DeepSeek在今天元旦发布了新论文，提出创新架构mHC，对市场有什么影响？先说我的观点：AI应用的正向催化。mHC（Manifold-Constrained Hyper-Connections，流形约束超连接）的技术突破在哪里？简单来说，它让模型在拥有极深、极其复杂的连接网络时，还能像简单的线性网络一样易于收敛。这解决了大规模模型在训练初期容易崩盘的问题。mHC对训练成本有什么影响？mHC的引入并不是为了直接减少单次计算的FLOPs，而是通过提高训练效率和成功率来隐性降低成本。大模型训练最怕中途报错，mHC显著增强了架构的鲁棒性，减少了因训练不稳定导致的成本。另外，mHC使得模型可以向更深、更宽的方向扩展，而不会触发指数级增长的优化难度。这意味着可以用同样的算力预算，训练出更深、逻辑能力更强的模型。另外，论文提到mHC结合了基础设施的协同优化，降低了传统超连接带来的额外内存负担，从而提升GPU显存的利用率。市场将如何演绎？去年DeepSeek V3发布时，市场的反应确实经历了一个“先极其恐慌、后集体反思、最后拥抱杰文斯悖论”的完整周期。在DeepSeek V3展示出极高性价比，紧接着 R1 以平民价格对标OpenAI o1后，市场在2025年1月27日迎来了著名的DeepSeek时刻，投资者当时最朴素的认知是：“如果DeepSeek只要2000张卡就能训出万卡集群的效果，那剩下的8000张卡卖给谁？”恐慌之后，关键的转折点在于Satya Nadella等大佬公开引用了Jevons悖论，随后市场进入新的共识：算法效率每提升1倍，人类就会追求比现在强n倍的模型，而不满足于现状。所以今年下半年开始，市场已经对这类算法突破产生免疫，甚至形成了正向预期，效率就是需求：只要发布更高效的架构（比如这次的mHC），市场的反应可能不是上游完了，而是AI应用的爆发要加速了。财经