開源Kimi K3打破矽谷雙頭壟斷，引爆AI界「斯普特尼克時刻」！大模型以1%成本步入「精密製造」時代。未來推理成本將暴跌50倍，端側智能全面爆發。前沿模型加速淪為「易耗品」，應用介面層成最大贏家，企業資產迎來重估風暴。
隨著月之暗面（Moonshot AI）發佈擁有 2.8 兆參數的開源模型 Kimi K3，矽谷迎來了 AI 領域的「斯普特尼克時刻」。
在最新一期《Moonshots》訪談中，Peter Diamandis、Emad Mostaque（前 Stability AI 聯合創始人）等五位科技領袖深入探討了 Kimi K3 打破傳統閉源雙頭壟斷的行業震動，指出大模型演進已進入「前沿製造業」階段，並預測在硬體適配、軟件優化與極端量化（如三元量化、亞位元量化）的推動下，未來幾個月內 AI 推理成本將迎來 10 至 50 倍的爆發式下降，最終加速高階智能在私有化部署與端側設備上的全面普及。
核心要點
AI「斯普特尼克時刻」降臨：AI 實驗室月之暗面（Moonshot AI）發佈擁有 2.8 兆參數（2.8 Trillion）的開源權重模型 Kimi K3，在前端代碼競技場（Front-end Code Arena）力壓 Claude Fable 5 登頂第一，打破了矽谷此前由 OpenAI 與 Anthropic 主導的前沿模型雙頭壟斷。
- 「造模型就像精密製造業」：Kimi K3 依然基於標準的 Transformer 架構，其成功在於極致的數據精煉與工程製造能力。開源社區已證明，通過內核優化與數據清理，能夠以傳統成本 1% 的資金逼近頂尖前沿模型性能。
- 推理成本將暴跌 10 至 50 倍：前 Stability AI 聯合創始人 Emad Mostaque 表示，K3 目前每百萬 Token 售價約 15 美元，但隨著模型針對下一代硬體的適配以及開源推理服務商的極限優化，未來幾個月內其推理成本還將迎來 10 到 50 倍的下行空間。
- 端側智能與極端量化革命：隨著三元量化（Ternary，1.58 bit）、二進制量化（Binary）及亞位元量化（Sub-one bit）技術的突破，到明年底，具備 K3 級別智能的模型將能夠直接在 16GB 內存的手機或車載端側設備上離線運行。
- 前沿智能變為「易耗品」：前沿 AI 的「保鮮期」縮短至數周，企業評估模型的速度已跟不上迭代速度。未來的核心資產將從單一依賴閉源 API，轉向可自由切分、微調開源模型的「架構介面層」。
Kimi K3橫空出世：2.8兆參數打破矽谷雙頭壟斷
日前，AI 實驗室月之暗面（Moonshot AI）突然發佈了新一代前沿模型Kimi K3，給矽谷及美國前沿實驗室帶來了如同「四倍濃縮咖啡」般的震撼。
Kimi K3 擁有高達2.8 兆參數（2.8 Trillion Parameters），在性能上實現跨越式突破：不僅在前端代碼競技場（Front-end Code Arena）擊敗了 Claude Fable 5 斬獲全球第一，還在品牌營銷、設計、數據分析、消費品模擬及內容創作等 6 大領域登頂。更令行業震動的是，該模型的完整權重定於 7 月 27 日全面開源，意味著全球任何企業與開發者均可免費下載並在本地（On-Prem）部署。
Alex Wieser-Gross在分析人工智慧指數（Artificial Analysis）的最新帕累託前沿圖（Pareto Frontier）時指出：
“此前，前沿 AI 領域基本上被 OpenAI 和 Anthropic 雙頭壟斷。而現在，隨著 Meta、SpaceX AI 的加入以及中國 Moonshot 躋身帕累托最優前沿的第三名，前沿 AI 競爭已全面演變為自由混戰。這對於希望通過開源模型掌握自身數據主權的企業而言，是巨大的福音。”
「做模型就像精密製造業」：用1%的相對成本逼近前沿
面對 Kimi K3 的性能躍升，美國前沿實驗室不得不面對一個嚴峻的問題：如果不用打破 Transformer 框架，就能達到逼近 GPT-5.5 Max 的水平，美國實驗室每年燒掉的數十億美元到底花在了那裡？
Alex Wieser-Gross補充道，K3 的已公開架構並沒有「黑魔法」，本質上依然是標準的 Transformer，結合了專家混合（MoE）與線性化注意力（Linearized Attention）等成熟技術的精妙組合。
