Kimi K3 走红后遭遇算力焦虑

Kimi K3 以 2.8 万亿参数的开源模型身份登顶各大基准测试榜单，热度直追前沿闭源模型。然而，爆红之后，月之暗面在 7 月 19 日发出通知，因算力逼近极限暂停 C 端新用户接入，把「接住用户」摆在了比 ROI 转正更优先的位置。这场突如其来的算力焦虑，将中国开源大模型的「能力上限」与「商业可持续性」之间的鸿沟推到了台前。

K3 走红与算力告急

Kimi K3 被业内视为「年度最强开源模型」，参数量达到 3T 级别，在多个基准测试中登顶，部分榜单甚至超越美国前沿闭源模型。在算力受限的条件下，Kimi 通过算法与工程优化叠加参数扩展，逼近闭源前沿水平，也打破了 Scaling Law「撞墙」一说。OpenAI 战略负责人迪恩·W·鲍尔即直言：「开源模型会阻碍人工智能领域的进一步资本支出。」

热度直接传导到算力消耗上。7 月 19 日晚间，Kimi 发出通知暂停新用户体验 K3 的通道，把已有算力优先分配给存量用户。通知解释称，需求超过预期，存量算力逼近极限。Kimi 企业业务负责人黄震昕在沟通会上表示：「我们已经在非常努力地通过模型性能的优化和算力供给来解决问题。」

多位行业人士指出，相较此前通过 Token Plan 限售留口子的做法，直接暂停接入意味着算力供给上已无腾挪空间。一位资深科技投资人直言：「它自己的算力都没法批量获取，现在这么多用户想用都没法开通付费账户，严重影响商业变现和用户口碑。」上海财经大学教授胡延平认为，原因在于算力准备不足而非 ROI 未转正，当前比 ROI 转正更重要的，是「接住用户」。

技术架构与 Scaling 路径

期智研究院研究员李彪指出，从已披露信息看，K3 并未呈现范式级的全新架构。KDA 与 AttnRes 模块此前已有论文，本次更值得关注的是将这些模块与极稀疏 MoE、低精度训练和大规模并行系统整合，并扩展到 2.8 万亿参数。「由于 K3 完整技术报告尚未发布，目前仍难以评估其全部技术增量。」

李彪强调，K3 再次说明「size still matters」——模型规模仍是提升前沿能力的重要变量，但能否有效转化为能力，取决于架构、数据配比、优化方法和基础设施的共同配合。对于 2.8 万亿参数的极稀疏 MoE 模型，当前更显性的工程约束来自功耗、通信开销、专家负载均衡和集群可靠性。另一位学术研究员也认为 K3 的核心壁垒来自底层 Infra 与工程能力：「大家思路都大差不差，归结到底变成软件工程了。」

前述科技投资人表示，K3 的冲击在于两点：Scaling Law 仍在继续，中国公司也能快速掌握当前最前沿模型的训练配方。紧随 K3 之后，阿里 Qwen 3.8 预览版（2.4 万亿参数）也迅速上线。当可靠的 Scaling 路径打通后，下一步就是钱的问题。

融资节奏与估值跳涨

Kimi 一直是一级市场的「当红炸子鸡」。2025 年 12 月 31 日，杨植麟在内部信中确认完成 5 亿美元的 C 轮融资，投后估值 43 亿美元，账面现金持有量超过 100 亿元。彼时杨植麟判断，一级市场仍可募集更大量资金，B/C 轮合计金额已超过绝大部分 IPO 募资及上市公司定增，因此短期不着急上市。

半年后，外媒披露 Kimi 计划在 8 月启动上市前最后一轮融资谈判，目标估值 500 亿美元，相当于 DeepSeek 上一轮融资完成后的水平。同一时期，Kimi 也开始拆 VIE 架构、加速赴港上市流程，意在冲击继智谱、MiniMax 之后的大模型第三股。半年之间估值上涨近 12 倍，但 100 亿元现金在 K3 火爆、算力告急的背景下，已难以覆盖扩张需求。

推理经济性与芯片「第二战」

前述科技投资人指出，K3 目前证明的是技术能力进入前沿，但推理经济性、产品体验和商业模式尚未完全跑通。根据 Artificial Analysis 的「智能指数」评测，K3 在 9 项测试中共输出约 1.3 亿 Token，跑完整套评测总账单 2709.75 美元，而同类参评模型中位数仅 6300 万。但拆解到单一任务，K3 平均花费 0.94 美元，低于 GPT-5.6 Sol 的 1.04 美元与 Claude Opus 4.8 的 1.8 美元。

胡延平提醒，如果「不考虑量效比，长期竞争会是问题，某些时间点会出现 token 不经济」。他以英伟达为例：H200 上 token 的 ROI 可能为负，但升级到 B300 则可能分秒都是「印钞机」。这给国产算力提出了新要求——既要保证算力供给，也要在硬件层面释放 token 的经济性。

SemiAnalysis 5 月报告显示，在 MiniMax-M2.5 的 8K/1K 负载下，B200 NVFP4 在高吞吐交互下单用户速度可达 110 tok/s/user，每百万 Token 成本 0.09 美元；同条件下 H100 FP8 为 0.74 美元，性价比差距超过 8 倍。

2026 WAIC 上亮相的华为昇腾 Atlas 950 超节点，单柜从 32 卡升级到 64 卡，计算柜从 12 个增至 16 个，机柜内高密度铜缆电互联、机柜间全光互联，从支持千亿参数训练扩展至万亿参数低精度训练与混合推理。若按 64 卡机柜 100kW 功耗上限换算，1GW 约对应 10000 个 Atlas 950 机柜、64 万张 NPU；按单卡均价 10 万元计算，整笔订单也将是 600 亿元量级。

如果说上市是中国芯片的第一场战争，那么接住国产大模型的需求、为其 token 成本托底，将是关键的第二战。