过去几年，大模型进化几乎被一个结构主导：Transformer。
从GPT到LLaMA，从Claude到Gemini，参数规模不断膨胀，但底层逻辑鲜有根本变革。
直到最近，DeepSeek团队发布一篇论文，从一个长期被忽视的问题入手，对Transformer的“能力边界”提出全新解法。
这不是常规性能优化，而是一次对“模型如何记住知识”的深刻重构。
大模型应“记住”，而非反复“计算”
Transformer已成为大模型默认架构，但梁文锋提出一个朴实却颠覆性的问题：
如果模型面对的是训练中反复出现的稳定知识，为什么还要每次重新计算？
整篇论文围绕这一核心展开。
Transformer的局限：并非“不够强”
论文开头并未否定Transformer的成功。梁文锋明确指出：Transformer在表达能力和上下文建模上，仍是最有效结构之一。
问题在于，其设计初衷是“建模关系”，而非“存储知识”。
现有架构下，所有信息——无论固定事实还是临时推理——都被压入注意力机制反复计算。
结果：模型“思考”时，同时处理大量“本可避免”的冗余运算。
核心观点：记忆与计算应分离
梁文锋的关键洞见：静态、高频、可复用信息，不应每次通过注意力重新推导。
为此，他引入全新模块：Engram。
Engram并非外挂知识库，而是模型内部组件。其作用明确：
- 记录训练中反复出现的稳定模式
- 以近似确定性方式快速匹配检索
- 在合适场景下，直接提供结果给主模型
于是，面对某些输入，模型不再通过多层注意力“算出”答案，而是判断：“这是否已存储，可直接调用？”
为什么这一步至关重要？
论文强调：注意力机制算力成本高企。对于高度确定信息，继续使用注意力本质是浪费。
这种浪费带来三重后果：
- 算力无效占用
- 表达空间被静态知识挤压
- 长上下文性能明显下降
引入Engram，本质是将“不需思考”的内容，从“思考通道”中分离。
实验结果：推理能力被“释放”
梁文锋未追求“碾压式”指标，而是严格控制变量：在相近参数与计算量下，搭载Engram的模型，在多项语言理解与推理任务中，稳定优于纯Transformer或MoE对照组。
论文证明的不是“模型多强”，而是更深结论：显式记忆结构存在时，推理能力反而得以释放。
梁文锋的长期关切
工程层面，这可视为效率优化。但从论文论证看，梁文锋更在意长远问题：大模型是否需如人类般，区分“记住的知识”与“正在思考的内容”？
他的答案是肯定的：Transformer专注推理，Engram专注记忆，各司其职。
写在最后
这篇论文的价值，不在于复杂新模块，而在于直指一个被默认接受、却可能不合理的前提——一切交给注意力解决。
随着模型规模扩大，这一前提代价将愈发高昂。
论文未给出终极答案，但开辟了一个重要方向：让大模型真正“记住”，而非永远“现算”。
若这一方向成立，其影响将超越DeepSeek，塑造整个大模型架构的下一演化阶段。