前 Stability AI 聯合創始人 Emad Mostaque提出了一個極其深刻的視角：
“打造頂尖模型，本質上是前沿製造業。他們極其清楚原材料（數據）與製造流程，並在現有的硬體約束下將工程化與易用性發揮到了極致。”
針對訓練成本，Dave Blundin舉例說明，GitHub 上的開源加速項目（如 Keller Jordan speedrun）此前已成功將 GPT-2 級別的訓練成本削減了 99%。而 Kimi K3 的出現，正式驗證了這些軟件棧優化、內核重構與數據去糙取精（如使用 Muon 優化器剔除無用 Token）的思路在前沿超級大模型規模下完全成立。
極端量化與端側智能：推理成本還將暴跌10至50倍
在談及 AI 的商業化落地與成本曲線時，Emad Mostaque給出了極其樂觀的預測。
目前，Kimi K3 的每百萬 Token 調用成本約為 15 美元，雖高於普通開源模型，但考慮到其在本土晶片上運行且已具備極高利潤率，未來的下行空間極為驚人：
“一旦將 K3 這種模型部署在下一代晶片或專用光子晶片上，並經過全行業的極限優化，未來幾個月內，其推理成本將再降 10 至 50 倍（乃至百倍）。”
與此同時，端側智能（Edge AI）正迎來量化技術的暴風雨。
Prism ML 發佈的 Bonsai 27B：作為首個在智能手機本地完整運行的 270 億參數模型，通過三元量化（Ternary，1.58 bit），將模型體積壓縮至 6GB（精度僅損失 5%），在完全離線狀態下賦予手機 110-120 IQ 的智能。
- 三星與騰訊的極度量化：三星最新的 Nano Quant 已經突破了「每權重 1 個位元」的界限（Sub-one bit）；騰訊團隊則實現了 3000 億參數模型的二進制壓縮（Binary Compression）。
Emad Mostaque強調：
“到明年年底，一個僅需 16GB 內存的普通設備，就能運行達到今天 Kimi K3 級別的模型。這意味著世界上每一輛汽車、每一個機器人、每一臺智能設備都將擁有內置的持久智能，可以在邊緣側進行自主決策。”
前沿智能變成「易耗品」：企業資產重估與開源大勢
隨著模型發佈頻率從過去的每 60 天縮短至每 10 天，甚至即將在明年初實現「日更」，前沿智能的商業形態發生了根本性轉變。
OpenExO 創始人 Salim Ismail提出：
“前沿智能（Frontier Intelligence）現在變成了一項完全易過期的資產，其保鮮期只有區區幾周。任何企業如果要經過層層審批、內部開會來評估是否部署某款模型，等評估完成時，該模型在技術上已經落後了三代。”
這一趨勢對企業資產定價與科技巨頭估值帶來了深刻重塑：
基礎模型廠商估值承壓：如果企業可以直接免費在本地運行性能媲美頂級閉源模型的開源權重，閉源 API 服務的溢價空間將被大幅壓縮。
- 應用與架構層成為最大受益者：知名投資者 Gavin Baker 指出，除了基礎模型廠商外，幾乎所有的實體企業、軟件公司與傳統行業都是 AI 成本暴跌的巨大受益者。未來的核心競爭壁壘在於能否將模型靈活無縫嵌入自身業務流程的「架構介面層（Interfaces）」。
以下為訪談全文，由AI輔助翻譯：
Peter Diamandis: 今天我們發出了緊急信號，召開這場緊急播客，因為美國剛剛經歷了 AI 領域的「斯普特尼克時刻」。Kimi K3 於昨天發佈，以有史以來最大的開放模型震驚了整個 AI 界，並直接登頂第一。
Emad Mostaque: 這個星期他們不僅縮小了差距，而且直接翻過了籬笆。Kimi 一直是一個感覺有點不一樣的模型，這就是為什麼它一直在寫作基準測試中名列前茅。例如 K3 實際上是一個多模態模型，因此它可以接收各種輸入並做出理解，這也是它在前端領域如此出色的原因之一。
Alex: 現在美方是 Meta 和 SpaceX AI 之間的自由競爭，而中國和 Moonshot（月之暗面）則成為了帕累托最優前沿上的第三名。前沿智能現在成了一項完全易過期的資產。
Peter Diamandis: 美國的前沿實驗室把錢都花到那裡去了？
Salim Ismail: 在互聯網世界我們一直有這個信念，即資訊渴望自由，基本上智能也渴望自由。
Peter Diamandis: 我們現在需要的是某種全球性的……現在，那可真是個月球採樣（Moonshot），女士們先生們。
