7月17日，A股科創50暴跌7.12%，創業板指跌7.15%，滬指跌3.05%報3764.15點，全市場超5000隻個股下跌。 記憶體晶片、CPO、PCB等算力硬體概念批次跌停——這是全球AI投資"擠泡沫"傳導到中國的最新一章。 而在一周前，DeepSeek估值三個月翻了七倍、創始人梁文鋒以2440億人民幣登頂全球AI創始人首富；智譜完成314億港元配售、可靈斬獲30億美元融資、MiniMax入帳160億港元——中國大模型"五虎"，一周內千億彈藥到位。 兩條敘事線同時發生。

這幾天大模型圈的幾件事湊在一起，把一個老問題又推到了風口浪尖：模型開放權重，到底是自斷財路，還是放長線釣大魚？ 剛好摩根大通亞太團隊發了份中國 AI 行業深度報告，標題就說得很直白 —— 開放權重商業化手冊：贏家通吃。一邊把智譜 AI 目標價從 1800 港幣上調到 2000，維持增持；另一邊把 MiniMax 從 400 港幣直接砍到 300，維持中性評級。 同一條賽道，同是開放權重路線，待遇天差地別。 1 | 先聊最根本的：開源= 漏收入？到底對不對

OpenAI已經證明了自研晶片的性價比。其晶片在推理任務上的性能可與輝達Blackwell晶片和GoogleTPU相媲美，成本能降低約50%。 7月7日，大模型公司DeepSeek及智譜同日被曝自研推理晶片的消息。消息稱，DeepSeek正與晶片設計公司、晶圓代工廠和儲存企業展開接洽。智譜已向部分國內晶片設計公司進行初步詢問，探討聯合開發專用AI處理器。 針對自研晶片一事，記者向智譜方面求證，截至發稿沒有收到回應。DeepSeek也沒有做出公開回應。 兩家公司被曝出的自研晶片都是推理晶片，而不是訓練晶片。訓練晶片主要用於AI模型訓練，擁有更多的計算核心、高速的記憶體介面以及大量的儲存空間；推理晶片用於AI模型的部署和應用，具有低延遲、高效能耗比以及小型化設計的特點。

中國大模型在2026年第一季度全球周呼叫量是12.96兆Token，美國的4.3倍。但把月之暗面、MiniMax、智譜三家最能賺錢的獨立大模型公司ARR加在一起，不到5億美元。 還不夠OpenAI一個月收入的零頭。 這不是技術差距。DeepSeek已經證明了模型能力可以追平甚至局部超越。真正殘酷的，是呼叫量和收入之間的那條鴻溝，背後是一套二十年前就定型的社會土壤，一層疊一層的結構性鎖死。 先看一組讓投資人失眠的數字。

誰在賣，誰在買，誰被困住了，誰提前走了？ 時間走到今天，智譜上市已有4個多月時間，其股價從116.20港元上市價格，漲到1001港元。這個背景下，故事逐漸展開。 2024年4月的一個下午，一位投資人在朋友圈看到了那則消息，隨後把手機扣在桌上沉默了很久。 消息說，月之暗面創始人楊植麟在完成10億美元融資後，通過出售個人持股套現了數千萬美金。"公司成立才一年。"這位投資人後來說，"他比他的投資人先出來了。"

