简介
· Kimi K3 发布后，与AI相关的股票上周五下挫，市场再次担忧 DeepSeek R1 对算力开支的影响。
· 美国云计算巨头今年拟定约 7,000亿美元的AI基础设施计划，这一数字是开放权重模型对估值产生冲击的核心要素。
· 开放模型可能会压低闭源模型的价格，但也可能推动AI的更广泛应用，这并不意味着算力需求已见顶。

德意志银行在一份面向一般投资者的报告中指出，Moonshot AI 的 Kimi K3 发布后，AI股票上周五再次经历了「DeepSeek 时刻」：市场开始重新思考，如果中国开放权重模型能以更低成本接近前沿的闭源模型，美国科技巨头动辄数千亿美元的AI基础设施支出是否仍然合理。

这不仅仅是一场技术上的争论。报告提到，上周五，「科技七巨头」下跌约1.8%，费城半导体指数下跌约1.6%，导致其当周累计跌幅超过10%。Alphabet旗下的Google、微软、亚马逊AWS、Meta和甲骨文今年预计将投入约7,000亿美元用于构建AI能力，较去年增长约70%。

投资者紧张的原因很直接：过去几年的AI繁荣建立在一个假设上——更强大的模型需要更多的芯片、更多的数据中心、更多的电力和更高的资本支出。但在DeepSeek R1之后，Kimi K3再次提醒市场，价格便宜、轻量、可下载和可修改的模型正在追赶闭源巨头。

一个模型发布，为什么会影响到NVIDIA和云服务提供商？

DeepSeek R1在2025年1月引发的冲击仍然是市场记忆中的一部分。报告回顾称，当时市场担心中国团队利用较旧的芯片、以较低的训练成本创建出「足够好」的模型，导致英伟达的市值在一天内蒸发约6,000亿美元。

Kimi K3带来的问题类似：如果开放权重模型可以在许多应用场景中达到可接受水平，企业是否仍需要不断为最昂贵的闭源模型付费？云服务提供商是否仍需要以当前速度建设数据中心？芯片需求是否会从「更多即更好」转变为「更便宜、更高效、更分散」？

关键不在于Kimi K3是否已完全超越OpenAI或Anthropic，而在于它是否足以动摇市场对AI商业模式中某些默认假设的信心。只要「足够好」的模型变得越来越廉价，闭源模型厂商的定价权就会受到挤压，云服务提供商和芯片公司的增长故事也将面临更多考验。

這也是為什麼一次模型發佈會傳導到股票市場。科技七巨頭中，多家公司既是 AI 模型和應用的提供方，也是全球最大的數據中心買家；半導體指數則直接承受市場對 GPU、網路設備和 AI 伺服器需求的預期變化。

真正衝擊估值的，不是「開源」這個詞

很多被市場稱為「開源」的 AI 模型，其實更準確的說法是「開放權重」。

閉源模型最像「即插即用」的服務。OpenAI 的 GPT、Anthropic 的 Claude 等旗艦模型通常由開發者控制模型權重、訓練方法、定價、更新和安全限制，用戶通過應用、API 或雲服務調用。它們的優點是方便、穩定、集成度高；缺點是用戶很難掌握底層控制權，也要接受服務商的價格和規則。

開放權重模型則把訓練後的參數開放出來，用戶可以下載、部署、微調，甚至在技術上修改部分安全設置。DeepSeek R1、Meta 的 Llama，以及 Mistral 的多個模型都更接近這一類。它們不一定公開完整訓練數據、訓練程式碼和複現細節，因此並不等同於嚴格意義上的開源系統。

這一區別對企業客戶很重要。開放權重模型意味着更強控制力：企業可以在自有伺服器上運行模型，減少對外部 API 的依賴；也可以針對行業、語言或任務做定制；對金融、醫療、政府等數據不能隨意離開本地環境的機構，本地部署更具吸引力。

但「可下載」並不等於「免費」。企業仍要支付算力、電力、工程、監控、維護和安全成本。開放模型也未必具備閉源旗艦模型同等的通用能力、產品體驗和服務承諾。換句話說，它的衝擊不在於一夜之間取代閉源模型，而在於給客戶提供了另一種選擇。

AI 估值被拷問的四個地方

Kimi K3 這類模型首先衝擊的是「稀缺性」。

如果強模型可以被更多開發者複製、修改和托管，AI 模型本身可能越來越像基礎軟體設施，而不是少數公司獨享的高毛利產品。閉源模型廠商仍然可以憑借產品、數據、安全和生態賺錢，但單靠「模型能力領先」收取高價會更難。

