上周五深夜，月之暗面发布 Kimi K3。此后的 48 小时，全球 AI 行业的平静被彻底打破。
英伟达单日蒸发 1111 亿美元，Anthropic 连夜推翻涨价计划，紧急给用户发补偿。硅谷吵成一团。
总统科技顾问说 " 照此以往美国会输掉 AI 竞赛 "，OpenAI 的高管则怒斥开源是 "AI 共产主义 "。与此同时，月之暗面自己也被打了个措手不及：用户请求量远超预估，算力告急，不得不暂停新用户订阅。
背后原因在于，K3 此时的发布同时击穿了三样东西：技术能力上追平全球前三，成本上做到对手的一半，路线上用开源挑战闭源。但贯穿所有冲击波的一条共同主线是，当 " 足够好 " 变得足够便宜，前沿 AI 的溢价还能撑多久？
RL Scaling 的第一次大规模兑现
要理解 K3 为何能引发如此剧烈的震荡，得先回到 2024 年。当时杨植麟在内部小范围分享了一个叫 K0-Math 的模型，它不靠死记硬背刷题，而是像人一样做完题自己检查、自己纠错，把改错的过程变成经验。这个模型的数学成绩超过了 OpenAI 当时最强的 o1。
杨植麟当时提出了一个判断：下一个 Scaling Law 不是堆更多数据和算力，而是 Reinforcement Learning Scaling（RL Scaling）。传统路径让模型 " 背答案 "，RL Scaling 让模型 " 学会怎么解题 "。
K3 正是这个理念的第一次大规模生产级落地。
具体到技术层面，K3 的参数规模达 2.8 万亿，采用稀疏 MoE 架构，896 个专家每次仅激活 16 个，这是目前全球最大的开源模型。它的 KDA 混合线性注意力机制，让百万 token 级别的长文本解码速度提升 6.3 倍；Attention Residuals 技术使训练效率提升约 25%，额外成本不到 2%。
但最具突破性的是 " 视觉闭环 "，它将 RL Scaling 从纯数学扩展到带视觉反馈的全场景。K3 写完代码后哪里不对可以自己改，形成 " 生成—观察—迭代 " 的完整工作流。它的技术报告展示了两个 Demo：从零写了一个可骑马的 3D 开放世界游戏），以及从 56 段原始素材中自主剪辑发布预告片，帧级精准节拍同步。
更值得关注的是，Artificial Analysis 的测评显示 K3 的幻觉率比上一代 K2.6 反而上升了。对于一个定位长程编程和知识工作的模型来说，一次关键决策上的幻觉可能摧毁整条链路。此外，K3 对部署框架要求极高，切换环境后表现可能判若两模；任务模糊时还倾向于 " 过度主动 "，替用户做决定而非先确认意图。
这些短板其实也在说明，K3 不是最强的模型，但它是最强性价比的模型。而 " 足够好 " 加上 " 足够便宜 "，恰恰是最能动摇定价权的组合。当消费者发现一个开源模型能完成前沿闭源模型绝大多数任务、成本却只有后者一半时，稀缺定价的根基就开始松动了。
华尔街的 "DeepSeek 2.0 时刻 "
市场对 " 足够好 + 足够便宜 " 的反应，比任何人预想的都更猛烈。
K3 发布后的首个交易日，英伟达单日市值蒸发约 1111 亿美元，下跌 5.3%。费城半导体指数一周跌 12.5%，跌入技术性熊市。72 小时内美股 AI 板块蒸发约 4700 亿美元，全球科技股 3 日蒸发超 3 万亿元。摩根大通策略师在报告中直接称之为 "DeepSeek 2.0"。
市场恐慌原因在于，如果 K3 以远低于美国同行的成本就能追平前沿，英伟达 GPU 需求的 " 无限增长假设 " 还站得住吗？如果模型能力的提升不再需要无止境地堆算力，那么整个 AI 产业链的估值逻辑都需要重写。
但华尔街内部并非铁板一块。摩根大通建议买入 AI 芯片股的回调，认为恐慌过度；摩根士丹利更看好超大规模云厂商而非芯片公司，认为算力需求结构正在变化；高盛则定性为 " 去杠杆事件 "，其合伙人甚至直言 " 算力扩张时代或已走到尽头 "。