“電力未曾跨境，價值已抵全球。”隨著“龍蝦”（OpenClaw）等智能體工具爆火，全球開發者正不分晝夜呼叫中國大模型。據全球最大AI大模型聚合平台OpenRouter資料，國產大模型呼叫量已連續一個月超過海外模型，穩居全球前列。看不見的電流在中國西部戈壁的太陽能板、草原的風電機組中湧動，經全球最大電網匯入智算叢集，轉化為AI處理資訊的最小單元Token，再以光速跨越山海，抵達全球終端。為何看不見的中國電力，能通過Token成為驅動全球AI的“數字原油”？Token是AI處理輸入資料的基本單元，中文翻譯過來是詞元。每一個Token生成，都對應著算力運轉與電力消耗。在AI大模型營運成本中，電費佔比高達六七成，但一千瓦時廉價綠電經由Token轉化後，價值可以放大數十倍甚至上百倍。可以說，Token是一種算力與電力凝結的標準化數字商品。在電力Token化出海過程中，突破了物理電力跨境輸送的成本與邊界限制，讓中國西部富集的風光綠電，以低損耗、高附加值的數字服務形態實現“無形出海”，開闢了綠電價值轉化全新路徑。2025年10月25日拍攝的中衛300萬千瓦太陽能綠電項目1號升壓站。王鵬攝（新華社）中國Token能做到量大又便宜，是多重系統性優勢疊加的結果，背後是難以複製的全球競爭力。綠電成本窪地築牢底層“護城河”。中國已建成全球最大可再生能源供給體系，西部和北部地區的風光資源極其豐富，由於發電價格低廉，就地消納轉化為高價值Token後，既解決了新能源消納難題，又為算力產業提供了顯著成本優勢。有券商測算，國產AI模型綜合推理成本僅為海外的1/10至1/6，增強了中國Token服務在全球市場上的推廣和使用優勢。算電協同戰略打通供需堵點。“東數西算”超前佈局八大算力樞紐，輸電與算力網路深度融合，實現“西電東送、算隨電走”的智能調度。西部承接AI訓練、批次推理等非即時算力任務，東部保障金融、工業控制等低時延需求，讓算力與綠電在時空上精準匹配，大幅降低綜合能耗與營運成本。全產業鏈自主可控夯實基建底氣。從國產GPU、液冷伺服器、高密度算力叢集，到跨境海底光纜、全球低時延網路，中國已形成一條完整的算力基礎設施供應鏈，降低對單一環節外部依賴，保障算力供給穩定與高效。同時，國產模型飛速進步，依託先進計算技術，大幅降低單位Token算力消耗；快速迭代的工程最佳化，讓模型推理效率持續提升，不斷放大成本優勢。2月26日在京津產業新城高村數智創新園中國聯通京津冀數字科技產業園拍攝的蓄冷罐。孫凡越攝（新華社）Token經濟崛起，正深刻改寫著全球AI產業與能源格局。它打破了海外巨頭對AI服務的定價壟斷，以高性價比重構全球算力服務市場規則；打開了西部綠電消納新空間，讓能源轉型與數字經濟形成雙贏閉環；推動中國從“物理世界工廠”向“數字世界智能工廠”升級，輸出智能化服務而非單純硬體產品；帶動算力租賃、跨境網路、AI外掛生態等全產業鏈出海，形成數字服務全球化新範式。熱潮之下，更需保持清醒。當前Token出海仍面臨一些現實挑戰：高端訓練晶片等核心算力仍面臨制約，必須在基礎研發上持續突破；資料跨境流動涉及多國隱私與安全監管，合規邊界亟待釐清；算電協同仍以“電力供算力”的單向模式為主，需向“源網荷儲”雙向智能調度升級，提升綠電消納靈活性與穩定性。應對挑戰，需堅持系統思維。加快AI晶片、先進算力架構等基礎研發，突破技術瓶頸；積極參與國際Token標準、資料跨境規則制定，推動互認與協同；深化算電協同新基建，完善綠電直連、市場化交易與智能調度機制，將階段性成本優勢沉澱為長效技術與制度競爭力。Token是智能時代基礎設施競爭的關鍵賽場。有跡象顯示，Token有望成為新的大宗商品——標準化、可計量、可交易，而Token出海，或成為中國製造之後下一個出口引擎。隨著算電協同新基建全面落地，中國綠電將持續轉化為穩定、綠色、低成本的全球Token供給，成為驅動全球AI進步的數字能源底座。從電力大國邁向算力強國，“用中國電算全球題”將成為現實。 (經濟日報)

