2025年以前，AI界盛行著一種信念：只有閉源、巨額投入和瘋狂堆算力才能打造最強(qiáng)大的模型。

OpenAI作為這一思路的旗手，不僅將模型訓(xùn)練秘而不宣，更與合作伙伴繪制了高達(dá)1.4萬億美元的基礎(chǔ)設(shè)施藍(lán)圖。

八年內(nèi)燒掉1.4萬億美元來構(gòu)建數(shù)據(jù)中心，被視作確保領(lǐng)先的唯一途徑。

在這種思維下，OpenAI旗艦?zāi)Ｐ偷难邪l(fā)成本節(jié)節(jié)攀升：據(jù)報(bào)道，訓(xùn)練GPT-4就花費(fèi)了約1億美元。

閉源+重資本模式一度令人信服，OpenAI因此獲得了天價(jià)估值和洶涌資本支持。

然而，這一「用錢砸出智能」的神話，正隨著一系列意料之外的挑戰(zhàn)而動(dòng)搖。

信念的第一次動(dòng)搖

DeepSeek-R1橫空出世

今年年初，一家彼時(shí)名不見經(jīng)傳的中國初創(chuàng)公司深度求索掀起了巨浪。

它發(fā)布的DeepSeek-R1模型不僅開源，而且號(hào)稱性能可與OpenAI頂級(jí)模型比肩。

更令人瞠目的是，DeepSeek宣稱訓(xùn)練這款模型只花了約560萬美元，連舊金山一套像樣的房子都買不起。

這個(gè)成本數(shù)字相比業(yè)內(nèi)普遍認(rèn)為的「燒錢」級(jí)別相差懸殊，僅為Meta開發(fā)Llama模型成本的約十分之一。

事實(shí)證明，這并非夸夸其談。

DeepSeek-R1發(fā)布后一周內(nèi)，DeepSeek App下載量迅猛攀升，一舉超越ChatGPT，登頂美國蘋果App Store免費(fèi)榜。

一款開源AI應(yīng)用在美國用戶中的受歡迎程度超過了OpenAI的王牌產(chǎn)品，這一幕令業(yè)界震驚。

DeepSeek以微薄成本實(shí)現(xiàn)高性能，直接質(zhì)疑了開發(fā)AI必須投入天量資金和算力的傳統(tǒng)觀念。

華爾街對(duì)此反應(yīng)劇烈，微軟和谷歌股價(jià)應(yīng)聲下挫，而AI芯片巨頭英偉達(dá)的市值甚至蒸發(fā)了約17%，相當(dāng)于約6000億美元。

資本市場用腳投票，開始重新審視AI賽道的投入產(chǎn)出模型：燒錢打造封閉模型的路線，或許并非高枕無憂的康莊大道。

開源低成本路線的核彈

Kimi K2 Thinking震撼登場

DeepSeek年初點(diǎn)燃的星星之火尚未平息，中國另一家初創(chuàng)公司月之暗面在年末投下了一枚震撼彈。

本周，月之暗面發(fā)布了最新的開源巨模型Kimi K2 Thinking（以下簡稱K2 Thinking），以開源身份在多個(gè)關(guān)鍵基準(zhǔn)上追平甚至超越了OpenAI的旗艦GPT-5。

要知道，GPT-5可是閉源巨頭最先進(jìn)的成果之一，而K2 Thinking僅用幾百萬美元訓(xùn)練，卻在高難度推理和編碼測(cè)試上正面較量并拔得頭籌。

K2 Thinking在綜合編程挑戰(zhàn)「SWE-Bench Verified」上取得了71.3%的通過率，略高于GPT-5的成績，甚至在復(fù)雜網(wǎng)頁搜索推理任務(wù)BrowseComp上，以60.2%對(duì)54.9%的得分大幅領(lǐng)先GPT-5。

