【浙商-2026研报】计算机行业点评报告：DeepSeek提出Engram模块，通过条件记忆提升模型效率.pdfVIP

证券研究报告|行业点评|计算机

计算机报告日期：2026年01月13日

DeepSeek提出Engram模块，通过条件记忆提升模型效率

——计算机行业点评报告

投资要点行业评级:看好(维持)

2026年1月12日，DeepSeek在GitHub上发布了一项代号为“Engram”的最新研

分析师：刘雯蜀

究成果，并同步上传了题为ConditionalMemoryviaScalableLookup:ANewAxisof执业证书号：S1230523020002

SparsityforLargeLanguageModels（基于可扩展查找的条件记忆：大语言模型稀疏liuwenshu03@

性的新维度）的学术论文。分析师：刘静一

执业证书号：S1230523070005

liujingyi@

该论文提出了一种全新的Engram模块,试图解决“如何高效存储与提取知识”的难

题。查询速度更快了，计算成本降低了，还因为效率提升而增加了智能程度。分析师：郑毅

执业证书号：S1230524070002

1.查询速度更快。Engram模块是一个巨大的、可扩展的嵌入表（Embeddingzhengyi@

Table），专门负责存储静态知识（ConditionalMemory条件记忆）。Engram模块

相关报告

被嵌入到Transformer的主干网络中，与MoE层并行或交替工作，举例当模型

读到“张仲景”或者“四大发明”这种固定搭配时，直接通过哈希索引，在内存1《对DeepSeek新版本的几点

表中“查”出对应的向量，并且速度很快。期待》2026.01.11

2《2026年计算机行业风险排

雷手册》2025.12.29

2.计算成本降低。该论文也研究了高效分配算力资源，可以把千亿参数的Engram

3《国产算力破局时，应用爆发

词表，直接在便宜、量大、易扩展的“CPU内存（DRAM）”里进行查询。

启新程》2025.11.18

DeepSeek实测数据显示：即使挂载了100B（千亿）参数的Engram表到CPU内

存，相比于纯GPU推理，吞吐量的下降不到3%。

3.通过以上两点重大改变，模型的智能程度增加了，因为将更多的计算资源用于

推理，让大脑专注于更高维度的思考。另外，Engram在长文本领域的表现同样

证明了“分工”的价值，模型可以将“局部记忆”外包给Engram，Transformer

原本的