DeepSeekが新AI「Engram」公開、VRAM節約へ“条件付きメモリ”提案 - NewsTomo

AIの大規模化で課題になりがちな「メモリ（VRAM）不足」を、設計から解きほぐす――DeepSeekが2026年1月13日（火）、新たな研究成果を示す共同論文とコード「Engram」を公開しました。

何が発表されたのか：カギは「conditional memory（条件付きメモリ）」

DeepSeek（世界有数のオープンウェイトAIモデルの開発チーム）は、巨大モデルを動かす際に必要となる貴重なビデオメモリ（VRAM）を大幅に抑えるための新しいアーキテクチャを提案しました。論文は創業者の梁文鋒（Liang Wenfeng）氏が主導したとされています。

中核となる技術は、論文内で「conditional memory」と呼ばれる仕組みです。ポイントは、AIの中身を大きく「ロジック（推論の骨格）」と「知識（大量の情報）」に分け、知識の大部分をより安価で扱いやすいハードウェア側に置けるようにする、という発想にあります。

RAGより“ほぼ即時”の検索体験を目指す

現在よく使われる手法として、外部データベースから関連情報を取り出して回答に反映するRAG（検索拡張生成）があります。ただ、RAGは実装や運用によっては「検索→取り込み→生成」の手順が重く感じられることもあります。

DeepSeekの説明では、今回の方式は知識ベースの検索がほぼ瞬時に行えるとされ、たとえるなら「質問を思い浮かべた瞬間、必要な本がページを開いたまま手元に現れる」ような体験だといいます。

公開されたコード名は「Engram」

DeepSeekはこの技術の公式コードを「Engram」として公開しました。論文は、Engramについて次のように述べています。

知識容量（知識を保持できる量）を効果的にスケールできる
知識集約型のタスクで性能向上が期待できる
学習（training）と推論（inference）の効率を高く保つ

私たちの体験はどう変わる？：安く、速く、会話を忘れにくく

ユーザー視点での含意はシンプルです。VRAMの制約が緩むほど、コストや遅延（待ち時間）の圧力は下がりやすくなります。さらに論文の狙いどおりに「知識アクセスが軽くなる」なら、長い対話の流れも扱いやすくなり、たとえば「50プロンプト前の話をちゃんと踏まえてくれる」といった体感改善につながる可能性があります。