這些數(shù)字宣示了一個(gè)歷史拐點(diǎn)：開源模型與頂級(jí)閉源模型之間性能鴻溝的實(shí)質(zhì)性塌陷。

K2 Thinking的問世標(biāo)志著開源免費(fèi)模型在高端推理和編碼能力上與封閉系統(tǒng)平起平坐，這一點(diǎn)在過去幾乎難以想象。

而實(shí)現(xiàn)這一壯舉，月之暗面投入的算力成本據(jù)傳約為460萬美元，比起OpenAI宏圖中的萬億投入，幾乎可忽略不計(jì)。

一邊是幾百萬美元造就的開放奇跡，另一邊是幻想燒錢萬億的巨無霸帝國，鮮明對(duì)比令人不禁懷疑：AI行業(yè)過去堅(jiān)持的大投入邏輯，難道真的站不住腳了？

技術(shù)路徑的勝利

巧用架構(gòu)勝過砸錢堆料

K2 Thinking并非魔法橫空出世，而是技術(shù)路線差異帶來的成本逆襲。

傳統(tǒng)的GPT-5這類閉源模型采用的是「通用大腦」式架構(gòu)，每個(gè)參數(shù)對(duì)每個(gè)輸入都會(huì)發(fā)動(dòng)運(yùn)算，因而模型越大推理開銷越驚人。

K2 Thinking則采用混合專家架構(gòu)，將龐大模型劃分為384個(gè)專長各異的專家模塊。

每次僅有8個(gè)專家（外加1個(gè)通用專家）被激活參與計(jì)算，相當(dāng)于只動(dòng)用320億參數(shù)來解決特定問題。

換言之，K2-Thinking擁有一個(gè)「萬智百寶箱」，每個(gè)token只調(diào)用其中不到3.5%的智力，卻能享受近似萬億參數(shù)的知識(shí)儲(chǔ)備。

這一架構(gòu)設(shè)計(jì)讓K2 Thinking在推理時(shí)既聰明又節(jié)省：「大而不笨重」。

架構(gòu)優(yōu)化帶來的成本效率提升達(dá)百倍之多，令人嘆為觀止。

更關(guān)鍵的是，月之暗面研發(fā)了名為「MuonClip」的自定義優(yōu)化器，在訓(xùn)練過程中自動(dòng)穩(wěn)壓梯度，成功杜絕了超大模型常見的梯度爆炸和損失發(fā)散問題。

Kimi-K2在長達(dá)15.5萬億token的訓(xùn)練中實(shí)現(xiàn)了「零訓(xùn)練崩潰」，無需人為中途干預(yù)重啟，這意味著即使資金設(shè)備相對(duì)有限的團(tuán)隊(duì)也能可靠地訓(xùn)練超大模型。

DeepSeek也在工程上強(qiáng)調(diào)「強(qiáng)化學(xué)習(xí)后訓(xùn)練」等高效策略，使得小團(tuán)隊(duì)得以攀登AI高峰。

