太震撼了！梁文锋携DeepSeek团队丢出注意力新机制重磅论文，网友：这才是真正的OpenAI

DeepSeek发布了最新的研究成果——原生稀疏注意力。这项技术有望大幅提升下一代大语言模型处理长文本的能力，同时还能兼顾效率。

就在马斯克发布grok3，samaltman还在犹豫要不要开源时，刚刚梁文锋作为co-authors携deepseek研究团队丢出重磅研究论文成果，DeepSeek发布了最新的研究成果——原生稀疏注意力（NativeSparseAttention,NSA）！这项技术有望大幅提升下一代大语言模型处理长文本的能力，同时还能兼顾效率，可谓是LLM领域又一里程碑式的进展！

简单来说，论文的核心贡献如下：

LLM长文本能力再突破！DeepSeek发布原生稀疏注意力NSA：硬件友好又高效，训推一体化！

废话不多说，我们一起来扒一扒这篇论文：

先了解一下论文的背景

近年来，我们见证了长文本建模在AI领域的重要性日益凸显。无论是深度推理、代码库生成、还是多轮对话，都离不开模型对长序列信息的有效处理能力。像OpenAI的o-series模型、DeepSeek-R1、以及GoogleGemini1.5Pro等，都展现了处理超长文本的强大潜力。

然而，传统Attention机制的计算复杂度随着序列长度的增加而呈平方级增长，这成为了制约LLM发展的关键瓶颈。计算成本高昂，延迟成为问题，如何在保证模型性能的同时，提升长文本处理的效率，成为了亟待解决的难题

稀疏注意力应运而生，它被认为是提升效率，同时维持模型能力的有希望的方向。DeepSeek的NSA技术正是在这个方向上迈出了重要一步！

DeepSeekNSA：原生稀疏注意力，训推一体化，硬件友好

DeepSeek提出的NSA(NativeSparseAttention，原生稀疏注意力)机制，巧妙地将算法创新与硬件优化相结合，旨在实现高效的长文本建模。

NSA的核心亮点可以概括为以下两点：

1.动态分层稀疏策略：NSA采用了一种动态分层的稀疏策略，结合了粗粒度的Token压缩和细粒度的Token选择。这种策略既能保证模型对全局上下文的感知，又能兼顾局部信息的精确性

2.两大关键创新：

算术强度平衡的算法设计与硬件优化：NSA通过精巧的算法设计，并针对现代硬件进行了实现优化，显著提升了计算速度

端到端可训练：NSA支持端到端训练，这意味着它不仅在推理阶段高效，还能减少预训练的计算量，同时不牺牲模型性能！

实验效果惊艳：性能不降反升，速度大幅提升！

实验结果令人振奋！如图1所示，在通用基准测试、长文本任务和指令推理方面，使用NSA预训练的模型性能不仅没有下降，反而超越了FullAttention模型！

更重要的是，在处理64k长度的序列时，NSA在解码、前向传播和反向传播等各个阶段都实现了显著的速度提升，最高可达11.6倍！这充分证明了NSA在模型生命周期各个阶段的效率优势

现有稀疏注意力方法的局限性

论文也深入分析了现有稀疏注意力方法的局限性，主要体现在两个方面：

1.推理效率的“假象”：很多方法虽然在理论上实现了稀疏计算，但在实际推理延迟方面提升有限。这主要是因为：

•阶段限制的稀疏性：例如，有些方法只在自回归解码时应用稀疏性，但在预填充阶段仍然需要大量计算

•与先进Attention架构的不兼容性：一些稀疏注意力方法难以适配像MQA和GQA这样的现代高效解码架构，导致内存访问瓶颈依然存在

2.可训练稀疏性的“神话”：许多方法主要关注推理阶段的稀疏性，而忽略了训练阶段。这导致：

•性能退化：后验应用稀疏性可能导致模型偏离预训练的优化轨迹。

•训练效率需求：长序列训练对于提升模型能力至关重要，但现有方法在训练效率方面存在不足。

•不可训练的组件：一些方法引入了不可微的离散操作，阻碍了梯度传播，限制了模型学习最佳稀疏模式的能力。

•反向传播效率低下：一些理论上可训练的方法，在实际训练中效率低下，例如Token粒度的选择策略可能导致非连续的内存访问，影响硬件利用率。

NSA的核心组件：分层稀疏，逐层优化

为了克服上述局限性，NSA架构采用了分层Token建模，并通过三个并行的注意力分支处理输入序列：

1.压缩注意力(CompressedAttention)：处理粗粒度的模式，通过压缩Token块来捕获全局信息。

2.选择注意力(SelectedAttention)：处理重要的Token块，选择性地保留细粒度的信息。

3.滑动窗口注意力(SlidingWindowAttention)：处理局部上下文信息。

这三个分支的输出通过一个门控机制进行聚合。为了最大化效率，NSA还专门设计了硬件优化的Kernel

写在最后：

DeepSeek的NSA技术为长文本建模带来了新的突破。它不仅在性能上超越了传统的FullAttention模型，更在效率方面实现了显著的提升，尤其是在长序列场景下。NSA的硬件友好设计和训推一体化特性，使其在实际应用中更具优势，有望加速下一代LLM在长文本处理领域的应用落地。

这项研究无疑为稀疏注意力领域带来了新的思路和方向。未来，我们期待看到更多基于NSA技术的创新应用，共同推动AI技术的进步！

最后不得不在强调一下，梁文锋不仅是deepseekceo，很明显他还在研究的最前沿参与研究，这是令我最震撼的，他不仅有管理能力，而且还真正的懂AI，deepseek前途无量

各路网友都在喊，这才是真正的OpenAI。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。