Kimi K3发布一周撕裂硅谷：白宫指控、创业公司联名、黄仁勋站队开源

7月22日，同一天里发生了四件事。白宫科技政策办公室主任Michael Kratsios在X上公开指控月之暗面（Moonshot AI）的Kimi K3涉嫌“大规模蒸馏”美国模型。OpenAI总裁Greg Brockman接受Bloomberg采访时承认K3“是一个很不错的模型，毫无疑问”。同时，近200家硅谷创业公司联名致信特朗普政府，警告如果封禁中国开源模型，“将有数百家公司瞬间死亡”。而Nvidia CEO黄仁勋则在Axios的独家专访中明确表态，美国公司“绝对应该被允许使用中国模型”。四种声音，四个方向，指向同一个导火索。

这个导火索就是7月16日，中国AI公司月之暗面发布的Kimi K3。如果说DeepSeek在2025年初引爆的那场冲击波，主要冲的是华尔街对AI基建投资的信仰。而K3引爆的这一轮，冲的是一个更根本的问题——当中国能以接近前沿的水平开放模型权重时，美国的AI产业应该怎么办？能力步步紧逼的Kimi K3，只用一周时间，就撕裂了整个硅谷和华盛顿。

不是“又一个中国模型”

先说Kimi K3本身。2.8万亿参数，MoE（混合专家）架构，896个专家中每次激活16个，支持100万token的上下文窗口。这是目前全球最大的开放权重模型，完整权重将在7月27日公开发布。在Artificial Analysis的智能指数上，K3得分57，排名第三——仅次于Anthropic的Fable 5（60分）和OpenAI的GPT-5.6 Sol（59分），超过了Claude Opus 4.8（56分）。在前端代码能力上，K3发布24小时内就登上了Arena排行榜的第一名，超过了所有美国前沿模型。

技术上，K3引入了几项有意思的架构创新。Kimi Delta Attention（KDA）是一种混合线性注意力机制，在百万token级别的上下文中实现了6.3倍的解码加速。Attention Residuals（AttnRes）让每一层可以选择性地，从任意更早的层中检索信息，而不是像传统残差连接那样均匀累加。再加上Stable LatentMoE和从SFT阶段就开始的量化感知训练，K3相比上一代K2实现了约2.5倍的整体scaling效率提升。

但让美国真正紧张的，不是跑分数字，而是“性能+价格+开放”这三件事同时发生。K3的API价格是每百万输出token 15美元。这在中国同行里算贵的——DeepSeek V4只要0.87美元，智谱的GLM-5.2是4.4美元。但和美国闭源模型比，这个价格不到Fable 5的三分之一。一个接近前沿水平的模型，以远低于竞品的价格提供服务，还要把权重全部公开——这三个要素叠加在一起，让K3成了DeepSeek之后对硅谷冲击最大的中国AI产品。

而且这不是凭空冒出来的。K3之前，Kimi的系列AI模型，就已经悄悄渗透进了硅谷的生产链。SpaceX正在以约600亿美元收购的代码工具Cursor，其Composer 2的核心就跑在Kimi K2.5上。DoorDash的CTO Andy Fang公开表示，公司已经把“低级别的工作”交给了Kimi K2.6。Thinking Machines则用K2.5为自家新模型Inkling生成早期后训练数据。K3的发布，与其说是一个新模型的亮相，不如说是中国开源AI在硅谷“已经嵌入生产流程”这个事实的一次公开确认。

被撕裂的硅谷

如果只是“一个中国新模型跑分很高”，故事到这里就结束了。但K3发布后的一周，真正爆炸性的不是技术评测，而是它在美国引发的反应。用一句话概括——硅谷第一次为“开源模型到底是好事还是坏事”发生了公开的、激烈的、几乎是阵营式的对立。

第一个阵营是白宫和政策鹰派。Kratsios在X上的指控措辞相当严厉，说Moonshot“开发了一个复杂的内部平台，来大规模蒸馏美国模型，并且能够在多种访问方式之间，快速切换以避免被发现”。财政部长Bessent前一天也释放了类似信号，提到如果发现中国模型中包含美国模型的“水印”，可能考虑制裁。国会两院也在推进针对未授权蒸馏的立法。这一派的逻辑很明确——K3的能力背后可能存在“莫须有”的不正当手段，需要用政策和法律工具来应对。

第二个阵营是美国的闭源实验室。OpenAI的态度最耐人寻味，总裁Brockman承认了K3的实力，但把话题转向了OpenAI的基础设施投入优势，认为开放权重模型并非真正“免费”，因为大规模部署仍然需要昂贵的硬件。他估计中国在整体模型能力上，仍落后美国约4个月。但更能代表这一派情绪的，是OpenAI战略未来主管Dean Ball在K3发布次日写的那条长推文。Ball称开源模型“本质上是减速主义的”（inherently decelerationist），因为它会削弱前沿实验室的利润空间，减少对AI基础设施的持续投入，最终拖慢最强模型的发展。他甚至预言，开放权重模型主导的世界将走向“AI共产主义”——一个他认为“如同反乌托邦噩梦”的未来。他还建议特朗普政府的最佳策略，是对中国开源模型“制造大量监管风险”，用FUD（恐惧、不确定、怀疑）让美国企业主动远离。

第三个阵营，美国的创业公司和开源支持者，对此完全不买账。一个叫“Little Tech Association”的新组织站了出来，成员包括Proton、Replit和Y Combinator。他们组织了近200家公司联名致信白宫，核心信息只有一个——如果禁用中国开源模型，死掉的不是中国公司，而是美国创业者。创业公司Particle的创始人Suhail Doshi说得更直白：“会有数百家公司瞬间死亡。这对Anthropic来说太棒了——我们全都不得不花钱去买Anthropic的服务。”这个阵营里最重量级的声音来自英伟达创始人黄仁勋，他在Axios的专访中给出了和白宫完全相反的判断。黄仁勋说，华尔街第一次误读了DeepSeek，现在又误读了K3。他的逻辑很简单——免费的AI对芯片好，对数据中心好，对硬件好。更便宜的开源模型会让更多人和企业用上AI，而这会增加对算力基础设施的需求，而不是减少。“不存在中国把美国公司赶跑的情景，”黄仁勋说，“零可能。”他还反驳了开源模型“给中国留后门”的说法，认为企业可以在安全的沙箱里定制和控制模型。在他看来，开放让AI更安全，而不是更危险——因为外部研究者可以审查模型、发现漏洞、构建防御。“如果一切都变成一个单一模型、一个单一攻击面、一个单一故障源，世界会脆弱得多。”

“减速主义”之辩

抛开政治噪音，Dean Ball提出的“开源是减速主义”这个论点，其实触及了一个真实的产业逻辑问题。他的推理链是这样的——前沿模型的开发动辄需要数十亿美元的投入。如果一个中国实验室能以极低成本、提供接近同等水平的开源替代品，那闭源实验室的利润空间就会被压缩。利润减少意味着可再投入的资金变少，同时资本市场会下调这些公司的终端价值，进一步抑制融资。两个效应叠加，最终会拖慢最前沿模型的发展速度。AI研究者Nathan Lambert在他的分析文章中承认，从纯经济角度看，Ball的逻辑是成立的——开源确实在经济层面对前沿实验室构成了“减速”效应。但他也指出，这个效应并不足以阻止OpenAI和Anthropic成为世界上最有价值的公司。市场蛋糕在变大，即使开源模型切走了一部分份额，闭源模型在企业客户中的品牌信任、可靠性和服务生态仍然有很强的护城河。

但反对者的声音同样犀利。多位评论者指出了一个讽刺的事实——Ball所在的OpenAI，以及整个现代AI领域，本身就是建立在开源基础上的。Transformer架构是公开论文，PyTorch是开源软件，那些让OpenAI突破成为可能的研究基础和技术共享，都发生在OpenAI“关上身后那扇门”之前。如今指责开源是“减速主义”，就像是用别人开源的工具建了一栋大楼，然后告诉后来者楼门不能再开了。更有人把Ball的论调称为“数字麦卡锡主义”，认为闭源实验室试图利用国家安全叙事来巩固自己的市场地位。这场辩论的深层其实是一个路径选择问题。如果大模型是一种新的工业基础能力，那它应该像电力和互联网一样被广泛供给、全球输出？还是像核技术一样被少数机构严格管控？美国闭源实验室看到的是一场零和博弈——中国的开放在蚕食它们的商业空间。但从另一个角度看，开源模型的快速进步也在做一件事——让AI的使用成本持续下降，让更多原本用不起前沿模型的开发者和企业获得能力。这两个视角并不互斥，但它们通向截然不同的政策结论。

中国模型“自己的节奏”