這些技術(shù)路徑上的創(chuàng)新，等于是用聰明才智破解了過去只有砸錢才能解決的難題。

曾經(jīng)只有巨頭燒錢才能鋪就的康莊大道，如今民間高手另辟蹊徑，用技術(shù)巧思抄了近路。

開源風(fēng)暴的經(jīng)濟(jì)學(xué)沖擊

當(dāng)技術(shù)壁壘被攻克，開源路線在經(jīng)濟(jì)層面的優(yōu)勢(shì)便愈發(fā)凸顯。

K2 Thinking的模型權(quán)重可在相應(yīng)許可證條款下自由下載部署。

這與OpenAI等閉源模式形成鮮明對(duì)比，它們的模型被封藏于云端，只能通過昂貴API租用它們的大腦。

以K2 Thinking為例，其官方提供的API價(jià)格是每百萬輸入token收費(fèi)4元（命中緩存時(shí)更低至1元）、輸出token16元。

相比之下，OpenAI的GPT-5 API價(jià)格約為每百萬輸入token收1.25美元（約9元），輸出token高達(dá)10美元（約71元）。

換算下來，同樣百萬token的處理，K2 Thinking的費(fèi)用僅為GPT-5的十分之一不到。

對(duì)開發(fā)者和企業(yè)而言，這無疑極具誘惑力，更何況K2完全可以本地部署，不愿付API費(fèi)的話，大可以自建服務(wù)。

正因如此，我們已看到市場正在迅速響應(yīng)：越來越多AI工具和平臺(tái)開始集成K2 Thinking模型，許多開發(fā)者在社區(qū)分享如何用K2 Thinking微調(diào)自定義應(yīng)用。

DeepSeek-R1發(fā)布后，其MIT開源權(quán)重更是被無數(shù)開源社區(qū)下載、魔改，用于各種插件和研究項(xiàng)目。

甚至政府機(jī)構(gòu)和大型企業(yè)也開始重新考慮，與其斥資購買封閉模型的算力配額，不如采用開源模型作為基礎(chǔ)，掌控自主可控的AI能力——尤其當(dāng)這些開源模型已經(jīng)足夠好且成本低廉。

這種用腳投票的風(fēng)向轉(zhuǎn)變，不僅出現(xiàn)在技術(shù)圈，更在資本圈引發(fā)連鎖反應(yīng)：OpenAI此前天價(jià)的數(shù)據(jù)中心投資承諾，正面對(duì)質(zhì)疑和壓力。

OpenAI高管甚至在公共場合暗示需要政府貸款支持，事后又忙不迭出來「滅火」澄清不尋求政府背書，以平息外界對(duì)其燒錢計(jì)劃的擔(dān)憂。

當(dāng)巨頭為融資「續(xù)命」四處游說時(shí)，開源對(duì)手們正用實(shí)際成績證明，也許根本不需要那么多錢，也能把事情辦成。

行業(yè)敘事的改寫與泡沫的冷卻

DeepSeek和Kimi K2 Thinking帶來的并非單純的「追趕」，而更像是一場對(duì)舊路線的證偽。

過去，封閉巨頭們的護(hù)城河建立在一種假設(shè)之上：只有不斷投入數(shù)量級(jí)增長的資金和算力，才能保持模型性能的領(lǐng)先。

這一假設(shè)曾讓OpenAI們?cè)谫Y本市場上如日中天，甚至形成了某種估值泡沫，AI公司和底層芯片廠商的價(jià)值被無限推高，因?yàn)樗腥讼嘈艧X會(huì)帶來奇跡。

然而當(dāng)開源挑戰(zhàn)者以區(qū)區(qū)百萬量級(jí)美元達(dá)到同類水準(zhǔn)，這個(gè)故事的結(jié)局便不再那么線性。

事實(shí)證明，「性能領(lǐng)先的最后20%」或許并非大多數(shù)用戶真正需要的，尤其如果為此要付出十倍乃至百倍的價(jià)格。

從普通消費(fèi)者到中小企業(yè)，更青睞的是「夠用+便宜」的實(shí)惠。

OpenAI等公司無疑依然握有行業(yè)頂尖的研究人才和技術(shù)積累，但他們?cè)匐y宣稱自己的路線是「唯一正確且必不可少」的。

行業(yè)敘事正在轉(zhuǎn)向：與其癡迷于砸錢堆出更大模型，不如在架構(gòu)創(chuàng)新和工程穩(wěn)定性上下功夫，以換取成本效率和開放生態(tài)。

投資者也日趨清醒，過去見誰談AI就砸錢的狂熱減退了許多，現(xiàn)在更關(guān)注實(shí)際效能和商業(yè)可行性。

最危險(xiǎn)的對(duì)手，不是那個(gè)跟你拼燒錢的人，而是那個(gè)證明根本不需要燒那么多錢的人。