Kimi 逆襲，硅谷紙貴

Fast Reading

■ 月之暗面發(fā)布了新一代模型Kimi K2 Thinking。與之同時引發(fā)熱議的，不僅是它在數(shù)學(xué)推理、代碼理解上的進(jìn)步，還有它背后的一個數(shù)字——460萬美元的訓(xùn)練成本。

■ 在估值5000億美元的“AI獨角獸之王”O(jiān)penAI面前，糧草彈藥薄弱的中國初創(chuàng)公司要想突圍，“硬剛”顯然不現(xiàn)實，只能另辟蹊徑、彎道超車。

■ 月之暗面正代表一種新型的AI力量——它不一定最豪華，卻可能最高效；不一定擁有最多資源，卻更懂得如何讓資源發(fā)揮最大價值。

10月的最后一個工作日，雪豹財經(jīng)社拜訪了月之暗面的北京辦公室。我們注意到，月之暗面的會議室都以樂隊命名：Pink Floyd、The Rolling Stone、Queen、The Beatles、Radiohead......

阿里有“光明頂”，百度有“昆侖”，它們講秩序與修煉；月之暗面卻更像一支正在排練的樂隊，崇尚自由、創(chuàng)新和反叛。搖滾樂在誕生之初，就是一種“低投入門檻”的音樂：它不需要復(fù)雜的錄音室或昂貴的樂器，一把破吉他、一套架子鼓就能表達(dá)強大的力量。

就在那次拜訪后一周，11月6日，月之暗面發(fā)布了新一代模型“Kimi K2 Thinking”。與之同時引發(fā)熱議的，不僅是它在數(shù)學(xué)推理、代碼理解上的進(jìn)步，還有它背后的一個數(shù)字——460萬美元的訓(xùn)練成本。

在一個大型AI模型動輒要花幾千萬美元、幾億算力小時的時代，這個數(shù)字顯得幾乎不真實。但它確實發(fā)生了——而且，類似的故事正在中國反復(fù)上演，它們共同指向一個事實：中國的AI產(chǎn)業(yè)正在進(jìn)入一個高效期：模型越來越強，但花的錢越來越少。

問題是，這意味著什么？

“中國效率”再次震撼硅谷

CNBC一則有關(guān)KimiK2 Thinking訓(xùn)練成本的報道，猶如巨石投入水面，業(yè)界一片嘩然。

460萬美元，還不到GPT-4訓(xùn)練成本的8%，甚至比DeepSeek披露的V3訓(xùn)練成本（租賃價，正式訓(xùn)練階段）560萬美元還要低。

而在性能上，Kimi K2 Thinking在Humanity‘s Last Exam、BrowseComp等部分權(quán)威基準(zhǔn)測試中，取得了媲美甚至超越GPT-5和Claude 4.5等頂級模型的表現(xiàn)。

長期以來，在人們的印象中，AI能力與天價資本支出之間似乎已形成了線性關(guān)系：更強大的模型，理應(yīng)對應(yīng)著更龐大的投入。

但Kimi K2和DeepSeek的出現(xiàn)都打破了這個邏輯，重建了一套新的敘事，徹底顛覆了傳統(tǒng)認(rèn)知。

雖然此后月之暗面創(chuàng)始團隊出面回應(yīng)：“這不是官方數(shù)據(jù)。訓(xùn)練成本很難計算，因為其中很大一部分用于研究和實驗。”但在巨大的成本差異面前，這個解釋并沒有稀釋業(yè)界的驚嘆。

Hugging Face聯(lián)合創(chuàng)始人Thomas Wolf 甚至發(fā)出靈魂拷問：“我們是否每隔幾個月就要經(jīng)歷一次‘DeepSeek 時刻’？”

與之形成鮮明對比的是，今年8月，OpenAI首席執(zhí)行官山姆?奧爾特曼（SamAltman）表示，未來公司將投入數(shù)萬億美元夯實AI基建，用于支持各項人工智能服務(wù)。而就在Kimi K2發(fā)布后兩天，甲骨文一筆高達(dá)180億美元的數(shù)據(jù)中心融資交易的消息公布。

兩相對比，海外媒體開始反思中美兩國在AI基礎(chǔ)設(shè)施投入和發(fā)展模式的差異。

CNBC預(yù)計，到2027年，美國將在數(shù)據(jù)中心上投入近7000億美元，而相比之下，中國的主要玩家，包括阿里巴巴、騰訊、字節(jié)跳動和百度，合計預(yù)期投入不到800億美元。也就是說，資本支出差距高達(dá)10:1，但系統(tǒng)性能卻基本相當(dāng)。

