快速阅读 ■ 月球之暗面发布了新一代模型，Kimi K2 的创意。同样引发热议的不仅是其在数学推理和理解代码方面的进步，还有其背后的数字——460万美元的培训费用。 ■ 在OpenAi这个估值5000亿美元的“人工智能独角兽之王”面前，粮草薄弱的中国初创企业想要突围，强硬显然不现实，必须寻找其他出路，走入墙角。 ■ 月之暗面代表了一种新的AI力量——它可能不是最奢华的，但可能是最高效的；它可能没有拥有最多的资源，但它知道如何最大化资源的价值。 10月最后一个工作日，雪豹财经走访了月之暗面北京办公室。我们注意到月之暗面的会议室都是以乐队命名的：Pink Floyd、The RollingStone、Queen、The Beatles、Radiohead……阿里巴巴有“广顶顶”，百度有“昆仑”。他们谈论秩序和修养；月之暗面就像乐队排练，宣扬自由、变革和叛逆。摇滚乐刚诞生时，是一种“投资门槛低”的音乐类型：不需要复杂的录音室，也不需要昂贵的乐器。一把坏掉的吉他和一套鼓可以表达出强大的力量。就在访问一周后，11月6日，月之暗面发布了新一代机型“Kimi K2 Thinking”。同样引发热议的不仅是其在数学推理和理解代码方面的进步，还有其背后的数字——460万美元的培训费用。在大规模人工智能模型往往花费数千万美元和数亿计算小时的时代，这个数字似乎不切实际。但这种事确实发生了——而且类似的故事在中国上演。他们都指向事实上，中国的人工智能产业正在进入一个高效率时期：模型越来越强，但花的钱越来越少。问题是，这意味着什么？ “中国卓越”再次让硅谷惊叹。 CNBC关于Kimi K2心理训练费用的报道犹如一块大石投入水中，业界一片哗然。 460万美元不到GPT-4训练成本的8%，甚至低于Deepseek披露的560万美元V3训练成本（租赁价，正式训练阶段）。性能方面，Kimi K2思维在Last Exam、Browsecomp等多项基准测试中取得了与GPT-5、Claude 4.5等领先模型相当甚至超越的性能。长期以来，人们一直认为人工智能能力与天价资本支出之间似乎存在线性关系：更强大的模型应该对应更大的投资。但Kimi K2的出现而 Deepseek 则打破了这一逻辑并重建了新的叙事。彻底减少传统知识。尽管创始团队的阴暗面回应道：“Hinthis不是官方数据。培训成本很难计算，因为很大一部分用于研究和实验。”但面对成本的巨大差异，这一解释并没有融化业界的惊愕之情。 Hugging Face 联合创始人托马斯·沃尔夫 (Thomas Wolf) 也被问到：“我们会每隔几个月经历一次‘深度探索时刻’吗？”与此形成鲜明对比的是，今年8月，OpenAi首席执行官Sam Altman表示，未来公司将投资数万亿美元结合AI基础设施来支持各种人工智能服务。就在Kimi K2发布两天后，甲骨文就宣布了高​​达180亿美元的数据融资交易的消息。对比两者，外媒开始反思中美两国在人工智能基础设施发展上的差异。美国。 CNBC 预测，到 2027 年，美国将在数据中心投资近 7000 亿美元。相比之下，包括阿里巴巴、腾讯、字节跳动和百度在内的中国主要参与者预计投资总额将不到 800 亿美元。也就是说，资本支出比例高达10:1，但系统性能基本相同。美国企业通过私人信贷和债券市场为大型数据中心提供融资，而中国同行则凭借效率取胜——使用更便宜的芯片、开源模型以及需要更少资本投资的精简基础设施。据国际媒体估计，Kimi K2 Thinking API 的价格比 OpenAI 和 Anthropic 的同类模型便宜 6 至 10 倍，这会对商业采用模式产生影响。 Thomas Wolf 表示，自从 Kimi K2 的创意发布以来，它已成为该平台上开发者中最受欢迎的型号。另一个问题是该规则是否AI领域的游戏格局正在被改写？连接资本创始人兼首席投资官Kevin Xu在接受CNBC采访时表示，此前，人工智能领域几乎一切都是由硬件主导的，这也是OpenAi和Anthropic能够做到这一点的原因。但Deepseek的演变提供了另一种在中国构建人工智能的方式，以软件为主导。如今，从阿里巴巴大模型Deepseek，到Kimi K2的创意，中国大模型正在开源战略和极致成本效率的晨曦中改变着人工智能领域的竞争格局和格局。 Kimi K2为何爆炸？ Kimi K2的思想如此受欢迎的原因很简单：它更智能，但更便宜。对比每百万代币的 API 调用成本，K2 的思考成本和产出成本分别为 0.1.5 美元和 2.5 美元，GPT-5 分别为 1.25 美元和 10 美元。市场的认知已经被重塑：最实用的车型≠最昂贵的车型。在过去很长一段时间里，金融算力决定论是美国模式主导的叙事逻辑。 Openai、Anthropic 和 Google Deepmind 准备开始一场大型模型“军备竞赛”，但资金烧得越来越快，模型的开发却越来越慢。