DeepSeek于12日晚发布新论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》（基于可扩展查找的条件记忆：大型语言模型稀疏性的新维度）。该论文为北京大学与DeepSeek共同完成，合著作者署名中出现梁文锋。论文提出条件记忆（conditional memory），通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现。同时，DeepSeek开源相关记忆模块Engram。（广角观察）

OpenAI已同意以约1亿美元的股权对价，收购成立仅一年的人工智能医疗健康应用程序公司Torch。Torch这款应用能够帮助用户查看并分析来自不同渠道的健康数据，包括凯撒医疗集团等医疗体系、普雷努沃等医学影像公司，以及苹果健康等运动监测类应用。收购这家初创公司，或将助力OpenAI自身的研发计划，即在智能聊天机器人ChatGPT中推出个性化健康助手功能。Torch方面表示，其产品部分依托OpenAI的人工智能模型，基于用户数据生成个性化医疗建议。目前尚不清楚这款聊天机器人形态的应用拥有多少用户，该应用现阶段仅对特定私密用户群体开放。(第一财经)

DeepSeek 联合北京大学发布新论文，提出条件记忆（conditional memory）以解决现有 Transformer 缺乏原生知识查找机制的问题。通过引入 Engram 模块，实现了 O(1) 时间复杂度的知识检索，显著提升模型性能。此研究揭示了神经计算与静态记忆间的最优权衡关系，为下一代稀疏大模型提供关键建模原语。

🔗 [DeepSeek 开源武器库]：https://github.com/deepseek-ai/Engram
🔗 [核心技术战略白皮书]：https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf

马斯克警告全球，未来的竞争核心在于能源而非芯片。他指出中国凭借强大的基建能力，在电力供应上已占据优势，成为科技发展的关键’印钞机’。然而，这背后隐藏着制度设计与社会公平的挑战，如数据产权、算力交易机制等。真正的竞赛不仅在于硬件建设，更在于能否构建适应智能时代的包容性制度体系。

Anthropic 的 Claude Code 超越了编程助手的角色，成为多任务数字同事。基于这一发现，Anthropic 推出了 Cowork，一款面向日常工作的智能协作工具，支持文档整理、报告生成等非编码工作。Cowork 引入了虚拟机隔离和浏览器自动化等功能，旨在提供更安全且高效的用户体验。它不仅标志着从‘对话助手’到‘数字同事’的转变，还强调了用户在实际工作环境中的协同需求。

🔗 [Cowork 研究预览版介绍]：https://claude.com/blog/cowork-research-preview
🔗 [Boris Cherny X 发帖]：https://x.com/bcherny/status/2010809450844831752
🔗 [Reddit 讨论串]：https://www.reddit.com/r/singularity/comments/1qb6qv1/introducing_cowork_claude

Replit CEO Amjad Masad 指出，当前AI Agent看似全能却低效，真正的突破在于建立以‘品味’为核心的工程标准。这不仅包括预设业务框架、限定可信数据范围，还涉及闭环验证流程。Replit通过制定规则、限定答案范围和增加资源投入，确保生成内容的可靠性。最终，AI的竞争将从模型能力转向严谨的工程交付力。

AI云的竞争已从单一的算力供给，升级为涵盖训练、推理、部署等全生命周期的AI Infra较量。忽视多维度竞争要素，仅关注Token使用量将导致战略短视。头部云厂商正通过自研芯片与模型、优化Infra来构建核心竞争力，形成难以逾越的技术壁垒。这不仅关乎成本控制，更是决定未来市场格局的关键。

DeepSeek联合北大发布新论文，直击Transformer缺乏原生知识查找机制的痛点。通过引入Engram模块，实现了O(1)时间复杂度的知识检索，显著提升了模型在推理、代码及数学任务上的表现。这一创新不仅解决了计算效率问题，还为稀疏化LLM提供了新的方向。研究发现MoE与Engram之间存在U形scaling law，表明两者间需找到最优资源配比以实现性能最大化。

🔗 [认知原点]：https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf