你没看错,Anthropic前脚还宣布计划在7月25日停止旗下旗舰模型的使用,结果仅仅过了几天,7月18日又突然改口,宣布Claude Fable 5将永久开放使用。 这一前一后的变化,转向幅度之大,让不少业内人士都开始猜测:到底发生了什么?是什么力量,让Anthropic如此迅速调整策略? 答案或许藏在7月17日凌晨。 就在那一天,中国人工智能初创企业月之暗面发布了Kimi K3。 这款模型一经亮相,就引发了全球AI圈的关注。 它的参数规模达到2.8万亿,并且搭载了100万Token的超长上下文窗口。这样的配置并不是单纯为了制造宣传噱头,而是在实际应用场景中展现出了强大的能力。 在Arena AI旗下的Code Arena编码排行榜中,Kimi K3取得1679分,超过了Anthropic的Fable 5,以及OpenAI据称正在内部测试的GPT-5.6 Sol,直接登上榜首位置。 紧接着,在SWE Marathon超长周期软件工程测试中,Kimi K3再次拿下42.0分,排名第一。
但真正引发震动的,并不是这些数字。 因为这一次,它展示的不只是跑分能力,而是接近真实工程环境的执行能力。 测试人员让Kimi K3在48小时内,基于开源EDA工具以及Nangate 45nm工艺库,完成一款芯片设计。 从最初的构建,到后续优化,再到最终验证,整个流程都能够独立完成并成功运行。 这意味着,AI不再只是停留在回答问题、生成代码的阶段,而是在逐渐进入更加复杂的工程生产环节。 这颗芯片最终在100MHz频率下完成时序收敛,仿线个Token。 这种表现,已经带有明显的工程落地意味。 面对外界质疑,Anthropic给出的解释是:用户需求难以预测,因此需要提供确定性的服务保障。
但市场上的很多声音认为,真正的问题可能没有那么简单。 因为当用户发现有更强、更便宜、限制更少的替代方案时,选择迁移本身就是一种市场规律。 尤其是在此前,美国商务部曾以国家安全为由,要求部分顶尖模型限制向海外客户提供服务。 这一政策让外界开始重新思考一个问题: 如果一个模型的使用权掌握在少数公司手里,那么全球用户是否真的拥有稳定的AI基础设施? 欧洲一些声音对此已经表达不满。 与此同时,OpenAI也开始采取防守动作。 公司调整了Codex和ChatGPT Work的使用额度,并推出促销补偿措施。
原因很简单——面对性能强、价格低的竞争者,没有用户会轻易放弃更具性价比的选择。 而Kimi K3最大的优势之一,正是价格。 它的API价格不到Fable 5的三分之一。 如果性能接近甚至领先,而成本却大幅降低,对于开发者而言,这笔账并不难算。 企业最终考虑的不是情怀,而是效率和成本。 更值得关注的是,美国媒体Axios曾发表文章称,中国正在削弱美国长期以来保持的AI领先优势。 与此同时,月之暗面宣布将在7月27日完全开源K3模型权重。 这一动作的冲击力非常明显。
因为一旦模型权重开放,全球企业和开发者都可以免费下载、修改、优化并部署。 过去依靠闭源API建立起来的商业壁垒,可能因此受到巨大挑战。 市场很快给出了反应。 美股大型科技公司股价出现集体下跌。 英伟达、Meta、谷歌等公司股价跌幅超过2%,费城半导体指数当天下降1.63%。 相比6月22日高点,该指数累计回撤20.2%,正式进入技术性熊市区间。 对于AI产业链而言,这并不是普通市场波动,而更像是一种对未来路线变化的提前定价。 全球EDA领域的重要企业新思科技、铿腾电子盘中一度跌幅超过12%。
