2024 年初的共识是，“Scaling Laws”终将撞上收益递减的物理与经济高墙，让高效、轻量的模型问鼎。总部位于杭州的 AI 巨头 DeepSeek 成为这一运动的标杆。它以远低于 GPT-4o 的成本训练出 V3 模型，让一代投资者相信软件层面的巧思可以绕过硅的收费站。
这一叙事在 2026 年 1 月 2 日发生了演变。
当科技界正聚焦于 CES 2026 的持续 keynote 和 xAI 高达 200 亿美元 E 轮融资时，DeepSeek 悄然发布了一份关于 DeepSeek-MHC（Manifold-Constrained Hyper-connections，流形约束超连接）的技术报告。这份报告不只是又一次模型更新。它是对定义了 2025 年的“算力护城河”（Compute Moat）理论的根本性挑战。它表明，“暴力式”扩展的时代——即通往智能的唯一答案是更多 GPU——正面临来自架构创新的结构性挑战。
分析鸿沟：资本支出陷阱 vs. 架构阿尔法
主流科技媒体目前痴迷于 OpenAI、Google 与 xAI 之间的“军备竞赛”。2026 年 1 月，Elon Musk 确认 xAI 计划打造一座百万 GPU 集群。这就是 Capex Trap（资本支出陷阱）：相信拥有最多变电站和最多硅片的一方默认获胜。该策略建立在“智能是算力的线性函数”这一假设之上，但 MHC 论文表明这个假设危险地过于简化。
DeepSeek-MHC 暴露了这套逻辑的缺口。DeepSeek 在 2025 年初已证明，前沿模型可以在约 5 万块 Nvidia GPU 的集群上以约 16 亿美元完成训练。这远低于当时西方超大规模企业正在建设的 100 亿美元集群。然而，MHC 论文暗示，即使是那 16 亿美元的支出，未来回首也可能被视为“暴力式”的。
这一鸿沟的核心在于 Manifold-Constrained ROI（流形约束投资回报率）。当硅谷用资本买下扩展瓶颈的通行证时，DeepSeek 正用高阶数学绕过它们。随着智能通过架构层面的“Alpha”变得愈发廉价，为 2027 年规划的千亿级数据中心有可能成为史上最昂贵的“搁浅资产”。这些设施为特定类型的工作负载而建，而 DeepSeek 正在让这类工作负载变得过时。如果 GPT-5 级别模型的负载能被 MHC 压缩 70%，那么 xAI 集群里额外的 30 万块 GPU 就不再是资产，而是负债。
技术深潜：流形约束超连接（MHC）
要理解 DeepSeek-MHC 为何威胁到 GPU 最大化主义的世界，分析师必须关注“互联瓶颈”（Interconnect Bottleneck）。在传统大模型中，层与层之间的数据移动往往比实际计算消耗更多能量和时间。当模型规模增长到 6000 亿甚至 1 万亿参数时，数据通信的“表面积”会爆炸式增长。DeepSeek-MHC 引入了一种新的神经通路连接方式，将这些“超连接”约束到一个低维流形上。
在标准 transformer 架构中，第 N 层的每个神经元都可能连接到第 N+1 层的每个神经元。这在数学上是穷尽的，但在物理上低效。流形约束超连接的核心原理是：高维空间中的大部分都是噪声。通过将高维数据投影到这些受约束的低秩流形上再进行通信，DeepSeek 将模型所需的网络带宽降低了近 70%。
这不仅仅是节省带宽；它关乎“统一计算”。它让 DeepSeek 在技术规格上落后 Nvidia 最新 Blackwell 超芯片两代的硬件上实现“前沿推理”。当西方模型可能需要 NVLink 5.0 织物的全部吞吐时，DeepSeek-MHC 仍能在较老的 H800 集群上保持性能。这才是真正的“主权 AI”打法：绕过封锁，而不是筑更高的墙。
