Kimi K3 引爆开源之争：硅谷重新站队，黄仁勋力推开源

7 月 24 日，英伟达 CEO 黄仁勋发出了自己的第一条 X 帖子，转发了一封题为《开放权重与美国 AI 领导力》的公开信。这封公开信最初由英伟达、微软、Meta、IBM 等 25 家公司和机构联署，随后迅速扩展到约 50 家，OpenAI、谷歌、AMD、思科、Cloudflare、GitHub 等先后加入。在美国主要前沿模型公司中，Anthropic 成为唯一仍未签署的企业。黄仁勋在帖子中写道：「世界既需要前沿闭源模型，也需要前沿开放模型。」这场集体表态发生在月之暗面发布 Kimi K3 之后。一款来自中国、可下载部署、性能接近顶尖闭源模型的系统迅速进入全球开发者视野，美国 AI 公司的模型壁垒、开放生态的竞争力，以及华盛顿应当如何对待中国模型，由此被重新讨论。

Kimi K3：开放模型进入前沿能力区

7 月中旬，月之暗面发布 Kimi K3，并在 7 月 27 日公开了完整技术报告与模型权重。根据官方披露，Kimi K3 采用混合专家（MoE）架构，总参数达到 2.8 万亿，拥有 896 个专家模块，每个 Token 仅激活其中 16 个，并支持 100 万 Token 上下文，是目前公开参数规模最大的开放权重模型之一。它在智能体、编程和前端开发等多项评测中进入全球第一梯队。

2.8 万亿参数并不意味着每次推理都要调用如此庞大的计算量。Kimi K3 采用混合线性注意力、注意力残差和低精度量化等技术来控制推理成本。技术报告揭示了具体实现：

• KDA（Kimi Delta Attention）以 3:1 比例混合线性注意力与完整注意力层，前者高效处理长序列，后者在关键位置保持精度；
• Attention Residuals 在网络层之间建立直连通道，补偿线性注意力带来的信息损失；
• Stable LatentMoE 用统计方法平衡 896 个专家的训练负载，使极端稀疏架构得以稳定收敛。

报告还公开了 MoonEP、FlashKDA 和 AgentEnv 三项训练基础设施。月之暗面称，这套架构使同等算力下模型的智能水平提升约 2.5 倍，2.8 万亿参数的推理成本被控制在企业可接受的范围内。

Kimi K3 的行业意义在于，大规模开放模型开始同时满足三个条件：性能接近前沿闭源模型、权重可以下载和修改、推理成本可被企业承受。企业由此获得了新选择：一般任务继续调用闭源 API，涉及内部数据、核心代码和合规要求的场景，则可将开放模型部署在自有服务器或私有云中，自主控制数据流向与模型版本。有报道称，微软正在评估将 Kimi K3 用于 Azure 及部分 Copilot 场景。

硅谷围绕开源模型重新站队

Kimi K3 发布后，美国围绕开源模型的争论迅速升温。支持限制的一方担忧先进模型权重广泛传播后可能被用于网络攻击、生物研究等高风险用途，并关注中国模型是否通过蒸馏获得美国模型能力、是否使用了受出口管制的先进芯片。OpenAI 和 Anthropic 此前都曾向华盛顿发出相关警告。

支持开源的一方则认为，模型来源和部署方式需要分别讨论。企业将模型权重下载至本地运行，可以隔离外部连接、控制访问权限并保留数据。近 200 家美国初创企业此前也曾致信政府，反对全面禁止中国开源模型，担心过度限制会抬高创业公司成本、强化少数闭源供应商的垄断。

硅谷由此形成了新的利益结构：英伟达销售 GPU 和整套 AI 基础设施，开源模型越丰富，企业部署需求越强；微软同时经营云计算、模型 API 和应用产品，需要多元模型来降低成本并增强议价能力；Meta 长期依靠开放生态扩大全球开发者影响力；IBM、思科和 Cloudflare 等更关注私有部署、混合云和网络安全市场。开源模型扩大了 AI 市场的参与者数量，也扩大了基础设施供应商的潜在客户群。

Anthropic 的立场明显不同，在联名公开信中持续缺席。其长期将前沿模型安全作为核心战略，警告开放先进权重可能降低危险扩散门槛，这与它的闭源商业模式高度一致。

黄仁勋捍卫的是算力市场

黄仁勋支持开源模型，有着清晰的商业逻辑：模型供给越丰富、使用成本越低，进入 AI 市场的人和企业就越多，最终产生的 Token 数量和算力需求也会越大。这符合杰文斯悖论——单位成本下降，总需求反而增长。

AI 计算需求已经超越预训练本身。模型还需要经历监督微调、强化学习、长时间推理以及智能体执行：一个智能体完成复杂任务，可能需要连续调用模型、搜索资料、操作工具、验证结果，每个环节都在消耗 Token。黄仁勋将数据中心描述为「AI 工厂」：输入电力和数据，输出 Token；GPU、网络、存储、电力构成一套工业化计算系统。

无论模型公司采用闭源还是开源商业模式，算力都是共同底座。开源模型还会把更多中小企业带入市场：从试验一个开源模型开始，逐步购买云算力、模型托管、安全服务和商业方案，进入生产环境后又会产生可靠性、延迟、并发、权限和运维方面的新基础设施需求。黄仁勋看重的，正是这个不断扩大的市场基数。

2.8 万亿参数之后，竞争转向系统能力

Kimi K3 将开放模型推向 2.8 万亿参数，但 MoE 架构使总参数与实际计算量逐渐分离。下一阶段的竞争将集中在三个层面：

• 效率：完成一项任务需要多少 Token、多少轮调用、多少算力，成为企业关心的核心指标；
• 软件生态：量化工具、推理框架、芯片适配、专业微调、模型融合和智能体系统正在建设，Hugging Face 已托管超过 200 万个公开模型，竞争正从单模型演变为生态系统；
• 部署控制权：开放权重模型可被本地化、修改并运行在不同芯片上，成为主权 AI 和企业私有部署的重要技术基础。

有人将这一阶段称为开放模型的「Kubernetes 时刻」：模型权重成为基础层，周围生长出推理框架、云服务、硬件适配和行业应用。开放生态能否形成类似 Kubernetes 的统一标准目前仍有不确定性，但方向已逐渐清晰——当开放模型进入前沿能力区，闭源公司的竞争壁垒将更多转向产品体验、数据闭环和服务稳定性，开放模型则依靠成本、控制权和生态创新扩大市场。

从这个角度看，黄仁勋的第一条 X 帖子也是一封写给华盛顿的商业意见书。他所捍卫的，是一个模型供给更加多元、开发者数量更多、算力需求持续扩张的 AI 市场。