这种剧烈变化,反映出资本市场对于AI产业模式变化的敏感反应。 归根到底,美国长期以来依靠的是闭源模型+生态控制的路线。 这一模式在过去几十年中屡次成功。 从军事体系到科技产业,美国通过掌握标准、核心技术和供应链,占据了巨大优势。 在G7法国埃维昂会议期间,美国推动的策略也十分明显: 对内部放松部分监管,对盟友进行利益绑定,同时掌控关键技术和供应链。 对于中国,则继续限制高端AI训练硬件出口。 但AI产业正在出现新的变量。
欧洲一些国家开始担心,美国掌握核心模型后的停止开关可能成为一种潜在风险。 如果某一天企业依赖的AI服务可以被单方面关闭,那么这种不确定性显然会影响长期投资决策。 过去美国模式之所以强大,是因为生态优势能够形成护城河。 但到了人工智能时代,开源生态正在改变游戏规则。 2024年底,DeepSeek 3.0选择开源路线后,全球下载量迅速增长。 用户不再只是购买API服务,而是可以自己部署模型、自己优化模型,甚至适配国产芯片环境。 随后,DeepSeek V4重点适配昇腾950PR,这意味着它开始尝试绕开英伟达CUDA长期建立的软件生态壁垒。 美国限制进入核心体系,那么另一条技术路径就可能被迫形成。
有人质疑中国AI的发展依赖蒸馏美国模型。 但不少业内人士认为,中国企业正在强化学习等训练方式上形成自己的技术路线。 美国模型可能提供早期监督微调阶段的数据支持,但后续迭代能力正在逐渐形成差异。 美国副总统万斯近期被曝光的一段访谈内容中,也提到类似观点: 中国在能源基础设施建设以及算力落地速度方面表现领先,而美国目前仍然在基础模型和高端芯片领域保持优势。 这句话某种程度上,也承认了一个现实——中国正在以更快速度推进AI产业化。 真正决定未来竞争格局的,并不只是一次排行榜上的分数。 关键在于:
谁能让更多用户用得起AI,谁能让企业稳定使用AI。 美国目前发展的路径,更偏向高算力、高投入的大模型路线。 无论训练还是推理,都需要不断增加算力规模。 而算力背后,是巨大的能源消耗。 美国能源部门已经开始允许企业建设自有发电设施,这说明AI带来的能源压力并不是理论问题,而是正在发生的现实挑战。 电力成本、基础设施成本,最终都会转嫁到市场和用户身上。 相比之下,中国开源模型更低的使用成本,对大量开发者和企业形成了吸引力。 用户迁移并不是因为某种情绪,而是因为经济规律。
随后,一些更明显的信号出现。 黑石暂停了美国最大的部分数据中心项目,并出售位于加州的三座算力中心。 Meta也开始折价出售闲置算力资源。 与此同时,扎克伯格承认,AI智能体距离大规模商业化落地仍然存在明显差距。 这些变化,都让市场开始重新评估AI投资逻辑。 与此同时,高盛开始更加关注中国实体AI产业链。 资金流向的变化,往往比口号更真实。 资本市场不会提前庆祝,也不会等待所有结果出现后才行动,它通常会提前寻找新的方向。
那么,这场AI路线之争最终谁会赢? 不少观点认为,中国开源路线正在迫使美国不断投入更多资源,以维持领先优势。 但如果成本持续增加,而商业回报无法同步提升,这种模式可能面临越来越大的压力。 更复杂的问题在于,美国不仅需要保持模型优势,还需要继续维护英伟达的软件硬件生态。 这意味着更多数据中心、更高能源投入、更大的资本支出。 但与此同时,市场又开始寻找更便宜、更开放的替代方案。 这是否会形成一种循环? 有人预测,最快到2026年底,最迟到2027年,美国AI投资泡沫可能引发更大的经济风险。
当然,这并不是简单的唱衰,而是围绕成本、收益和商业模式展开的一场现实博弈。 眼下,最值得关注的节点,就是7月27日。 届时,Kimi K3模型权重正式开源后,全球开发者的接入速度将成为重要观察指标。 同时,人们也会观察美国AI企业是否会调整价格、改变策略。 因为真正决定未来格局的,不只是实验室里的模型能力,而是谁能够让AI真正进入千千万万用户的日常工作和产业生产之中。返回搜狐,查看更多