深览
7.6
深览指数
科技腾讯新闻··AI 生成

500亿美元的Kimi，“等芯来”

Kimi K3 开源模型性能逼近全球前沿，但随即因算力耗尽被迫暂停新用户接入，暴露出中国大模型公司面临的严峻算力瓶颈。文章核心结论是：在找到可靠的 Scaling Law 路径后，Kimi 的下一场战争是解决算力供给与 token 经济性问题，这既需要国产芯片在硬件上提升能效比，也考验公司融资能力（其 Pre-IPO 估值已达 500 亿美元）。本文适合关注中国 AI 产业、算力供应链及大模型商业化的深度读者，提供了从技术、商业到政策的多维度分析。原文 ↗

核心观点
  • ▍Kimi 的现状是：通过算法和工程优化，在算力不足的情况下让模型性能追平前沿，但该优势反而加剧了算力焦虑，导致暂停新用户接入，商业化受阻。
  • ▍中国大模型公司下一阶段的竞争核心，将从模型技术（Scaling Law 路径）转向算力供给成本与效率（token 经济性）。
  1. 01Kimi K3 参数量达 2.8 万亿，在多项基准测试中超越 Fable 5，引发硅谷巨头焦虑，OpenAI 战略负责人称开源模型会阻碍资本支出。
  2. 022025 年 7 月 19 日，Kimi 因算力逼近极限，暂停新用户接入，仅保留存量用户服务。
  3. 03Kimi 的 C 轮融资后（2025 年底）投后估值 43 亿美元，现金储备超 100 亿元。半年后 Pre-IPO 估值达 500 亿美元，涨幅近 12 倍，但 100 亿现金仍不足以解决算力问题。
  4. 04期智研究院研究员李彪指出，Kimi K3 未呈现全新架构，其核心是将已有模块（KDA、AttnRes）与极稀疏 MoE 等整合，工程优化水平是关键。
  5. 05Artifacial Analysis 评测显示，Kimi K3 跑完整套测试总 Token 量约 1.3 亿，总账单 2709.75 美元，同类模型中位数仅 6300 万 Token。
  6. 06胡延平教授提出“量效比”概念，认为 token 不经济是长期竞争隐患，需要硬件层面（如英伟达 B300 vs H200）提升 token 印制效率。
  7. 07华为在 WAIC 上展示了从 CloudMatrix 384 到 Atlas 950 两代超节点进化，计算密度翻倍，目标从支持千亿参数扩展至万亿参数模型训练/推理。
反方 / 局限
  • — Kimi 自身认为“中国开源模型不应被贴上性价比标签，SOTA 模型应该有定价权”，但文章暗示在用户端，token 经济性（性价比）仍然是竞争关键。
  • — 虽然 Kimi K3 证明了技术能力进入前沿，但文章引用的科技投资人观点认为，其推理经济性、产品体验和商业模式尚未完全证明。
Kimi K3Scaling Law杨植麟胡延平李彪MoEKDAAttnResOpenAI华为昇腾Atlas 950智谱SemiAnalysisArtifacial Analysis
9 分钟 · 1 卡片 · 3 资料
读原文 →

前置背景