Peter Diamandis: 歡迎來到《Moonshots》，所有人！全網關於 AI 與指數級技術第一的播客，您通往即將到來的奇點的前排座席——也許我應該說，通往現在的奇點、通往當下的奇點、通往持續的奇點。今天我將……今天我們發出了緊急信號並召集了緊急播客，因為美國剛剛經歷了 AI 的斯普特尼克時刻，不過稍後會詳細介紹。請允許我歡迎我優秀的 Moonshot 夥伴們，今天我們五人組全員到齊：Alex Wieser-Gross、Dave Blundin、Salim 和 Emad Mostaque。我是你們的主持人兼豐盈倡導者 Peter Diamandis。如果奇點的速度讓你頭暈目眩，很好，我的也是，而這正是重點。我們 Moonshots 的使命就是讓您隨時瞭解最新動態、跟上正在發生的事情，最重要的是，在非凡的變革速度與即將到來的豐盈時代中保持樂觀。各位，歡迎，感謝大家大老早起床，或者對 Emad 來說是在下午。
Emad Mostaque: 我今天早上 4 點就起來了，時差的好處，不過我確實還能再睡一小時。
Salim Ismail: 歐洲午睡時間。
Emad Mostaque: 對，這之後我還安排了健身。
Peter Diamandis: 很多事情正在發生，各位，非常感謝大家的時間。在開始之前，我想親自向我們所有的訂閱者和觀眾說聲謝謝。我不知大家最近有沒有機會看看和閱讀 YouTube 的聊天記錄，我能說的就是我們也非常愛你們。我們的使命是傳遞新聞，我們花了難以置信的時間進行審查。 Salim、Alex 和 Emad，我今天早上收到了你們的簡訊，「加入這個，加入那個」，有太多事情在發生。我也必須說，所有 Alex 解釋 JSpace 的梗圖都很棒，所以繼續製作 Alex 的梗圖吧。
Alex: 看看你們能不能搞懂我的 JSpace。
Peter Diamandis: 能看到裡面的讀數。在評論區也看到了很多對你的喜愛，有一些非常棒的人。難以置信的是，大多數 YouTube 視頻 newspapers 都是噴子狂歡，而我們的完全相反，真的非常棒，向你致敬，Peter。不，我只是再次表達絕對的感激，感謝大家抽出時間聽播客。我們團隊和所有 Moonshot 夥伴花了大量時間評估發生了什麼並呈現出來。如果您還沒有訂閱並開啓通知，請開啓。
Salim Ismail: 我只想說明，如果我們做足夠多的這種緊急播客，在某些時刻它就會變成 Moonshots 每日播客。
Peter Diamandis: 或者是持續播客。我依然覺得大家一起搬進 Airbnb 然後打開攝像頭，這早晚會發生。
Peter Diamandis: 好了，讓我們切入第一個故事，這是個大新聞。我們剛剛經歷了一個 AI 的斯普特尼克時刻，就像給美國的極前沿實驗室注射了四倍濃縮咖啡一樣。Kimi K3 於昨天發佈，以有史以來最大的開放模型震驚了 AI 界，並直接登上第一名。這裡有一些背景：Kimi 來自中國實驗室 Moonshot AI（月之暗面）。在過去一年裡，他們攀登排行榜，推出了 K2、K2.6、K2.7，每一個都在縮小與 Anthropic 和 OpenAI 的差距。這周他們不僅縮小了差距，而且一夜之間跨過了籬笆。他們發佈了 Kimi K3，這是一個擁有 2.8 兆參數的怪獸。他們完全繞過了計算牆，K3 比之前的 Kimi 模型跳升了 17 個名次，超越了 Claude Fable 5，在前端代碼競技場（Front-end Code Arena）斬獲第一。K3 在其他 6 個領域也排名第一：品牌與營銷、基於參考的設計、數據分析、消費品、模擬和內容創作。完整的模型權重定於 7 月 27 日左右發佈，這意味著地球上的任何人都可以下載並在自己的本地（On-Prem）運行。各位，這有多重要？Alex？
Alex: 我認為這對競爭非常有好處。首先作為一個初步事項，我想指出一些在報導和對 K3 的狂熱中不太明顯的事情。第一，正如 Moonshot 指出的，他們聲稱在過去 12 個月中的 9 個月中，Kimi 模型系列保持著開源權重模型中的 SOTA（最高水平）。如果這個說法屬實，那麼在過去一年裡基本上一直都是 Kimi。第二，看看已發佈的架構，因為我們還沒有看到開源權重，但承諾在月底發佈，裡面並沒有什麼魔法，這非常引人注目。人們可以想像在 Anthropic 或 OpenAI 的幕後，Sam Altman 繼續在暗示幕後有一些後 Transformer 架構實現了所有這些性能突破。但看看已發佈的 K3 架構，沒有魔法，它本質上仍然是 Transformer。他們顯然做出了一些創新，但在他們如何做專家混合（MoE）、如何線性化注意力方面是大家熟知的創新，他們有自己特殊的 Kimi 品牌的線性化注意力，但它本質上仍然是一個可識別的 Transformer。一個可識別的類 Transformer 架構可以在任務成本前沿上幾乎匹配 GPT 5.5 Max，我認為這相當驚人。這就提出了一個問題：如果只需使用 Transformer 就能達到如此接近的水平，美國的前沿實驗室把錢都花在那了？如果它已經處於成本前沿，並且整體 AI 性能排在第三位，美國實驗室到底把所有的錢都花在什麼地方了？所以至少知道 Transformer 架構依然寶刀未老，我感到莫大的安慰。Emad，聽聽你的分析，因為你一直在追蹤這個。
Emad Mostaque: Kimi 一直在各種基準測試中名列前茅，他們自一年多前發起以來就定期推出中國最大的開放權重模型。正如 Alex 所說，架構並沒有什麼特別新穎的地方，有一些改進，比如他們與 UCLA 等機構做的 Muon 縮放，他們一直在發佈所有這些部件的線索。我認為這裡的關鍵是底層數據。Kimi 的模型感覺一直有點不一樣，這就是為什麼它在寫作基準測試中總是第一。他們在這裡做的事情似乎非常非凡：GLM 出來時是個極好的模型，但僅限文字；而 K3 實際上是一個多模態模型，因此它可以有各種輸入並做出理解，這也是它在前端如此出色的原因之一，儘管我們沒料到它在前端代碼上力壓所有人登頂。這涉及我之前說過的話：構建優秀穩固的模型是前沿製造業。雖然會有演算法改進等各種東西出現，但為什麼中國電動車比福特更好？這感覺是同一回事。這是工程學，但也像上個月英國銷量第一的車型 Jaiku J7，滿配出來只要 5 萬左右，只有三分之一的價格。這感覺非常相似，他們知道原材料成分，現在以一種對消費者極其友好方式呈現，並正在用他們現有的資源無情地執行製造過程。因為看架構內部，他們仍然在使用 H800，在 Nvidia 晶片上落後了幾代，但他們通過靜態形狀等手段充分利用了華為和阿里的下一代晶片，在工程和易用性上不斷推進，這就是為什麼前端代碼異軍突起的原因。他們只是在想「如何做出最驚人的輸出」，從個人網站到遊戲；而美國實驗室可能在看其他方向，專注於不同的事情。
Peter Diamandis: 有個問題，我們一直在討論是否需要 LLM 之外的新突破才能實現 AGI，這是否讓你確信我們不需要另一個突破就能繼續前進？
Emad Mostaque: 這取決於對 AGI 的定義，對吧？六年前就討論過。你有基礎模型，然後有所有這些優秀的套件，以及模型自我調用的方式。Kimi 部落格文章中提到的一件事是，它實際上為自己的下一代設計了晶片，並設計了自己的運行內核。所以你從這個模型權重跨越到了模型本身構建的整個生態系統，這感覺就很 AGI，對吧？這感覺就像遞歸自我改進，感覺像通過動態改變自身來學習和適應新技能的能力。所以對於大多數 AGI 的定義，我們可能不需要新東西來優化和使其變得超級高效。甚至根據我們所知，它可能比現有的更高效，只是我們沒有足夠的算力，而新架構可以推動我們更進一步。你可以說「Attention Is Still All You Need」（注意力依然是你所需要的一切）。
Alex: 我們展示了性能圖表，看到 Kimi K3 在多個地方登頂。如果能調出 AI 散點圖，這是最有啓發性的一張，來自 Artificial Analysis 智能指數。在所有圖表中，這是我最喜歡的一張，因為它顯示了 AI 定義的每任務成本與性能前沿。從左下到右上有一條鋸齒狀的前沿，右上角每任務最大成本和最大綜合得分仍然是 Fable 5；沿著帕累託前沿往左下看，幾天前前沿上的第二名仍然是 GPT 5.6 Solve Max；而現在 Kimi K3 首次成為了第三名。無論是在原始能力方面，還是在最佳成本性能前沿的第三點上，它都處於前沿。這太震撼了。我們從幾年前 OpenAI 和 Anthropic 雙頭壟斷的世界，變成了現在美方的 Meta 與 SpaceX AI 加入帕累託前沿頂端自由競爭，而現在中國和 Moonshot 成為了帕累托最優前沿上的第三名。這對於任何願意並能夠使用中國開放（即將開源權重）模型來掌握自己命運的企業來說，都太令人興奮了。我認為這是企業主權和競爭力的福音。我們正生活在 AI 版的《全人類》（For All Mankind）中，蘇聯人首先登上了月球，而現在太空競賽永不結束。AI 競賽不再以雙頭壟斷結束，我認為這是未來光錐（Future Light Cone）的徹底福音。
Dave Blundin: Peter，你稱之為斯普特尼克時刻，如果說有什麼不同的話，那是低估了它的影響。上周 Alex Karp 在播客裡發飆說：作為一個大企業或政府，你不能直接把所有的專有權重、專有 Alpha 和知識產權越過牆拋給 Anthropic 並作為未來的基礎。但他沒有給你路線圖。僅僅一周後，正如 Alex 所說，這突然變成了一場自由競爭，任何讀取這些權重的人都有能力極其接近前沿，然後針對任何垂直用例在超越前沿的領域進行微調。這給全世界的每個人、每家公司和每個政府提供了一種無需通過美國 AI 模型即可趕上前沿的方法。所以斯普特尼克時代乘以無限大。我不喜歡這張特定圖表的地方在於左側索引到了 100%，當繪製未來兩年的圖表時，它看起來像一條 S 曲線，我們現在處於非常陡峭的部分，但這暗示我們到了 100% 就達到了終點。但這實際上是一個指數級增長，智能趨於無窮大。基準測試飽和了，但智能本身趨於無窮大。典型的運作方式是巢狀的 S 曲線，對吧？一種特定技術觸頂，但它構建了下一種開始指數上升的技術，以此類推。
Dave Blundin: Alex 和我花了大量時間研究 Keller Jordan speedrun，我們在 GitHub 上尋找它，它是一群駭客和 AI 研究人員不斷試圖採用五年前 Andre Karpathy 的 nanoGPT 形式的 GPT-2 類模型，嘗試更快更便宜地再現它。如果你看看那個倉庫裡的創新，他們已經能夠將創建 GPT-2 的原始成本降低 99%，現在只需原始成本的 1%。大家此前沒太關注是因為它是 GPT-2，直到今天才明確這些想法是否適用於前沿規模。現在非常明確的是，當 Elon Musk 拿他的 160 億美元 Colossus 2 數據中心花數十億美元構建 10 兆或 20 兆參數模型時，存在一個 1% 成本的版本來創建實際上相同的東西。在 Kimi K3 之前沒人知道這是否行得通，現在非常清楚它行之有效。我們在軟件棧、內核優化、MoE 中看到了 100 倍級別的創新，這些來自中國的根本突破給他們帶來了 1% 的成本。Ahmad 給汽車做了一個很好的類比，你可以以大約三分之一的價格獲得幾乎相同的汽車；而在這裡，我們討論的是不到 1% 的價格來創建同等產品。所以斯普特尼克時刻是本世紀最大的保守說法，這就是我們今天開緊急播客的原因。
Salim Ismail: 我有三點要說。我認為重點不在於 Kimi 擊敗了誰，而是前沿智能現在成了一項完全易過期的資產，對於任何達到最前沿的人來說，保鮮期現在只有幾周。任何對最新的前沿模型感興趣的企業或政府都沒有時間去實際評估它、做 RFP、看其他模型、內部成立委員會思考是否部署，因為到時候你在模型上已經領先了三代。因此，所有的價值都來到了可以交換模型的架構上，我們 OpenExO 世界中稱之為介面（Interfaces），這將是所有價值未來的歸宿。
Dave Blundin: 我們需要一個新的詞，比如「前沿解放陣線」（Frontier Liberation Front）。對於超級極客們，Ahmad 剛才提到了 Muon 優化器，任何愛好者都可以去查一下。我們構建這些原始的大規模模型時，從互聯網上抓取了 20 到 30 兆 Token，將人類寫過的每個字都傾倒進訓練集中，讓 AI 變得聰明。但深入內部，大部分資訊是泰勒·斯威夫特的演唱會和婚禮，這些並不能顯著提升模型的智能，事實上恰恰相反。
Dave Blundin: 很多 Token 可能會拉慢訓練而不是加速。因此僅通過清理垃圾並將訓練集縮減為相關子集，就能在達到相同智能水平的同時減少 FLOPs 計算量。我們離解決這個問題還遠著呢，所以你可以期待從 Muon 優化器過程和訓練數據集精簡過程中看到更多的 10 倍提升。
Peter Diamandis: 我放出了一個叫 Allaric 的人發出的令人深思推文：Anthropic 表示「Fable 是一種具身代碼超級武器，能夠以前所未有的速度和規模開發網絡和生物武器，出於誠信我們不能在沒有護欄的情況下發布它。」這是上個月的對話；而中國回應說：「笑死我了，這是 Fable 的開源版，祝你好運。」我很好奇，你們怎麼看待我們因為護欄受到限制，而這裡出現了 Fable 的開源等價物？
Salim Ismail: 前沿實驗室面臨三個巨大的根本約束：一是算力和晶片可用性及電力；二是與它們一樣好甚至在許多情況下可無縫替代的前沿開源模型；三是政府審查。我拍腦門猜一下，當政府說必須審查所有模型時，OpenAI 原本價值兆的估值縮水了大約 50%；我認為這又砸掉了 50%。如果不需要花 API 的錢，直接在本地運行 Kimi K3，我為什麼要花這個錢？他們會受到收入大幅減少的打擊嗎？
Emad Mostaque: 有兩點：一是收入減少，為什麼人們依然為 IBM 付費、為非中國汽車付費？對於關鍵任務實體，確保不會出錯的服務仍將維持一段時間，因此 OpenAI 等公司的收入仍會增長。但這裡有替代效應，就像中國工業替代一樣。在網絡攻擊安全方面，這意味著唯一能做的就是網絡防禦（Cyber Defense），這必然是風險投資中絕對最大的類別。如果是史丹佛或 MIT 的優秀畢業生，去建立一家切入前沿的網絡防禦初創公司，防禦不可避免會到來的東西，因為這些能力的擴散會增加。GPT 5.6 網絡版、Fable 等接受了大量 CVE 和網絡數據訓練，而中國模型實際上沒有那麼多，但有人可以將這些數據訓練進去，因此我們可能會在特區看到具備網絡攻擊能力的開源出現。
Dave Blundin: 我們略過了遞歸自我改進（RSI）。美國政府的觀點是：當我們得到一個能夠構建自身、構建下一個模型的模型時，我們不會讓它流向世界上的每個人，因為製造界從未有過像 AI 這樣的產品。如果你有一輛最先進的汽車給外國政府，他們不能用它造出更好的車；但如果你把最先進的 AI 給外國政府，他們可以用它趕上你並創建最先進的 AI。一個月前政府意識到 Babel 5 跨過了那條線並阻止了它，只要有一個能夠改進自己內核的 AI 就夠了，人們以為 RSI 會在達到愛因斯坦級別智能時觸發，但它只需要能夠改進自己的內核並實現 10 倍的速度提升，這足以讓它自我加速 10 倍。學術界很多人說參數量的收益遞減，但事實證明他們錯了。所有證據表明，如果將原始速度提高 10 倍，就會看到天才級別的 AI。回過頭看，Opus 4.8 左右就是微小的火花足以點燃火焰的點。限制下一個模型的政策不可能遏制前沿 AI 的全球和企業擴散。
Salim Ismail: 把兩個想法融合一下：Ray Kurzweil 最初的觀察是，一旦擁有基於資訊的範式，就會在多種技術之間跳轉。我們有真空管、繼電器，然後是整合電路，這些都是巢狀的 S 曲線。隨著這些架構的各部分在內部獲得自我強化循環，每個循環都像是在加速整體的 S 曲線，它是不可阻擋的，沒有極限，這就是為什麼人們對它的上限感到如此震驚。
Emad Mostaque:這對中國來說太棒了，從擁有十億 IQ 即將通過這些工具提升的人口，到需要機器人解決人口結構問題，再到將受過中國教育的大腦嵌入世界各地的每個關鍵系統。過去中國實驗室審核模型需要 60 天，現在大約需要一周。
Alex: 還要注意，楊植麟是 CMU 的畢業生，我們本可以給他發籤證讓他留下的。
Peter Diamandis: 這裡有一張有趣的圖表展示了估值：Moonshot AI 的估值為 200 億美元，而 Anthropic 和 OpenAI 基本都在兆級別。如果他們今天是上市公司，股價估計會下跌 30%。美國前沿實驗室在用他們的資本做什麼？
Dave Blundin: 如果你走進大樓與他們交談，他們極度渴望更多聰明人來幫忙，因為他們正以從未有過的瘋狂速度部署和改變世界。人類歷史上從未有人以如此快的速度將這麼多錢湧入他們的建築，而之前沒有任何商業經驗，許多 CEO 從未運營過公司。如果你很聰明並且有好的想法，進入那些大樓並提出你的想法。前沿實驗室也在問自己和美國監管機構這個問題。
Alex: 存在一種傾向去低估「存在性證明」的價值。僅僅知道運行在 Muon 優化器和簡化數據上的高度擴展 Transformer 行之有效，就給了一份精煉的路線圖。你不需要抄襲或竊取每個痕跡，只需知道該公式有效，這就能將研發成本削減 90% 到 95%。
Salim Ismail: 我有個絕妙的價值創造想法：9 天後當他們放棄開源權重時，我們以 Moonshots 播客的名義發佈一個名為 Kimi 4 的開源模型並 IPO，瞬間我們就會成為億萬富翁。
Emad Mostaque: 我有個很好的類比：為什麼美國人比其他人為藥物支付更多費用？所有的研發都在美國發生，你支付溢價，然後其他地方有了通用仿製藥（Generics）。這像極了 AI，是 99% 的成本削減。
Dave Blundin: 我們的朋友 Gavin Baker 在 X 上寫了一篇傑出的文章，關於這對企業的深遠影響。除了基礎 AI 實驗室之外，所有企業、所有股票都是巨大的受益者。基礎實驗室的未來和收入模式會受到追問。基於這一觀察，下周應該會看到估值的劇烈重組。任何在技術上準備充分的企業（如具備卓越 IT 技能的銀行）現在都有了一條明確的路線圖，可以用自己的 AI（如 JP Morgan AI）來控制自己的命運。
Salim Ismail: 這就是為什麼我們稱之為「組織奇點」（Organizational Singularity）。每當使用 Fable 5 的人提到生物學或潛在邊緣領域時都會被降級，為什麼要忍受這些？9 天後每個人都會升級，我在 Mac Studio 上運行 Kimi 2.7，我會升級到 Kimi 3。
Emad Mostaque: 這就像 Stable Diffusion 發佈時一樣，原本受限的圖像生成器面對開源後，激發了 1 億、2 億次下載和整個生態系統的爆發。為什麼你要忍受受限的模型？當你可以以極低的成本獲得完全開放的變體並進行定製時，整個生態系統都會圍繞它建立。
Dave Blundin: Mira Murati 剛發佈了 Inkling，這是來自 OpenAI 的人才打造的美國開源實驗室，旨在讓企業在私有牆內針對特定用例進行微調。這告訴你最佳前沿實驗室內部的人也相信這條途徑可以趕上前沿。結合 Kimi K3 的驗證，下周將是一個不同的世界。半導體公司的需求會增加而不是減少，晶片將比以往任何時候都更加供不應求。
Emad Mostaque: Kimi K3 使用的總計算量與 Inkling 相同，通過數據混合優勢實現了 2.5 倍的數據到智能轉換率。他們不得不針對華為 910 Ascend 晶片和阿里晶片優化推理。K3 目前放在那裡是因為他們只能使用中國晶片來運行，而美國公司（如 Modal、Fireworks）由於擁有 Nvidia 和 AMD 大晶片，能夠以比中國競爭對手便宜 10 倍的價格提供該模型的服務。一旦針對下一代 Vera Rubin 優化，價格將暴跌 10 到 100 倍。
Salim Ismail: 智能渴望自由，這是不可阻擋的。任何試圖約束它的實體、領域或政府總是失敗。這是基本的自然規律，試圖限制它是一種非常匱乏的心態。我們越快獲得更好的智能，就能越快實現豐盈，越不需要爭奪任何東西。
Peter Diamandis: 自 4 月中旬以來，我們看到了 13 個新的前沿模型發佈，平均每 10 天一個。Elon 今天早上發推稱：「我們的 2 兆模型在各個方面都優於 1.5 兆模型，下周將完成初始訓練，速度和 Token 效率接近 Grok 4.5。」這證明了我們生活在奇點之中。
Alex: 如果將前沿模型發佈進行指數曲線外推，按照目前的速率，到明年 1 月，我們將看到每天都有新的前沿模型發佈！這基本上意味著持續的版本更新。
Peter Diamandis: 看看 Kimi K3 的用例：重現喜歡的遊戲，或在瀏覽器中模擬 Apple 桌面。每個人都成為了創造者和製造者。
Salim Ismail: 單次生成遊戲與構建包含客服和營銷的整個生態系統大不相同，但根據個人興趣啓動遊戲的摩擦力現在接近於零。
Dave Blundin: 許多人不太擅長管理自己的幸福，只能忍受日常工作。在有選擇的情況下你會做什麼？AI 能夠幫助我們探索這些可能性。
Peter Diamandis: 聽到 Kimi K3 的崛起，你有兩種選擇：恐懼，或者意識到你釋放了創造力，找到你的宏大變革目標（MTP），使用這些工具在宇宙中留下痕跡。
Peter Diamandis: 如果說 Kimi K3 是數據中心裡數兆參數的大模型，那麼 Prism ML 的 Bonsai 27B 就是極小化的代表：第一個完全在智能手機上運行的 270 億參數級模型。Emad，告訴我們為什麼這很重要？
