，为 TB 级超大规模记忆库提供可行路径。
mHC 架构创新：
- 基于 Hyper-Connections（HC）改进 ResNet 架构，解决信息通道宽度受限、计算冗余和内存占用问题。
- mHC 使模型训练收敛速度提升约 1.8 倍，提高 MoE 模型的稳定性与可扩展性。
长文本输入优化：
- DeepSeek-OCR 和 DeepSeek-OCR2 将文本以图片方式输入，减少 token 数量，解决长文本输入问题。
- 压缩率低于 10× 时，解码精度达 97%；压缩率 20× 时，解码准确率仍约 60%。
R1 论文更新与透明度提升：
- R1 论文从 22 页扩展至 86 页，公开更多训练细节，包括训练流程、基础设施、消融实验等。
- 进一步披露 R1 训练成本为 29.4 万美元，验证模型成本控制优势。