分歧的本质在于：模型能力的 " 贬值 " 会不会拖垮整条产业链？
K3 引发的资本震荡不止于股价波动。它正在迫使市场系统性重估整条 AI 产业链的价值分配：
算力层短期承压，但更便宜的模型可能刺激更多推理需求。杰文斯悖论正在 AI 领域重现：效率提升反而带来需求增长。
模型层定价权被挑战，利润率面临压缩。" 前沿 = 高溢价 " 的底层假设正在瓦解。
EDA 层受影响最深，新思科技跌 7.85%，铼腾电子跌 9.47%。K3 展示的 48 小时独立完成芯片设计能力，直接威胁了 EDA 工具的高溢价叙事。
应用层反而受益。Databricks 估值飙升至 1880 亿美元，其 CEO 直言 " 采用中国开源模型是 AI 成本控制的关键一环 "。
举证责任已经转移。此前，挑战者需要证明 " 足够好 " 真的够好。K3 之后，守成者需要证明前沿溢价为什么还值得。
从硅谷到中国的连锁反应
资本市场的恐慌只是表象，更深层的震动发生在产业内部，K3 同时触动了硅谷和中国 AI 圈的两根敏感神经。
Anthropic 原计划将 Fable 5 从订阅制下架转为纯按量计费，K3 发布次日，Anthropic 紧急改口：Fable 5 永久保留在订阅方案中并发放额度补偿。这是一次仓促让利，当市场出现能完成 Fable 5 绝大多数任务、费用却低得多的开源模型时，坚守原定价策略无异于把用户往外推。
OpenAI 的反应则更偏向政治层面，其战略未来负责人 Dean Ball 发文称开放权重是 " 减速主义力量 "，甚至称之为 "AI 共产主义 "，并预测特朗普政府将提高使用中国开源模型的合规门槛。这番言论与其说是技术判断，不如说是试图用政策壁垒来维护商业护城河。
但硅谷并非所有人都站在闭源一边。David Sacks 直接反驳：" 闭源双头垄断想借政府之手消灭开源竞争对手 "，称之为 " 监管俘获 "。Chamath Palihapitiya 立场更明确：" 未来属于开源。"Ion Stoica 给出数据：" 开源与最先进模型的差距，已从六到九个月缩短至两到三个月。"
在中国，国产大模型阵营也在迅速调整。DeepSeek V4 轻量版紧急上线，定价只有 K3 的约 1/17；阿里 Qwen3.8-Max 同步上线。K3 + DeepSeek V4 + GLM-5.2 形成了国产 " 三驾马车 " 格局。
国产大模型的竞争逻辑正在经历双重转变：国内从 " 谁更便宜 " 转向 " 谁能定价 "，国际从 " 稀缺定价 " 被迫转向 " 让利保客 "。K3 没有在中国 " 卷 " 赢一场参数赛，它同时改写了两个市场的游戏规则。
月之暗面的十字路口
K3 的发布也在根本上重塑了月之暗面这家公司自身的轨迹。
从某种程度上说，它是 K3 冲击波中最值得关注的样本，因为这是唯一一个同时承受 " 技术验证 " 和 " 商业变现 " 双重压力的参与者。
今年 3 月，月之暗面的 ARR 首次突破 1 亿美元，5 月突破 2 亿美元，到 6 月已接近 3 亿美元。三个月翻了三倍。更关键的是收入结构的质变：API 业务占比突破 70%，公司正从一家以 C 端订阅为主的 AI 应用公司，转型为 B 端驱动的 AI 模型平台公司。爆料称 K3 发布后 ARR 又实现了数倍增长。
与此同时，IPO 进程也在加速推进。月之暗面已向投资人发送股东决议，寻求香港上市批准，最快 6 个月完成。估值轨迹显示：2025 年底 43 亿美元 → 今年 5 月 200 亿美元 → 当前新融资目标超 300 亿美元—— 7 个月翻了约 7 倍。上市时机的选择意味深长，在技术势头最新鲜时锁定叙事，赶在下一轮模型周期重置之前。
