DeepSeek与北大联合提出"查算分离"技术：Engram如何重构大模型记忆架构

引言

2026年2月5日，大模型技术领域迎来了一项备受瞩目的技术突破。DeepSeek与北京大学联合发表论文，提出了一种名为Engram的创新技术架构，其核心思想是"查算分离"（Retrieval-Computation Decoupling）。这一理念的提出，为解决大模型在处理静态知识时面临的效率瓶颈提供了全新的思路。

何为"查算分离"？

传统的Transformer架构将知识存储与推理计算紧密耦合，模型在推理过程中需要反复访问庞大的参数空间来获取知识，这不仅造成了计算资源的浪费，也限制了模型对知识的灵活运用能力。

Engram架构的核心创新在于将知识存储与推理计算进行明确分离。它引入了外置的记忆模块，专门用于存储那些"静态、常见、局部"的知识内容。当模型需要进行知识调用时，不再依赖参数空间的检索，而是直接从记忆模块中进行查询。

技术架构解析

Engram的技术架构可以分为三个主要部分：

1. 记忆模块（Memory Module）
这是Engram的核心组件，用于存储经过预先处理的知识片段。与传统知识库不同，Engram的记忆模块采用了高维向量索引技术，能够实现毫秒级的知识检索。

2. 查算协调器（Coordinator）
负责判断用户的查询需求应该通过计算还是查询记忆模块来满足。这一组件的设计极其关键，它决定了系统的整体效率。

3. 推理引擎（Inference Engine）
专注于处理需要动态推理的任务，而不再承担大量知识存储的负担。

性能提升显著

根据官方公布的数据，采用至强处理器和AMX加速技术后，Engram架构的性能提升达到了1.67倍。这一成绩对于大模型领域而言具有重要的参考价值，证明了"查算分离"理念在实际应用中的有效性。

对行业的影响

Engram技术的提出，为行业带来了几点重要启示：

1. 架构创新比参数堆砌更重要
过去一段时间，行业似乎陷入了"参数竞赛"的怪圈。Engram的出现提醒我们，通过架构层面的创新，同样可以实现性能的飞跃。

2. 垂直整合的价值
DeepSeek与高校的深度合作模式，为产学研结合树立了典范。这种模式能够快速将学术研究成果转化为实际生产力。

3. 国产技术正在走向前沿
从同日发布的另一则新闻来看，中国AI模型在多个维度已经能够与国际顶尖水平抗衡。Engram的出现进一步印证了这一点。

未来展望

虽然Engram目前仍处于技术探索阶段，但其所代表的"查算分离"理念无疑为大模型技术的发展指明了一个新的方向。我们有理由期待，在不久的将来，这一技术能够在更多的实际场景中得到验证和应用。

同时，我们也需要清醒地认识到，技术创新是一个长期的过程。Engram虽然展现了良好的前景，但距离大规模商业化应用仍有诸多挑战需要克服。这需要研发团队持续的投入和行业的共同努力。

结语

2026年才刚刚过去一个多月，AI领域已经出现了多项值得关注的进展。Engram作为其中之一，体现了中国AI企业在基础技术创新方面的决心和能力。我们期待在未来看到更多这样的技术创新，为AI产业的发展注入新的活力。