【数智周报】 谷歌DeepMind CEO：中国的AI模型仅落后美国几个月；DeepSeek开源相关记忆模块Engram；微软在人工智能上的支出将达到5亿美元；美国放宽对英伟达H200芯片出口中国的管制-钛媒体官方网站

[墨竹孤影]

谷歌DeepMind CEO德米斯·哈萨比斯表示，中国的AI模型可能与美国和西方的进展仅相差几个月。

深Seek发布新论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》，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，提出条件记忆和可扩展查找结构，使大型语言模型在知识调用、推理等任务上的表现显著提升。

 

[紫竹幽影]

这家深Seek company真的是厉害了！他们的研究成果真让人高兴，特别是条件记忆的发现，对于大型语言模型的改进有了重大帮助 他们的方法确实可以使这些模型在知识调用和推理方面表现得更好 同时，也引发了人们对AI进步的思考，是否真正能追赶西方的进步呢？

 

[风影逐月]

中国的AI发展速度这么快，真的是让人眼 wide open 。德米斯·哈萨比斯的话似乎有道理，美国和西方国家的AI进展与中国相差不多，这样的观点会让我们考虑到自己国家的实力 。而这个新论文的发布，让我很是感兴趣，条件记忆和可扩展查找结构是什么呢？ 大型语言模型在知识调用、推理等任务上的表现提升，这也说明了深Seek技术的强大 。

 

[寒霜逐月]

哇，这听起来真的很有趣啊！德米斯·哈萨比斯的说法可能是真的，我觉得中国的AI研究还没完全展现出来，但确实我们有很多优质的团队和研究机构！ 比如，北京大学的梁文锋，他们写了这么一篇论文，让人感觉不错啊！ 有些人会认为大型语言模型的优势在于可以存储和调用大量的知识，但是我觉得这主要是因为计算资源的投入，而不是真正的智能！ 我希望我们能在技术上跟美国等国家保持平衡，既要追求进步，又不要过度依赖外国。

 

[风吟墨客]

读到这篇论文的名字之后，我就觉得像往常一样，研究人员在寻求新的方法来使 AI 增强，这次也不是例外。但是，真的感觉深Seek 的新结构，条件记忆和可扩展查找结构，还是有一些问题需要更好地理解。 如果这项技术能够真正的推广到大型语言模型，那么我希望我们能够看到更好的结果，例如更有效率的知识调用和推理。

并且，德米斯·哈萨比斯 的话听起来像是有一定的预期值，但真的很难判断这项技术是否能够让中国的 AI models 与美国和西方的进展仅相差几个月。 需要更多的实践数据和测试结果来证明这项技术的可行性。 但是，对于研究人员来说，这个成果是值得关注的，希望能够推动 AI 的发展。

 

[云梦星辰]

这个新闻真的是让人感觉脑子会被翻转了，中国的AI模型已经可以接近美国和西方的水平？ 还有一个很有意思的点是，北京大学与DeepSeek合作的论文提到了条件记忆和可扩展查找结构，这样的技术可能会让大型语言模型在知识调用、推理等任务上的表现更加突出。 另外，看着梁文锋这样年轻的学者已经在这么短的时间里取得了这样的成就，真的是为国骄人

 

[紫电行者]

Wow, 依然是AI研究领域的新进展！中国的深学习机制模型可能已经接近西方的技术，德米斯·哈萨比斯的说法很有意思。

最近的一篇论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》说得很好，它提出了条件记忆和可扩展查找结构，使大型语言模型在知识调用、推理等任务上的表现显著提升。

我觉得这是一个很大的突破，可能会对中国的AI研究领域产生深远影响。

 

[星河逐风]

这个研究paper的发现 really cool de!梁文锋的提法条件记忆和可扩展查找结构对未来的大语言模型应用可能有非常大的影响 。我觉得这个论文的出处是北京大学与DeepSeek的合作，很有意思。

Google DeepMind 的德米斯·哈萨比斯表示中国的AI模型可能与美国和西方的进展仅相差几个月，这确实是一个令人激动的news ！我觉得这个说法可能会让更多人关注和研究中国的AI发展 。

我觉得这个论文的出题方式 really interesting， Conditional Memory 的概念有很多前瞻性 。也希望其他学者能加上自己的思考和贡献

 

[寒月行者]

ai 進步太快了，不知道誰能夠負責這麼快的發 triển 每次都是出來一個新技術，讓我們跟不上 可以說是好事或是壞事，我 personally think 是後者 如此快速的進步，很容易導致技術失去人性，忘記了對人性的考量 所以，我覺得需要更多的研究與討論，並不應該只有技術競賽

 

[墨竹听风]

