deepseek在1月最新的论文中提出了MoE + Engram融合，将模型能力拆分为动态计算的MoE和静态记忆的Engram两个独立且互补的双稀疏架构，实现了计算和记忆的双轨分离。这个架构机制不仅仅可以极大提升训练的效率，更重大的意义还在于极大减轻了端侧推理的算力和显存需求，因为多数知识根本不需要推理计算、只需要检索，这对自动驾驶行业显然也具有革命性的重大意义，特别是对车端来说，所带来的不仅仅是性能提升、更是成本革命！一些企业精心布局、研发、采购、装车的1000tops以上的算力芯片，也许会因为技术路线的锁定而在相当长一段时间内面临尴尬的境地，MoE + Engram融合的架构之下，可能用200tops的算力就可以超越原先2000tops算力才能达成的效果。我不清楚现有的各种智能驾驶的算力硬件方案，切换到这个MoE + Engram架构的难度，因为这涉及到软硬件底层的协同优化。也许接下去，能快速切换到MoE + Engram架构的厂商，可能将因成本红利和性能提升红利而将其它对手甩在身后。写着写着，突然想到一点：华为的昇腾应该是一直在跟deepseek做适配.....所以......好象..........嗯哼？！新能源汽车 智能辅助驾驶 自动驾驶 deepseek 华为乾崑智驾