全球最大AI模型API聚合平台OpenRouter資料顯示，2026年2月，中國AI模型呼叫量三周大漲127%，首次超越美國，且全球前五中佔四席。Token正從“流量”變為AI時代“燃料”，AI服務商業模式向“燃料+成果”演進，未來定價將走向定製化和靈活化。中國模型廠商，正憑藉快速迭代和成本優勢佔領全球市場，國產算力需求正經歷指數級增長。2026年2月16日至22日的周榜單顯示，平台呼叫量排名前五的模型中，有四款來自中國廠商，分別為MiniMax的M2.5、月之暗面的Kimi K2.5、智譜的GLM-5以及DeepSeek的V3.2。這四款模型合計貢獻了Top5總呼叫量的85.7%。 (介面新聞)

這幾年，美國一直對中國實施算力封鎖，但是如果你稍微關注下AI圈，就會發現一個越來越明顯的變化：中國的大模型，已經不是追趕著的姿態，而是直接捲進了第一梯隊。就說這周吧，中國三家公司DeepSeek,千問，Kimi，好像約好了似的，集體發佈了自己的大模型，並且都沖上了Twitter的榜單。其中Kimi更是突出，大模型競技場LMArena放榜，Kimi K2.5程式碼能力全球開源第一，總榜前三，僅次於Claude和Gemini。在Artificial Analysis榜單中，Kimi 2.5則是全球開源第一，總排名第五：我也去試用了一下，印象最深的有兩點：1. 視覺能力提升明顯，更有美感了。2. 從單一Agent進化成了Agent團隊。01. 強悍的視覺能力專業設計師說實話，大多數 AI 生成的網頁，看一眼就能認出來，配色土，佈局僵硬，互動也沒啥感覺。但是這個Kimi 2.5感覺就完全不同了，它的背後好像有個設計師，在輔助程式設計師做設計，做出來的產品很有美感。Kimi 2.5不但在寫程式碼，它順手把設計這件事也給包了。我嘗試用它生成一個天壇的介紹：基於嚴謹的歷史資料與建築學資訊檢索，生成一張現代中式極簡風格的視覺插圖，系統性闡釋北京天壇的每一個建築與儀式細節。插圖需要清晰呈現天壇的空間層級、象徵幾何、結構構成與祭祀功能，包括但不限於：祈年殿、圜丘壇、皇穹宇、整體中軸佈局，以及“天圓地方”等宇宙觀象徵體系。最終請將結果以HTML 頁面的形式呈現，適合在現代瀏覽器中直接查看。最終它給我生成了一個這樣的網站，對比之前AI生成的典型中國紅，大黑體，這個極簡審美顯得非常優雅，不落俗套。為了展示大模型的視覺能力，現在很流行讓它們生成一個包含蠟燭燃燒網頁來做對比測試，從下面的視訊可以清楚地看出，Kimi K2.5生成的動效最好，最為精細，那一滴滴往下掉的蠟油都展示出來了：像素級視覺在之前我給大家介紹過一些AI工具，可以從圖片生成網頁，但是Kimi2.5又往前行了一大步，支援從視訊生成網站！我上傳了一個瀏覽Computer History Museum網站的視訊，其中點選了網站導覽列的兩個菜單，並且點開了其中一篇文章的詳情。然後給Kimi 2.5下指令：幫我精確復刻這個視訊中的網站Kimi 開始分析視訊，迅速就發現了這個網站的含義：然後建立Todo任務列表，準備開始工作。稍等了一會兒，網站就“復刻”成功，不僅開發完成，Kimi還直接幫我做了部署！看看這效果，幾乎和原網站一模一樣：如果覺得那個地方想修改，可以進入編輯模式，直接圈選，然後讓Kimi修改： 把這個按鈕改成藍色這對Kimi來說是小菜一碟，很快就搞定了：02. 強大的“叢集”Agent現在很多的大模型產品都不僅僅是Chat，而是升級成了Agent來幫助使用者做事情。Kimi 2.5除了支援單個Agent，還有個更厲害的“叢集模式”，它可以瞬間拆解任務，協調多個Agent平行執行，執行效率一下子就飆升了。