尽管《2026年斯坦福人工智能指数报告》就曾指出，自2025年初以来，中美两国的模型多次互换领先地位。2025年2月，DeepSeek R1模型就曾追平过美国顶级模型。并且截至2026年3月，Anthropic旗下顶级模型的领先优势仅为2.7%。但国产大模型近期掀起的一波发展高潮，还是让人有些炫目。
先是月之暗面的Kimi K3正式开源，2.8T级别的参数量首次将一个开放模型的参数量提升到近3T级别。紧接着DeepSeek V4 Flash正式发布，随后露面的阿里Qwen3.8-Max，2.4T的参数规模更是坐实了国产开源大模型正式进入了“大参数时代”。
Kimi K3开源可谓是一石激起千层浪，它将对整个AI产业产生深远的影响。Gartner高级研究总监张桐近日从多个视角谈了Kimi K3开源所引发的变化。
中美AI模型对抗强度上升
对比此前DeepSeek R1掀起的行业浪潮，张桐认为Kimi K3带来的产业变革具备本质差异。
Gartner高级研究总监张桐
他表示：“DeepSeek时期仅证明国内可依靠有限算力实现对标海外推理模型的效果，并且在短期内倒逼OpenAI加速新品发布，但并未真正对顶级模型形成挑战，而在过去一年开源模型的迭代速度也不及闭源模型，海外企业出于数据安全顾虑不敢规模化商用中国的大模型。”
反过来看，Kimi K3实现与海外前沿模型性能齐平，且海外客户把它视为一个潜在的替代选项，东南亚市场出于供应链自主可控需求，对国产开源模型接纳度提升非常明显。包括Together AI、Fireworks在内的海外平台也在K3发布首日即完成上线，依托成熟算力调度承接海量企业调用流量，直接兑现商业化收益。
国内大模型已经实实在在地缩短了与美国高端大模型的差距，形成了以Kimi K3、DeepSeek V4 Flash、通义千问Qwen3.8、MiniMax H3、智谱AI等为代表的国内开源大模型阵营，并且具备了与以OpenAI、Anthropic等为代表的闭源大模型抗衡的能力。
对此，张桐却认为：“必须清醒地看到，在3-5年的短期时间内，开源模型还难以成为市场主流，全球最强基座智能能力仍会掌握在美国闭源厂商手中。但Kimi K3创新商业授权模式将大幅加速开源生态成熟，形成开源、闭源长期并行共存的行业格局。开源基座虽然降低了上层应用开发门槛，但算力、底层推理优化、高质量训练数据等核心环节门槛依旧高耸，这也是Kimi现阶段最核心短板：高端算力供给不足，国产训练芯片与英伟达GPU之间仍存在差距。”
决定国内大模型高速发展的因素
全球大模型赛道在未来较长一段时间内都将保持激烈竞争，这样自然也就引出了一个问题：国内大模型如何才能更快地发展。
放眼国内AI算力产业长期发展，张桐认为突破算力瓶颈是国产大模型走向全球的核心命题。当前国内存储、服务器、网络设备产业链持续追赶，但高端训练芯片与配套生态仍是短板；外部算力供给约束将倒逼国内全产业链自主化投入，算力集群基础设施建设会持续带动芯片、服务器、云服务上下游增长，长远有望形成自主可控的AI算力供给体系，实现像公共水电一样规模化对外输出Token服务。
立足长期技术竞争，大模型的规模扩张仍是不变主线，尽管规模扩展边际收益在递减，但更高阶智能仍依赖更大基座。国内厂商差异化优势集中在工程化能力，也就是高效利用算力，以及优化模型运算能力，包括使用线性注意力机制。
正是由于国内大模型的规模扩张依然处于高速发展阶段，张桐总结Kimi短期窗口期仅约三个月，国内智谱、阿里等厂商以及海外头部企业会快速跟进对标产品。
张桐总结说：“月之暗面的长期护城河并不在短期参数规模，而在于三大核心壁垒：自研高质量训练数据体系、以长文本输入和线性注意力机制为代表的原创架构创新、杨植麟团队主导的顶尖工程能力。长文本处理能力作为Kimi最初的技术标签，现已成为全行业通用刚需，也是支撑自主智能体、数字员工落地的底层基础。”
国内开源大模型厂商需要突破的还有商业模式，虽然采用开源模式，但并不代表因此就不需要盈利。谈及商业模式革新，张桐认为Kimi推出的定制化商业授权协议，是开源赛道的重要探索。区别于MIT、Apache等通用开源协议，月之暗面设置营收分成门槛，合作云平台年营收达到2000万规模需与模型方分成，同时对外输出模型时标注Kimi标识，形成“厂商训练基座、生态伙伴负责部署获客、源头企业持续分成”的闭环商业体系。这套模式解决了长期以来开源模型 “只投入不盈利”的行业痛点，平衡技术开放与商业可持续。
