科技巨頭 DeepSeek 在元旦投下「AI 底層架構」超級震撼彈，發布劃時代論文《流形約束超連結》（Manifold-Constrained Hyper-Connections, mHC），震動全球 AI 投資。
最關鍵的是：該論文的共同作者名單中，赫然可見 DeepSeek 執行長梁文鋒（Wenfeng Liang）親自掛名。這位極少在技術文件露面的 CEO「御駕親征」，明確指向 DeepSeek 本次創新目標——徹底終結由 AI 教父何愷明團隊於 2016 年提出的舊時代霸主：ResNet（深度殘差網路）架構。
AI 舊時代終結？挑戰何愷明「神作」的背後危機
ResNet 的核心「恆等映射」（Identity Mapping），被譽為深度學習領域的基石級神來一筆。它如同在複雜網路中建了一條高速「直達車道」，確保 ChatGPT、DeepSeek 等巨型模型得以穩定運行。
然而，隨著模型規模朝兆級參數狂奔，這條「單一通道」已成為 AI 進步的致命瓶頸！學術界雖曾祭出 HC（超連結）架構，試圖擴展為「多通道」解放潛能，卻引發更恐怖的穩定性危機。
在 HC 架構中，訊號傳輸猶如失速列車，數據顯示其增益峰值竟飆升至驚人的 3000 倍，造成「訊號大爆炸」！這使得模型損失值（Loss）隨時可能暴衝，宣告 HC 根本無法用於最需要穩定的頂級大規模模型。
「數學交警」如何拯救 AI 列車？
面對 AI 架構的「車禍現場」，DeepSeek 團隊選擇了更高維度的數學優雅解方。
mHC 的核心邏輯，就是替多通道架構加上嚴格的「流形約束」，猶如為網路訊號聘請了一位精通高深數學的「AI 交通警察」。
DeepSeek 的解方，是巧妙運用「雙隨機矩陣」（Doubly Stochastic Matrix）規則，搭配 Sinkhorn-Knopp 演算法，為訊號戴上「緊箍咒」。這強制實踐了嚴格的「能量守恆」：保證無論訊號如何混合，流入的總量必須精確等於流出的總量。
這項突破同時達成了 ResNet 時代無法想像的兩大目標：
- 性能爆發： 保留多通道互聯帶來的海量資訊豐富度，實現潛能極大化。
- 穩定壓制： 將訊號嚴格鎖定在安全的範圍內，完美致敬並超越了 ResNet 當年對「恆等映射」的追求。
穩定性從 3000 狂降至 1.6 成本僅增 6.7%
理論必須接受「市場」檢驗。mHC 的實測成果，直接指向未來 AI 軍備競賽的勝負手：
- 穩定性秒殺舊架構： 原本 HC 架構的訊號增益峰值高達 3000，在使用 mHC 後，該數值被死守在僅約 1.6！這不是改良，這是結構性碾壓，保證了下一代巨型模型的訓練不再「炸爐」。
- 性能逆襲： 在 27B 參數的大型模型測試中，mHC 不僅穩定如磐石，其效果更超越了標準版模型，在 BBH（邏輯推理）和 DROP（複雜問答）等高難度領域，展現出壓倒性的提升。
更驚人的是，DeepSeek 展現了極致的「摳門」工程實力。透過「運算子融合」、「重計算」和「通訊重疊」等一系列複雜優化，將多通道擴展帶來的額外訓練時間開銷，硬生生控制在僅有 6.7%。
DeepSeek 團隊在應用浪潮中，仍堅持「重鑄地基」。mHC 架構的問世，宣告了 AI 基礎架構迎來革命性升級，這將是 DeepSeek、GPT 等巨頭打造下一代超級 AI，並在市場上取得絕對競爭優勢的關鍵基石。
新聞來源 (不包括新聞圖片): 鉅亨網