但需求验证来得太快，反而暴露了供给的脆弱。K3 发布后用户请求量大幅超出预估，逼近现有算力集群的承载极限。7 月 19 日深夜，月之暗面发布公告暂停 C 端新用户订阅，将算力全部优先保障已订阅用户，同时将会员体系拆分为主权益和 Kimi Code 权益。
不是供给不足，而是需求真实。
用户愿意为 " 足够好 + 足够便宜 " 付费。
K3 发布后还有一个小插曲。苹果首任 AI 总监、杨植麟的 CMU 导师 Ruslan 在 X 上发文回忆两人共事经历，意外引爆讨论：美国为何留不住杨植麟？Ruslan 专门澄清—— " 他如果想留在美国有很多机会，但他非常坚定地要回去创业。"
杨植麟曾于 2016 年读博二时即创立循环智能，拒绝谷歌、苹果等大厂 offer，他认为大厂科学家没有足够权力推动产品落地。同时，他不只想研究还要做出产品，留在学术圈或大厂无法实现闭环。而他清华同学圈、客户网络和融资关系在中国，回国启动成本远低于从零开始。那个在 CMU 博士二年级就开始创业的年轻人，从一开始就很清楚自己要什么。
但隐忧同样明显，算力瓶颈暴露了储备不足，幻觉率上升对定位长程编程的模型是致命隐患，最强大的模型免费开源则让付费意愿根基存疑。而 6 个月的上市窗口压缩了技术验证与资本验证的距离，成功上市则成为行业估值基准，折价则暗示市场不愿为护城河成本买单。
K3 让月之暗面从 " 有潜力的初创 " 变成了 " 可投资的 AI 平台 "。但上市考验的不是模型有多好，是好能不能持续变现。
大模型行业的范式转变
如果把视线从短期的股价波动和商业博弈中拉远，K3 真正的冲击在于它加速了 AI 行业四个深层次的结构性转变。
第一个转变，从 Scaling Law 到 RL Scaling。传统路径更多算力加更多数据等于更强模型，这正在被修正。新路径的核心是 RL Scaling 加上架构创新加上后训练效率，以更低的边际成本逼近前沿。K3 证明了一家无法匹配西方最大预训练算力的中国实验室，可以通过架构创新缩小差距。但 2.8 万亿参数的本地部署门槛极高。K3 并未证明前沿 AI 可以摆脱庞大算力。更便宜的模型反而可能刺激更多使用量，杰文斯悖论正在 AI 领域重现，" 算力需求见顶 " 的判断可能为时过早。
第二个转变是从闭源垄断到开源平权。OpenAI 和 Anthropic 的闭源双头垄断格局正在被打破。差距从 6 到 9 个月缩短至 2 到 3 个月，开源模型从 " 追赶者 " 变为 " 定义者 "。K3 的完整权重将于 7 月 27 日向社区开放，当强大模型人人可下载，监管如何跟进？开放权重与闭源之争，正从技术路线之争演变为制度之争。David Sacks 的警告或许言重了，但他说对了一件事：这不再是技术竞赛，而是两种发展模式的制度竞争。
第三个转变，即价值在产业链中不可逆地迁移。如果模型持续变得可替代，价值将从模型层向邻近层迁移，类似于" 安卓免费但谷歌通过生态赚钱 "的模式。
但真正的验证还未到来。下一个证明点不是头条新闻，而是发布噪音过后，使用曲线是否仍高位运行。
回看这一周，AI 行业的 " 时间差 " 正在消失。闭源巨头不再拥有六到九个月的技术窗口，英伟达不再享有 " 算力永远供不应求 " 的确定性，华尔街不再能用 " 买算力龙头 " 来押注 AI 赛道。
技术层面，K3 接近但未超越。然而 " 接近 " 本身就足以动摇定价，当差距从 " 代际 " 缩至 " 百分比 "，溢价就失去了合理性基础。行业层面，中国 AI 公司从 " 让利换流量 " 转向 " 技术定价值 "，国际从 " 稀缺定价 " 滑向 " 公用事业定价 "。两条轨迹交汇于同一个问题：模型本身还值多少钱？资本层面，举证责任从挑战者转向了守成者，市场不再问 " 谁最强 "，而是问 " 前沿值多少 "。
这之后，前沿 AI 的护城河，可能比我们以为的更薄。（本文首发钛媒体 APP，作者 | AGI-Signal，编辑 | 焦燕）