第二個被衝擊的是定價權。隨著 AI 代理和企業員工使用更多 token，模型調用成本正在從試點階段的小帳單變成企業預算裡的大項目。當 AI 補貼減少、領先模型廠商開始更明確地按 token 收費時，成本敏感型客戶會更願意嘗試開放模型。

第三個是資本支出。當前美國科技巨頭的 AI 投資規模已經非常大，Google、微軟、AWS、Meta 和甲骨文今年約 7000 億美元的 AI 能力建設計劃，是市場最關注的數字之一。如果企業能用更小、更便宜、更專用的模型解決多數任務，投資者自然會追問：晶片、網路、電力和資料中心的支出增長是否過快？

第四個是美國技術護城河。中國開放權重模型持續推出，削弱了市場對美國 AI 領先地位「不可撼動」的想像。報告提到，今年在 OpenRouter 開發者平台上，中國模型處理的 token 數量已經超過美國模型。這不意味著美國 AI 優勢消失，但意味著開發者使用量和生態擴散正在變得更分散。

這些衝擊共同指向一個結果：閉源模型仍是前沿能力標竿，但「閉源模型壟斷一切」的敘事變弱了。

開放模型不是只利空 AI，它也可能放大需求

市場最容易把這類事件理解成「便宜模型打擊晶片需求」。但報告給出的判斷更平衡：強大的開放模型確實會挑戰閉源模型商業模式和半導體需求預期，卻也可能利好 AI 採用、應用開發和企業定制。

原因在於，價格下降通常會擴大使用量。更便宜、更高效的模型會讓更多公司把 AI 放進客服、辦公、研發、廣告、程式碼、資料分析和內部流程中。過去覺得 API 成本太高、資料不能出門、模型不可控的企業，可能因為開放權重模型而開始部署 AI。

這接近「杰文斯悖論」的邏輯：技術效率提高後，單位成本下降，最終消費量反而上升。蒸汽機效率提高沒有減少煤炭需求，反而擴大了蒸汽動力的使用。AI 也可能出現類似情況——單次推理更便宜，但呼叫次數、應用場景和終端數量大幅增加。

因此，算力需求未必見頂，只是需求結構可能改變。少數最前沿閉源模型繼續需要最強訓練和推理集群；大量開放模型則可能部署在雲、本地伺服器、手機、汽車和其他邊緣設備上。晶片需求也可能從單一追逐最強 GPU，轉向更重視推理效率、網路、電力、存儲和端側算力。

對應用公司來說，開放模型反而可能降低輸入成本。企業能用更便宜的模型做垂直場景，軟件公司能在模型之上開發更具體的產品，雲廠商也可以通過托管開放模型、提供推理服務和企業支援繼續賺錢。

閉源和開放會共存，但監管責任還沒說清

更可能出現的局面不是開源擊敗閉源，也不是閉源重新壟斷，而是兩者長期共存。

閉源模型會繼續承擔前沿能力、工業級品質、安全評估和深度產品集成的角色。開放權重模型則會迫使閉源廠商控制價格、提高靈活性，並把競爭從「誰的模型權重更強」推向數據、產品設計、記憶能力、安全、效率和生態服務。

模型公司開放權重也不一定是做慈善。開發者可以通過託管 API、高級訂閱、更快推理、企業支持、微調、安全服務和服務等級協議賺錢；雲服務商可以銷售運行開放模型所需的算力；消費平台可以把模型能力嵌入推薦、廣告和用戶體驗；應用公司則可以用更低成本構建功能。

真正沒有解決的是責任邊界。開放權重模型給用戶更多控制權，也讓用戶承擔更多測試、安全防護、網絡安全、更新和可靠性責任。模型一旦被下載、修改和本地部署，誰來承擔濫用、故障或安全事故的責任，會比閉源 API 模式更複雜。

監管同樣可能改變競爭格局。Anthropic 等閉源模型廠商主張對前沿 AI 開發者提出災難性風險測試、外部評估和持續披露要求；批評者則擔心，過重監管會讓資金雄厚的大公司更有優勢，反而壓制開放生態和小團隊創新。

所以，Kimi K3 帶來的「第二次 DeepSeek 時刻」並不是一句簡單的 AI 利空。它更像一次壓力測試：7000 億美元 AI 開支、閉源模型收費、美國技術優勢和晶片需求都要重新回答同一個問題——當「足夠好」的智能變得更便宜，AI 產業的錢到底會從哪裡賺回來。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia