DeepSeek论文提新框架 减低训练AI能源需求 传最快农历新年期间登场

据彭博报道，中国AI初创企业DeepSeek发布最新论文，提出一种名为“流形约束超连接”（Manifold-Constrained Hyper-Connections）的全新框架，该设计旨在提升AI系统扩展性，同时降低训练AI系统的计算和能源需求。

新架构减能耗 提升训练稳定性

DeepSeek透过开放储存库arXiv及开源平台Hugging Face发布该论文，由创办人梁文锋联同18名研究人员共同撰写。论文指出，新框架针对AI训练不稳定及扩展性有限等挑战，融入“严格的基础设施优化”以确保效率。团队在30亿至270亿参数的模型上进行测试，并称该技术有望推动基础模型的进化。

市场预计，DeepSeek即将发布代号“R2”的旗舰模型，或在今年2月的农历新年期间推出。彭博分析指，虽然Google的Gemini 3近期表现强势，但DeepSeek即将推出的“R2”仍有潜力再次颠覆全球AI行业。目前在LiveBench全球大型语言模型（LLM）排名中，中国的低成本模型已占据前15名中的两席。