這個拆解和組織的過程完全是AI自主的，並沒有預設的範本，根據任務的需要，Kimi 2.5可以同時部署多達100個子代理，跨越1500個協調工具呼叫，相比單代理系統可將執行時間縮短4.5倍。內部評估顯示Agent叢集可將端到端執行階段間減少80%，同時支援更複雜的長周期工作負載。開發者報告稱K2.5輔助的工作流可在幾秒鐘內完成以前需要幾分鐘的任務。比如：我讓它針對當前的教育問題，找6個教育專家做個辯論：如今大學生就業形勢越來越嚴峻，“知識改變命運”這句話已經不如20年前那麼有效，有吸引力了。現在有兩種觀點：1.好崗位越來越少，所以應該更加努力地學習，爭取考上更好的大學，這樣才能獲得這些有限的好崗位，中學生應該像之前那樣，瘋狂熬夜，刷題，上補習班，內卷，考上好高中，好大學，才有可能找到好工作2.既然大學生就業這麼難，好大學的就業也這麼難，那不用那麼內捲了，考試成績一般就行，現在要發掘自己真正的愛好，重點發展自己的興趣，在一個狹窄的領域超越大部分人，這樣才能在未來獲得成功。幫我找6個頂級的教育家（最好有長期的教學經驗），分為兩組，第一組持有觀點1，第二組持有觀點2，進行辯論，最後輸出一個彙總的觀點你看它建立了6個Agent，分配了任務，獨立進行各自的研究。最後給出“辯論”的結論：Kimi的“蜂群”可不僅僅是做辯論，它是一個天然的批次處理的神器！你還可以用它批次搜尋，一次性調研 100 家上市公司；批次下載，打包下載 100 篇相關領域的學術論文；批次生圖,生成 100 張風格統一的素材圖，都非常方便。03. 開放原始碼的Kimi Code我第一次接觸到運行在命令列(CLI)裡的 AI 時，其實是很疑惑的： 這玩意兒到底能幹嘛？為何不用AI IDE？真正用了一段時間發現，命令列中的AI有著獨特的價值。它不是在小範圍內進行程式碼生成，而是更關注整個項目結構、模組邊界、依賴約束等，更適合進行項目級的掃描、理解、規劃，然後進行大範圍、工程級的修改。例如我現在正在學習SQLite的原始碼，我對Kimi Code提出了這樣需求：請解釋 SELECT 語句從 parser 到 btree 尋找的完整呼叫鏈你看Kimi Code做出的分析就非常漂亮，不但有流程圖，並且配合這程式碼進行了詳細的講解，對於理解Select語句的執行非常有用。當然，如果你實在是不適應這種CLI中的AI，也可以把Kimi Code無縫整合到 VSCode、Cursor、JetBrains 和 Zed 等主流編輯器中。你可能要問了，現在市面上類似的工具不少，Kimi Code的優勢在那兒？其實，CLI中的AI工具主要分為兩類(1)以Claude Code 為代表，收費、閉源，它就像五星酒店，服務很好，但是你沒有房產證。你使用它必須得一直和它繫結(2)開放原始碼的項目，需要你得來回折騰，像自己蓋房子，費時費力。Kimi Code正好結合了兩者的優勢，既有Kimi官方提供的頂級模型，開箱即用，又完全開源，可以隨意魔改。在性能方面，Kimi Code的表現也非常突出，全球開源第一，總榜前三，和Claude非常接近，成本更低。Kimi Code 還有一個獨門絕技，在命令列中直接讀取視訊，然後生成程式碼。相比其他工具需要使用額外的MCP Server、只能處理靜態圖片，這個功能可以說領先不少。04. 總結整體體驗下來，我的最大感受就是：Kimi 2.5 不僅僅在視覺能力方面非常突出，更是重新定義了AI的使用方式。Kimi 2.5的視覺能力，已經不只是“能看圖”，而是能真正看懂連續的行為和意圖，生成極具美感的介面。它的Agent，也不再是陪你聊天，而是能把一個目標拆開，自己去幹活，幹完再把結果交回來。而Kimi Code的出現，則讓這些能力真正落到了工程場景裡。強烈建議大家去試試這個新版本，感受下AI技術帶來的震撼：https://www.kimi.com/ (碼農翻身)