值得关注的是，对于Kimi所采用的这种定制授权模式，阿里通义千问等头部国产模型厂商已显现出跟进趋势。而对比闭源产品，定制授权综合成本更低，海外云服务商、跨国企业接受度也在持续提升，将成为未来一年内国内大模型定价与商业模式演变的核心主线。月之暗面此次出圈的不仅是技术，还有商业模式，这实际上也为它后期的高速发展奠定了基础。
当前，科技巨头持续加码算力资本开支，硬件设备提供商以及云服务商作为“卖铲子”的基础设施供给方已兑现可观收益。但另一方面，张桐介绍说：“企业端甲方能否依托AI模型实现业务价值提升，现阶段仍缺乏普遍可验证的高回报案例，行业整体ROIC（投资资本回报率）仍有待时间验证。”
国产大模型做大的基础，是要让传统企业真正用起来。因此，Kimi K3的新特性在对用户产生影响的同时，也在间接地改变着国内大模型的产业格局。
用起来，才最重要
针对企业用户，Kimi K3精准击中了两大长期用户痛点。首先是海外客户可以降低对美国闭源模型的业务依赖，规避政策与使用条款约束。其次是Kimi K3兼顾高阶智能与可控成本，平衡复杂长程任务、自主智能体场景的性能需求。出于解决这两大业务痛点的需求，在部署意愿层面，海外企业已从仅用开源模型承接重复性高但不复杂的任务，逐步向长程复杂业务延伸。
而针对国内大模型用户，国内企业始终将本土开源基座作为首选。但开源大模型的落地门槛客观存在，以Kimi K3为例，2.8T级别的模型无法在单台设备完成推理，对H100等高端算力存在硬性需求，企业若无专业团队，本地部署周期可能长达数月，绝大多数腰部企业最优解仍是依托超大规模云厂商、专业MaaS服务商调用API服务。
而在这方面，Kimi K3同样有了较大的提升。
针对企业落地实操，张桐重点提及Kimi官方配套技术报告的独特价值。相较于过往DeepSeek 等开源模型，K3技术文档完整披露全流程部署细节，工程师团队可依托文档快速完成本地微调、环境搭建，大幅降低试错成本。
因此，张桐特别强调：“企业落地必须配套独立安全管控体系，完成权限分级、行为拦截、操作审计多层防护。同时模型快速迭代带来持续成本压力，企业频繁切换本地开源基座，需要重构业务适配层、重新完成效果验证，周期与人力成本高昂，长期来看MaaS模式更适配企业持续享受前沿模型迭代红利。”
生态促成长
Kimi K3的开源，同时也带来了开源红利。在供给侧，海内外MaaS模型服务厂商已经成为了最大受益者。Kimi K3体量庞大，普通企业不具备独立本地部署工程能力，绝大多数需求仍会流向MaaS服务商，这同时也会让模型云服务赛道迎来确定性增长。
在张桐眼中，快速原生适配是检验厂商底层部署能力的核心硬指标。但市场中同一套K3权重，各平台运行延迟、报错率、并发承载能力差异悬殊，核心影响因素包含硬件集群规格、芯片统一度、服务器互联网络配置、并发调度策略与缓存优化水平。MoE专家混合架构对集群网络传输提出极高要求，这也为电信运营商布局AI算力MaaS业务开辟新赛道：运营商可依托自有算力云提供标准化K3调用服务，通过Token加价、增值优化实现盈利，但同时直面互联网云厂商的激烈竞争，能否形成差异化缓存、算力调度技术壁垒，是决定市场份额的关键。硅基流动等专注底层推理优化企业的价值，也在此轮浪潮中持续凸显。
Kimi K3在成为外放权重模型后，引得业界一致看好。从生态角度来讲，张桐认为，这肯定会为Kimi K3赢得更多来自生态的支持。
他解释说：“当你的模型很厉害，被大家都认可，那么大家就都想用你的模型，这就变成了你训练一个模型，别人帮你部署，同时别人也帮你去面向客户开展商业变现，在这个过程中你能够得到你应得的分成。如果这条路走通，Kimi的商业化，以及它后期的上市，都将比大家的预期好很多。”
概括来看，Kimi K3给国产大模型产业、用户、合作伙伴都带来了礼物，同时也给闭源大模型阵营带来了压力。Kimi K3终将因这些礼物，被反馈更多成长的力量。在这个交互的过程中，闭源大模型阵营、国产开源大模型阵营、用户和合作伙伴的格局，都会悄然发生变化。
第四十二届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：lijj
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