据美国投资银行摩根士丹利估计，训练GPT-4的成本超过6000万美元。在中国，我们看到的恰恰相反：Kimi 以零点几的成本实现了接近 GPT 的能力。估值5000亿美元的“AI独角兽之王”OpenA拥有数千人的技术团队，其中大部分是高薪专家。它已经部署了超过10万个NVIDIA H100 GPU，并拥有1万亿美元的算力扩张计划。月球暗面耗资33亿美元，不到前者的1%，技术团队更超过200人。面对这种完全不平等的竞争，粮草薄弱的中国初创企业如果想冲破OpenAi的钢铁围墙，“举步维艰”显然不现实，只能另辟蹊径，在角落里追赶。 Kimi目前的重点是：“充分压榨每一张卡”，通过架构优化和成本控制来实现最佳性能。从烧钱竞争到效率竞争，“中国效率”给硅谷带来“亿分”的小震撼，这已经不是第一次了。 Deepseek R1自去年年底推出以来，在性能上已经与O1相当，同时大幅降低了识别成本。国内大牌车型屡屡贡献出令人惊喜的表现。 Qwen位列抱脸模型下载量前10名，GLM的Z.AI系列模型、Minimax等也受到海外用户的关注。换句话说，中国的人工智能转型尽管资源有限，但仍在不断出现。 “小米加步枪”的突围逻辑如果说2022年ChatGPT的发布标志着“AI启蒙”，那么2025年，中国AI在有限资源下涌现的创新思路和通过有限算力压榨出的极致性能，一次次向世界展示了中国团队的技术实力。人工智能创新不仅是算力的竞争，更是效率的竞争； AI的竞争不仅仅是“你有多少钱”，更是“每一分钱怎么用”。 Kimi和Deepseek的崛起让全球观察者重新评估：为什么没有重大资金支持的中国团队能够成为AI领域的黑马？答案可以概括为三个词：技术理念、资源禀赋、算法策略。美国的大型模型往往带有“科学理想主义”的浪漫色彩——先想象一个理想的系统，然后再投入实际行动。大量的资源来估计它。中国团队就像“工程现实主义者”——现有资源下最好的解决方案是什么。 Deepseek 去年推出了一种名为“稀疏激活”的方法，该方法中模型不是在理解时激活所有神经元，而是根据任务动态选择部分网络参与，从而压缩了识别原始部分的成本。 Kimi K2模型首次在海量模型中使用新一代优化器，实现了约2倍的效率提升。 11月5日，Kimi K2概念发布前一天，NVIDIA首席执行官黄仁勋在闭门会议上断言：“中国将赢得人工智能的全球竞争。”现在是重新审视中国人工智能原型的三重逻辑的时候了。是时候重新审视月球的黑暗面了。因为资本市场正在慢慢意识到，AI公司真正的障碍可能不再是参数规模，而是每单位计算能力的输出量（计算效率）。对月之暗面的重新评价至少有三个逻辑：一是从“资本密集型”到“智力密集型”。训练一个可以与 GPT-4 竞争的模型花费了不到 500 万美元，这意味着该公司拥有了能够以低成本保持高速创新的新技术杠杆。这种能力本身就是资本市场的终极资产——即高ROI的研发能力。其次，成本结构可以复制，商业化也有望实现。与耗资数亿美元的模型不同，Kimi 的成本意味着它可以更频繁地更新，风险也更可控。这为月球的暗面提供了可持续重现的模型。这有点类似于服装行业为应对快速变化的市场需求而建立的柔性生产体系。第三层是战略地位：处于C的关键节点中国的人工智能生态系统。中国人工智能产业正处于“算力去中心化”的关键阶段。以阿里巴巴、字节为代表的巨头，以及以Deepseek、月之暗面为代表的典范公司，形成了从底层框架到应用的“内生循环”。 Deepseek和Kimi的出现不仅填补了“性价比模式”的生态空白，也成为中国AI产业全球化的新模式。这证明其无需依赖大量算力投入，就能在技术上与国际领先机型竞争。近三年来，人工智能竞赛的关键词是“大”：更大的参数、更大的语料库、更大的训练集群。但那样的话，那就是另一种逻辑：用最少的资源创造出最强的智能。未来的人工智能竞争将不再是“硬件之战”，而是四个维度的综合竞争：数据效率——更通用的可以用更少的数据来训练模型；算法创新——可以让模型更快、思考更深入；成本合理——可以让每个人都能负担得起AI的使用成本；场景融合——谁能成为AI真正生产力最快的人。中国的机会就在这里：虽然有硬件短板，但在成本结构、产业整合、场景落地等方面有很强的实践能力。像月之暗面这样的公司代表了一种新的人工智能力量——它不一定是最奢侈的，但它可能是最高效的；它不一定拥有最多的资源，但它更知道如何最大化资源的价值。在这个新的周期中，决定胜负的不仅在于谁拥有最多的芯片，还在于谁能用有限的芯片创造出最智能的模型和应用。 Deepseek和Kimi花费的数百万美元可能不仅是培训预算中的一个数字，也是一个光明的数字。脚注是，尽管有限制，中国人仍可以继续创新。作者 |编辑陈绪宁|黄云涛封面来源：kimi官网完返回搜狐查看更多