當(dāng)美國玩家在通過私人信貸和債券市場為龐大的數(shù)據(jù)中心融資時，中國同行正在靠效率取勝——使用更便宜的芯片、開源模型，以及需要更少資本投入的精簡基礎(chǔ)設(shè)施。

據(jù)一家國際媒體估算，Kimi K2 Thinking的API價格比OpenAI和Anthropic的同類模型便宜6到10倍，可能對企業(yè)的采用模式造成沖擊。

Thomas Wolf表示，Kimi K2 Thinking發(fā)布后，已成為該平臺上最受開發(fā)者歡迎的模型。

進(jìn)一步的質(zhì)疑在于，AI領(lǐng)域的游戲規(guī)則是否正在被改寫？

Interconnected Capital 創(chuàng)始人兼首席投資官Kevin Xu在接受CNBC采訪時表示，此前，人工智能領(lǐng)域幾乎所有的事情都是由硬件主導(dǎo)的，這就是為什么OpenAI、Anthropic能夠做它們所做的事情。但DeepSeek的進(jìn)化提供了在中國發(fā)展人工智能的另一種方式，即軟件主導(dǎo)。

如今，從DeepSeek、阿里巴巴的通義大模型，再到Kimi K2 Thinking，中國的大模型，正在通過開源策略和極致的成本效率，改變?nèi)斯ぶ悄茴I(lǐng)域的競爭態(tài)勢和格局。

Kimi K2 Thinking 為何“炸場”？

Kimi K2 Thinking之所以大受歡迎，原因很簡單：更聰明，但價格更低。

以每百萬Token的API調(diào)用成本來對比，K2 Thinking的輸入和輸出成本分別為0.15和2.5美元 ，GPT-5分別為1.25和10美元。

市場的認(rèn)知已經(jīng)被重塑：最實用的模型≠最貴的模型。

在過去很長一段時間，資金算力決定論是美國模式主導(dǎo)下的敘事邏輯。OpenAI、Anthropic、Google DeepMind們爭相掀起大模型“軍備競賽”，但錢燒得越來越快，模型進(jìn)步卻越來越慢。據(jù)美國投行摩根士丹利的估算，訓(xùn)練GPT-4的成本超過6000萬美元。

而在中國，我們看到的恰好相反：Kimi用幾十分之一的成本，達(dá)到了接近GPT的能力。

估值5000億美元的“AI獨角獸之王”O(jiān)penA，技術(shù)團隊規(guī)模幾千人，其中大部分是高薪挖來的專家，已部署超過10 萬塊NVIDIA H100 GPU，接下來還有1萬億美元的算力擴張計劃。而月之暗面估值33億美元，不及前者的1%，技術(shù)團隊只有200余人。

在這場完全不對等的對決面前，糧草彈藥薄弱的中國初創(chuàng)公司要想突破OpenAI們的銅墻鐵壁，“硬剛”顯然不現(xiàn)實，只能另辟蹊徑、彎道超車。

Kimi現(xiàn)階段的重點是：“充分壓榨每一張卡”，通過架構(gòu)優(yōu)化和成本控制換取最佳性能。

從燒錢競賽轉(zhuǎn)向效率競賽，這并非“中國效率”第一次給硅谷帶來“億點點”小小的震撼。

自去年年底DeepSeek R1橫空出世，在大幅降低推理成本的達(dá)到了與o1并肩的表現(xiàn)，國產(chǎn)大模型多次貢獻(xiàn)令人驚喜的表現(xiàn)。Qwen躋身Hugging Face模型下載榜單的Top 10，智譜（Z.ai）的GLM系列模型、MiniMax等也頗受海外用戶關(guān)注。

換句話說，中國AI創(chuàng)新在資源限制中不斷涌現(xiàn)。

“小米加步槍”的突圍邏輯

如果說 2022 年 ChatGPT 的發(fā)布標(biāo)志著“AI 啟蒙”，那么進(jìn)入2025年，中國AI在有限資源下涌現(xiàn)出的創(chuàng)新，用有限的算力榨出的極限性能，一次次向世界展示了中國團隊的技術(shù)實力。