资本市场已经给出了自己的第一反应——K3发布当周，费城半导体指数下跌12.5%，创下15个月来最大跌幅。Nvidia、AMD、Broadcom全线下挫。就连中国自己的AI概念股也没能幸免，智谱在港股跌了28%，MiniMax跌了16%。黄仁勋说，市场又搞错了。但这一次，市场恐慌的对象其实不是某个模型的跑分，而是一种路径冲突变得无法回避了。退后一步看，硅谷此刻所有争论的根源，恰恰来自美国AI产业自己选定的那个目标——极致加速主义。这条路径的逻辑链很清晰——把AGI作为单一的、最高优先级的攀登目标，为了支撑这个目标，匹配一个利润最大化的闭源商业模式，用极致的资本密度去堆出极致的算力，最终实现一种甩开全世界的能力跃迁。OpenAI和Anthropic的融资规模、估值倍数和算力投入，都是这条路径的产物。Dean Ball所担忧的“开源减速”，本质上也是在说——如果这台利润引擎被开源模型削弱了，极致加速的燃料就会变少。

但极致加速主义在创造竞争力的同时，也必然会催生出另一条路径。当美国实验室拥有极致的利润、极致的资本时，中国的AI公司并不处在同样的环境里。他们没有同等级别的资本密度。但生命自有方法——在约束条件下，它们自然会长出自己的路标。月之暗面创始人杨植麟本人的路线转变，就是这条路径最鲜活的注脚。2023年10月，他在极客公园的对话中说得非常明确——“闭源是通往Super APP的唯一通路”“我们暂时没有开源的计划”。那时的月之暗面，想做的是用闭源方式打造C端超级应用。但2025年DeepSeek冲击波之后，杨植麟做了一个干脆的调整。万亿参数的K2开源，K2.5在开源社区迅速走红——发布后20天的收入超过了2025年全年，个人订阅订单环比暴涨超过80倍。K3则继续沿着开源路线走到了2.8万亿参数。这不是一次随意的战略摇摆。

今年3月，杨植麟作为英伟达GTC 2026唯一受邀演讲的中国独立大模型创始人，在“How We Scaled Kimi K2.5”的演讲里展示了一条非常清晰的技术路线——不是靠堆参数和数据去硬追闭源前沿，而是把Transformer时代沿用近十年的三块“地基”全部替换。优化器Adam（2014年）、注意力机制（2017年）、残差连接（2015年），月之暗面给了三个替代方案，全部开源。马斯克评价“令人印象深刻”，前OpenAI联合创始人Karpathy感慨人们对Transformer那篇开山论文的理解，可能还不够充分。四个月后，K3基本把那场演讲里的路线图全部兑现——token效率、长上下文、Agent集群协作，三条线同时落地。2025年底的一次Reddit AMA活动上，月之暗面团队在被问到和美国同行的差距时说——“我们的GPU数量确实不如美国同行，但把每张卡的性能都压榨到了极致。”联合创始人周昕宇被问到怎么看OpenAI烧钱时，答得更松弛——“我们也不知道，只有Sam知道。我们有自己的节奏。”

“自己的节奏”——这五个字可能是理解整个中国AI路径最重要的注脚。不只是月之暗面一家。DeepSeek团队用更少的资源做出了同等水平的模型。智谱在持续迭代GLM系列。今年4月DeepSeek V4发布，7月初GLM-5.2上线，WAIC大会刚刚在上海举办。这不是一个“又来了一个中国模型”的故事，这是一个持续的、密集的、多点并发的能力释放节奏。它们各自发挥不同的优势——底层架构创新、工程效率优化、开源生态构建——在没有美国那种极致资本密度的条件下，走出了另一条逼近前沿的道路。OpenAI的Brockman说中国在整体能力上只落后约4个月。这个数字说明的恰恰不是落后，而是两条路径正在以各自的方式同时逼近前沿。这不会是一个赢家通吃的故事。大模型如果真的是一种新的工业基础能力，那它的宿命不是被一家公司或一个国家独占，而是被更多人使用。美国走的是资本驱动、闭源为主、以AGI为终极目标的路线。中国走出来的，是效率驱动、开源为器、以更广泛的能力输出为逻辑的路线。两条路各有优势，各有代价，但它们正在一起把AI的整体水位抬高。7月27日，K3的完整权重就要公开发布。届时全球任何开发者都可以下载、微调、部署这个2.8万亿参数的模型。那才是各方博弈真正白热化的时刻。但比7月27日更重要的判断也许是这一个——从DeepSeek到Kimi，中美两个AI引擎作为世界AI的核心驱动力长期共存，已经不是一个可以辩驳的预测，而是一个正在发生的必然。K3只是最新的一个证明。