CPU2服务器中枢大脑需求的拐点东北计算机2026

2026年1月13日凌晨，DeepSeek在GitHub悄悄上传了一篇署名梁文锋的新论文《Conditional Memory viaScalable Lookup》。 在DeepSeek V4架构中的核心角色重构：在传统大模型架构中，CPU仅承担数据传输、任务调度等边缘辅助工作，核心的知识存储与推理计 CPU（2）：服务器中枢大脑，需求的拐点【东北计算机】 2026年1月13日凌晨，DeepSeek在GitHub悄悄上传了一篇署名梁文锋的新论文《Conditional Memory viaScalable Lookup》。 在DeepSeek V4架构中的核心角色重构：在传统大模型架构中，CPU仅承担数据传输、任务调度等边缘辅助工作，核心的知识存储与推理计算全由GPU包揽，导致CPU的算力与内存资源被严重闲置。 而DeepSeek V4通过Engram条件记忆模块，重构了CPU的角色定位，让CPU成为静态知识的专属存储与检索中枢。 其核心逻辑是将占模型80%参数容量的静态知识（如常识、公式、法律判例等）从GPU显存中抽离，转移到CPU内存中。 当模型需要调用这类固定知识时，CPU通过多头哈希算法实现秒级检索，同时与GPU的推理计算并行推进，彻底掩盖了数据调取的延迟。 我们认为这种重构让CPU从“旁观者”变成了AI运行的关键支柱，释放了GPU的算力使其专注于动态推理，同时激活了CPU在大规模数据存储与高效检索上的天然优势，成为架构优化的核心突破口。 主导的存储迁移，AI部署成本大幅降低的核心推手：DeepSeek V4能实现90%的部署成本降幅，核心在于CPU主导的“显存–内存”存储迁移。 传统千亿参数大模型依赖8张英伟达A100显卡，本质是需要GPU的高容量显存承载海量静态知识；而DeepSeekV4让CPU内存承接这一核心需求，仅需1张消费级显卡+ 4根64G内存条（约1200美元）即可运行。 这一转变的关键在于CPU内存的高性价比优势：相比GPU的HBM显存，CPU内存（DDR系列）不仅单价更低，且扩容灵活性更强。 此外，CPU还能联动SSD存储，进一步降低高频内存的占用压力，形成“CPU内存+ SSD”的分层存储体系，从硬件成本源头实现了AI部署的普惠化。 我们认为CPU在DeepSeek V4中的核心应用，正在打破AI行业对GPU的绝对依赖，重塑整个AI基础设施的竞争格局。 DeepSeek V4证明，CPU内存同样能支撑大模型运行，且成本仅为GPU方案的1/10。 同时，CPU的通用性优势让AI基础设施摆脱了“高端GPU绑定”：普通服务器、消费级PC只要具备大容量内存，就能成为AI部署节点，极大降低了AI技术的落地门槛。 更重要的是，CPU主导的架构优化推动行业从“堆GPU显存”的粗放式发展，转向“CPU+GPU协同优化”的精细化发展。 相关标的：海光信息、禾盛新材、龙芯中科等；CPU上游：华大九天、华正新材等；服务器：中科曙光、浪潮信息、紫光股份等 风险提示：政策进展不及预期；下游需求不及预期等。