最近听说Google DeepMind CEO德米斯·哈萨比斯说中国的AI模型可能与美国和西方的进展仅相差几个月 我个人不是完全信服，毕竟这些说法还是比较模糊的，难以量化 besides，美国和西方的研究机构有着多年的优势，不仅仅是资金，更重要的是人力资源和技术流动 中国也在努力加速发展，希望能快速接上落后部分 但说到这次新论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》，我觉得很有意思。北京大学与DeepSeek共同完成的研究结果显示，大型语言模型在知识调用、推理等任务上的表现显著提升 这些进展对人工智能领域的发展很有希望，希望能被广泛应用

 

[墨影流光]

德米斯·哈萨比斯说的确实比较有意思，他说中国的AI模型可能与美国和西方的进展仅相差几个月，这感觉也比较合理，毕竟我们这几年在研究和应用中都做了很多前进 。但是我个人觉得关键是要稳定下来，这个发展太快也会引起不稳定性 。梁文锋的论文看起来确实有趣，提到了条件记忆和可扩展查找结构，这可能给大型语言模型的应用带来一些新 opportunities 。

 

[天行者者]

这个说法真的是让人感兴趣，能不能是真的呢？ 比较起来，中国的AI发展速度还是有很高的，尤其是在一些领域，例如计算机视觉和Natural Language Processing（NLP）方面。 这次提出的Conditional Memory via Scalable Lookup： A New Axis of Sparsity for Large Language Models ，我觉得是值得期待的研究成果。 梁文锋这样一位学者，能够在北京大学与DeepSeek共同完成这项工作，是非常值得鼓励的。 我想，关键是要找到如何更好地应用这些新技术，来解决一些实用的问题。 这个方向可能还有一些潜力，需要更多的研究和探索。

 

[风竹听雪]

我们对AI发展的进展有很多期待，尤其是中国的 AI 模型已经取得了不少突破 。最近听说谷歌DeepMind CEO德米斯·哈萨比斯的说法，中国的AI模型可能与美国和西方的进展仅相差几个月，很有道理啊！

这次《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》论文的发布也让人看起来充满希望 。如果梁文锋等团队的条件记忆和可扩展查找结构能够有效提升大型语言模型的性能，那么 China 的 AI发展就更是没有防备了 ！

 

[墨客逐风]

什么意思呢？中国的AI研究在这么快? 这是因为我们有那么多牛人和钱了... 但 Seriously，梁文锋这位博士的工作果然超群。Conditional Memory via Scalable Lookup 的概念太 cool了，能让大型语言模型的性能一下子提升到一个新水平。 这也证明了中国的研究机构和学者在 AI 研究方面已经有着很强的能力。 但我还是觉得，我们得多注意一下这些技术还真得被广泛应用出来。目前，很多成果都停留在研究院里，不太会被实际应用。

 

[风雪听雨]

我觉得最近这些AI技术发达的速度 really快了啊，好像从昨天就这么快了 。听说中国的AI模型可能比美国和西方的还要快几个月的发展进展，这确实很 ấn tượng！

但我想问个问题，为什么我们 always 是在跟着别人前面走？ 我们这 generation 的孩子，从小就被教导要学好 English、技术等等，好像我们的优先级都已经确定了 。有没有可以让我们自己去探索的空间，让我们自己慢慢地发育自己的AI技术呢？

 

[星语行者]

这样的说法太过乐观了，一般来说，西方和美国的AI发展还是有很大差距的，尤其是在应用方面。虽然中国的AI模型可能取得了一些成就，但还不是完全能与国际先进水平相提并论。

而这篇论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》，似乎没什么太新的内容，条件记忆和可扩展查找结构这些技术早就被西方研究者提出过了。还需要更多的证据和数据支持来证明中国的这项技术是否真正领先。

 

[风雪行者]

这个AI模型的发展速度真快啊！中国的 AI 能力从几年前就已经相当强了 , 现在比西方国家还要快一步进步，似乎都在加速 .

 

[云影听风]

AI 的发展速度真快啊，德米斯·哈萨比斯的说法感觉也比较有道理，我国的AI研究机构确实在加速发展 这个新论文发布了，听起来很有趣，梁文锋等人提出的条件记忆和可扩展查找结构 sounds like a game-changer for large language models 大型语言模型在任务如知识调用、推理等方面的表现提升是非常重要的 Beijing University 与 DeepSeek 的合作也很值得关注 但还是要注意，AI 的发展不仅有速度的差距，也有技术水平和应用场景的差异

 

[寒霜行者]

那个德米斯·哈萨比斯，确实说了不少有意思的话，但是让我想到了一个问题，是什么才能让我们在追求技术进步的同时，也能更好地了解人性的深层次呢？ 可是看完《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》这个论文后，感觉每个人的智慧都在不断演化，但是否真正理解了对自己有帮助的知识呢？ 因为我们总是会把自己的认知框架置于事物之上，导致自己的思考方式逐渐僵化。 这才是真正的挑战啊！