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，在接受 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。
01
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。
02
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。
毫无疑问，这番刺裸裸的「主义背后的算计」，立刻引发了巨大的争议。
因为第三个阵营，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，作为全球最大 AI 芯片供应商的掌门人，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。」
03
「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，值得认真拆解。
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。
04
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。