《DeepSeek 的硬件大棋：用存储换算力撬动 AI 生态》

导语

这篇文章给出一个大胆判断：DeepSeek 不急于卖编程订阅、多模态或语音服务，是因为它的目标不是眼前应用收入，而是通过模型架构和开源技术，降低中国 AI 硬件生态对 HBM、先进 GPU 和 CUDA 的依赖，撬动一个 10 万亿美元级产业链。

1. DeepSeek 的反常行为需要一个更大的解释

作者先列出 DeepSeek 看似“不赚钱”的反常行为：不推出有竞争力的编程订阅，不做多模态、语音和视频，长期开源，还公开分享核心技术。若按应用公司逻辑，这像是在烧钱；但作者认为，梁文锋盯着的是更大的奖杯：让 DeepSeek 自己冲击 1 万亿美元市值，同时帮助中国形成 10 万亿美元级 AI 硬件生态。

DeepSeek 的技术路线一直逆风而行：选择难训练的 MoE，发明 GRPO 替代 PPO，使用 RLVR 提升推理，多 Token 预测带来投机解码和更密集训练信号，做零气泡流水线并行，开源专家负载均衡器，发展 MLA、DSA、CSA、HCA 等注意力机制来压缩 KV 缓存，又通过 Engram 用内存换算力，通过 mHC 稳定超大模型训练。