AI創(chuàng)新不僅是算力競賽，也是效率競爭；AI的競爭不僅是“有多少錢”，也是“怎么用好每一分錢”。

Kimi和DeepSeek的崛起，讓全球觀察者重新審視一個老問題：為什么那些沒有寵大資金支撐的中國團隊，能在AI領(lǐng)域接連跑出黑馬？

答案或許可以概括為三點：技術(shù)哲學(xué)、資源稟賦、算法策略。

美國的大模型往往帶著“科研理想主義”的浪漫色彩——先設(shè)想一個理想系統(tǒng)，再投入海量資源去逼近。而中國的團隊更像是“工程現(xiàn)實主義者”——現(xiàn)有資源下的最優(yōu)解是什么。

DeepSeek 在去年引入了被稱為“稀疏激活”的技術(shù)，即模型在推理時并非激活所有神經(jīng)元，而是根據(jù)任務(wù)動態(tài)選擇部分網(wǎng)絡(luò)參與，從而將推理成本壓縮至原來的幾分之一。

Kimi K2模型第一次在超大規(guī)模的模型上采用了全新一代的優(yōu)化器，實現(xiàn)了2倍左右的效率提升。

11月5日，就在Kimi K2 Thinking發(fā)布的前一天，英偉達(dá)CEO黃仁勛在一場閉門會中斷言：“中國將贏下這場人工智能的全球競賽”。

重估中國AI基模的三重邏輯

是時候給月之暗面?zhèn)冎匦鹿乐盗恕Ｒ驗椋Y本市場正在慢慢意識到：AI公司的真正壁壘，或許不再是參數(shù)規(guī)模，而是單位算力產(chǎn)出價值（Compute Efficiency）。

對月之暗面?zhèn)兊膬r值重估至少有三重邏輯：

第一重，從“資本密集型”轉(zhuǎn)向“智力密集型”。不到500萬美元訓(xùn)練出能與GPT-4相抗的模型，意味著這家公司擁有一種新型技術(shù)杠桿，能在低成本條件下保持高速創(chuàng)新。這種能力本身就是資本市場最稀缺的資產(chǎn)——即高ROI的研發(fā)能力。

第二重，成本結(jié)構(gòu)可復(fù)制，商業(yè)化可預(yù)期。與那些動輒上億美元的模型不同，Kimi的成本意味著它的更新頻率更高、風(fēng)險更可控。這讓月之暗面具備了可持續(xù)迭代的模型。有點類似于服裝行業(yè)為應(yīng)對快速變化的市場需求而建立的柔性生產(chǎn)體系。

第三重，戰(zhàn)略位置：處于中國AI生態(tài)的關(guān)鍵節(jié)點。中國的AI產(chǎn)業(yè)正處在“算力去中心化”的關(guān)鍵階段。以阿里、字節(jié)為代表的巨頭，以Deepseek、月之暗面為代表的模型公司，正在形成一條從底層框架到應(yīng)用的“內(nèi)生循環(huán)”。DeepSeek和Kimi的出現(xiàn)，不僅補全了“高性價比模型”這一生態(tài)空白，也成為中國AI產(chǎn)業(yè)全球化的新樣板。它證明了，不依賴巨額算力投入，也能在技術(shù)上正面對標(biāo)國際頂級模型。

過去三年，AI 競爭的關(guān)鍵詞是“大”：參數(shù)更大、語料更大、訓(xùn)練集群更大。

但接下來，它會變成另一種邏輯：誰能以最少的資源，創(chuàng)造出最強的智能。

未來的AI競爭將不再是“硬件戰(zhàn)爭”，而是四個維度的綜合較量：數(shù)據(jù)效率——誰能用更少的數(shù)據(jù)訓(xùn)練出更通用的模型；算法創(chuàng)新——誰能讓模型學(xué)得更快、想得更深；推理成本——誰能讓AI的使用成本降到人人可負(fù)擔(dān)；場景融合——誰能最快把AI變成真實生產(chǎn)力。

中國的機會正在于此：在硬件上雖有短板，但在成本結(jié)構(gòu)、產(chǎn)業(yè)整合、場景落地上具備極強的實踐能力。

而像月之暗面這樣的公司，正代表著這種新型AI力量——它不一定最豪華，卻可能最高效；不一定擁有最多資源，卻更懂得如何讓資源發(fā)揮最大價值。

在這一新的周期里，決定勝負(fù)的不只是誰擁有更多芯片，還有誰能用有限的芯片做出最聰明的模型和應(yīng)用。

DeepSeek和 Kimi的幾百萬美元，也許不僅是一筆訓(xùn)練預(yù)算的數(shù)字，更是中國人在限制中也能持續(xù)創(chuàng)新的生動注腳。

作者 | 陳序?qū)?/p>

編輯 | 黃運濤

封面來源：kimi官網(wǎng)

End