此外，MHC 允许更高粒度的 MoE（Mixture of Experts，混合专家）。通过约束流形，路由可以在不付出大规模通信内核开销的情况下，更精确地决定激活哪位专家。这让模型在任意时刻都有 95% 的参数处于电气意义上的“黑暗”状态，却依然完全响应。
主权 AI 的失败：“算力贫民窟”
整个 2025 年，多个国家试图通过购买 5000 到 10000 块 GPU 的小型集群来建设“Sovereign AI”（主权 AI）。到了 2026 年 1 月，这些计划正面临相关性危机。它们既没有 xAI 的原始规模，也没有 DeepSeek 的架构“话语权”。它们被困在“算力贫民窟”中：拥有的硬件多到足以昂贵，却少到不足以智能。
国家集群往往受限于本地电网和缺乏定制软件内核。一座运行标准、未优化代码的 10000 块 GPU 集群，与杭州基于 MHC 的集群相比，实际上只能算玩具。由此造成的性能鸿沟让各国模型不可能跟上。主权模型的“文化重要性”很快被另一个事实压倒：DeepSeek 的模型速度快 5 倍，而且可以以极低的电费成本在本地运行。“主权 AI”的梦想是每个国家都拥有自己的炼油厂；现实是它们只拥有原油。
资本灭绝史：光纤繁荣的押韵
历史模式表明这是一种反复出现的现象。1990 年代末，“光纤繁荣”建立在互联网流量每几个月翻一番的信念之上。行业对技术的判断是对的，但对经济的判断错了。Global Crossing 等公司铺设了数百万英里的光纤，却要到十年后才被充分利用，彼时这些公司早已破产。
DeepSeek 正在通过强制智能商品化来重演这段历史。通过证明架构效率可以克服 10 倍的硬件规模劣势，他们正在颠覆 AI 行业的经济逻辑。他们所看重的“效率”不是为了省钱；而是为了让竞争对手的资本优势变得无关紧要。就像更高效的内燃机最终让“更多气缸”从标配变成小众需求一样，MHC 正在让“百万 GPU 集群”看起来像是一个衰落时代的纪念碑。
前瞻分析：2027 年 GPU 过剩
行业老兵现在正在警惕 Inference Cliff（推理悬崖）的逼近。到 2026 年底，全球生成高质量 token 的能力很可能超过人类消费它们的能力。这将导致“通用”算力价值的崩塌。随着 Blackwell 芯片涌入市场，较老的 H100 和 A100 集群将沦为“搁浅资产”。
市场很可能迎来一波“AI 云”破产潮，因为 200 亿美元投资的 ROI 无法实现。幸存下来的公司将是那些从“造模型”转向“捕获独特真实世界数据”的公司，或是走 DeepSeek 极端架构优化路径的公司。行业正在进入“效率寒冬”，唯一的取暖方式是少烧燃料。
灭绝的物理
DeepSeek-MHC 的发布揭示了 2026 年 1 月 AI 的现状。开发者无法靠“写代码”走出资本支出战争，但可以用代码移动球门。工程师可以是房间里最聪明的人，手握最优雅的数学，但行业正在走向一个二分化的未来：一方拥有电网，一方拥有数学。
主权 AI 的失败并非因为缺乏人才。它失败是因为“最低可行智能”现在需要的垂直整合程度，是大多数国家无法企及的。正如 Sovereign AI Arms Race 分析中所指出的，算力已成为新石油，而炼油厂只有真正理解燃料化学的人才能直接启用。效率神话已被揭穿：它从来不是绕过硬件竞赛的捷径，而是继续留在牌桌上的入场费。即便是 DeepSeek-V3 的突破，也只是 MHC 革命的序曲。
最终结论很明确：草根逆袭的时代结束了。AI Industrial Complex 的时代——数学与机器熔铸为单一经济武器——已经开始。如果你不拥有流形，你就不拥有模型。
🦋 Bluesky 讨论
在 Bluesky 上讨论