Emad Mostaque: Prism ML 和騰訊在量化方面取得了巨大提升，將 16-bit 或 8-bit 模型壓到了 3-bit 的三元（Ternary，約 1.58 bits）甚至二進制（Binary）。Bonsai 成功將 27B 模型降到了 6 GB（精度僅下降 5%），降到 4 GB 時精度下降 15%。這意味著你在手機上擁有了一個離線可用的 110-120 IQ 的助手。從 16-bit 降到 3-bit 帶來了 5 倍的速度提升。
Dave Blundin: 底層所有的計算一直都是矩陣乘法（MAC）。如果其中一個數字只是 1、0 或 -1，乘法運算將變得極其高效，這開啓了新型計算的大門，未來我們將在晶體管、光子乃至液晶等新介質上進行計算。
Alex: 最量化的 Bonsai 模型約為 1.125 個有效 Bit/權重。三星最近發佈了 Nano Quant 模型，打破了每權重 1 個有效 Bit 的屏障（Sub-one bit）。亞位元量化將在未來一年內成為主流，光子計算將成為未來的計算方式。
Emad Mostaque: 到明年年底，能夠運行在 16 GB 內存上的模型將達到 Kimi K3 的水平。這意味著世界上每輛車、每個機器人和每台設備都有內置的持續智能，可以在邊緣做出自主決策。智能成本在明年年底前將通過新型晶片速度降低 100 倍。
Dave Blundin: 基於量化和新計算方法，我們預計未來三年內原始算力將實現 100 到 10,000 倍的提升。結合演算法改進，提升可達百萬倍。
Peter Diamandis: 談談預測未來。根據 ForecastBench 數據，幾個 AI 模型在統計上已經與頂尖的「超級預測員（Superforecasters）」無法區分。AI 能夠在保險、投資、地緣政治和企業戰略中提供疲倦永不消退的超人顧問。
Alex: 當超強預測與資本市場連接，AI 演算法交易員對人類擁有比人類自身更好的內部自回歸模型時，預測將超前塑造市場的行動，有效市場假說（EMH）將被加冕為王。
Salim Ismail: 高管大部分能力（預算、招聘、投資）本質上 salaried 都是預測。一旦 AI 具備這種預測能力， senior management（高級管理層）將大量蒸發，人們需要更加專注於目的和目標。
Dave Blundin: 人類的不快樂很大程度源於盲目的消費主義。AI 將成為極佳的教練，告別被動的生活軌跡，給出最佳的替代路徑。
Peter Diamandis: 歡迎來到 Fountain Life 贊助的健康環節。[健康廣告插播]
Peter Diamandis: 關於數據中心耗水的闢謠：全美所有數據中心每年消耗 170 億加侖水，而美國高爾夫球場消耗了 5310 億加侖（31 倍），加州杏仁種植消耗 1 兆加侖（60 倍）。
Salim Ismail: 亞馬遜倉庫佔用的土地是數據中心的 10 倍。關於數據中心水耗和土地的恐慌完全是脫離數據的垃圾話。
Emad Mostaque: 麥當勞賣出的漢堡每年消耗的水量大約是高爾夫球場兩倍。
Peter Diamandis: 聊聊人形機器人。中國已有 150 家人形機器人公司，最近機器人 MMA 格鬥視頻在網上瘋傳。
Alex: 雖然看到機器人格鬥令人有些恐懼，但這代表了極其苛刻的工程壓力測試（平衡、抗衝擊、延遲等）。西方需要趕上， ProRL 在波士頓成功舉辦了人形機器人半程馬拉松。
Emad Mostaque: Engine AI T800 機器人重 70 公斤，出拳力量是泰森的 4 倍。機器人在走進家庭前必須建立嚴格的安全監管標準。Unitree 目前僅生產了 11,000 台人形機器人，幾年後將達到每年 1100 萬台。
Peter Diamandis: 關於戴森群（Dyson Swarm）。Sam Altman 表示在太空部署數據中心目前是荒謬的，本十年內不會大規模生效。
Alex: OpenAI 自身退出了自建數據中心，存在明顯的利益衝突。而 Elon 預測 2 到 3 年內將迎來成本交叉點。
Dave Blundin: 聽聽 Sam 的話，他其實和 Elon 的數據並不衝突，本十年只剩三年半，本世紀末相當一部分算力將在太空。近期 Starship 13 在 T-0 成功關斷並導出燃料，展現了 SpaceX 驚人的控制與診斷工程能力。 (華爾街見聞)