2026年7月，矽谷迎來了今年最受矚目的模型發佈會。聚光燈中央的是OpenAI前首席技術官米拉·穆拉蒂（Mira Murati）。
離開OpenAI後，穆拉蒂創立了 Thinking Machines Lab。這家新星初創公司憑 20 億美元融資迅速挺進“百億俱樂部”，估值高達 120 億美元；團隊更是高薪集結了來自 OpenAI、Meta、Google DeepMind 的頂級智力資源。外界滿心期待它能捧出一款重新定義行業格局的殺手級產品。
然而，最終亮相的卻是一款名為 Inkling 的開放模型。
模型剛上線，開發者社區的技術拆解便鋪天蓋地而來。人們發現，Inkling 採用了混合專家（MoE）架構，整體設計思路與 DeepSeek-V3 鏡像般相似；其後訓練階段大量吸納了 Kimi K2.5 等開放模型生成的冷啟動資料；官方技術報告甚至坦承設計“largely follows DeepSeek V3”。
更令人意外的是成績，在多項公開基準測試中，Inkling 未能跨過 Kimi 與 GLM 的門檻，部分任務甚至略有落後，API 定價卻顯著高於這些中國模型。海外開發者社區很快傳出句誅心調侃：一家估值 120 億美元、坐擁半個 OpenAI 豪華陣容的明星團隊，最終卻做了一款“中國模型的貴替”。
僅看排行榜，這很難被定義為一次成功的發佈。但真正值得追問的是穆拉蒂為什麼偏偏選了這條路。
她難道不知道 DeepSeek 的存在？不清楚 Kimi 更有性價比？當然知道。恰恰因為心知肚明，她才做出了這個決定。
許多人的思維仍困在 AI 競賽的前半場，那就是拼參數、卷榜單、比推理極限。但在美國市場，AI 產業也正加速邁入下半場，競賽的主題已從“誰最強”，轉向“誰最能用”。
成本正在改寫商業邏輯
幾乎同一時間，另一則消息在矽谷流傳。據媒體報導，微軟正在內部測試月之暗面的 Kimi K3 大模型，評估將其引入 Copilot 系統、替代部分 OpenAI 與 Anthropic 推理請求的可行性。
微軟內部測算，若完成切換，每年可削減約 6 億美元的雲基礎設施成本，這相當於其智能雲部門單季度淨利潤的 15%。目前，初步的技術驗證正在密鑼緊鼓地推進。
這條爆料最耐人尋味之處就是微軟的身份，它既是 OpenAI 的頭號巨擘金主，也是全球最大的 AI 雲服務商之一。過去幾年，Copilot 牢牢繫結 GPT 系列；如今，它卻開始認真將視線投向中國模型。
知情人士透露，Kimi K3 在程式碼編寫與邏輯推理等硬核任務上表現出強勁的競爭力，而推理成本遠低於 GPT-4 或 Claude 系列。
這揭示了一個深刻的劇變：吸引美國科技巨頭的已不僅僅是性能上限，更是極致的性價比。過去，矽谷篤信全球頂尖的模型必出自美國；但企業主已經開始反思：我們真的需要時刻為“最高性能”買單嗎？
技術競賽追求極致，商業競爭講求 ROI（投資回報率）。對於真實的企業世界，若 30% 的成本能跑通 90% 的業務效果，答案不言自明。
當然，巨頭的架構遷移並非一蹴而就。Copilot 的系統底層深度嵌合了 OpenAI 的 API 與微調工具鏈，更換模型意味著提示詞工程、輸出解析與異常處理等模組均需重構。此外，針對資料主權與出口管制的合規審查，同樣是一道繞不開的關卡。正如前微軟高管所言：“省下的成本確實誘人，但若因 1% 的體驗滑坡導致使用者流失，便得不償失。”
可即便如此，風向已經變了。分析認為，就算微軟最終落地 Kimi K3，大機率也會優先部署在非核心、低敏感度場景。但這件事本身傳遞出的訊號極為強烈：全球頂級科技巨頭已開始嚴肅評估將中國大模型接入核心 AI 業務體系。
這標誌著全球 AI 產業正在衍生出一種全新的異化趨勢：中國模型的本地化。而 Inkling，正是這種趨勢下孵化出的典型產物。
生態正在取代產品成為新戰場
將 Inkling 簡單歸類為 DeepSeek 的競爭者是一種誤讀。它更像是 DeepSeek 在美國市場的外套，也就是由中國模型提供底層基因，美國公司負責二次訓練、封裝部署與合規適配，最終交付給本地客戶。
穆拉蒂是要在矽谷為 DeepSeek 貼上一層“政治正確”的標籤。
這種商業模式的興起，切中了美國企業眼下最現實的困境。過去一年，從 DeepSeek、阿里通義，到 Kimi 與智譜 GLM，中國開源及開放生態的快速滲透引發了美國國會與監管部門的警覺。合規顧慮並未阻止開發者對優質能力的渴望，反而倒逼出一種新需求：既要中國模型的技術底座，又想規避直接呼叫的合規風險。
Inkling 應運而生。它保留了 DeepSeek 式的開放架構，運行在美國本土的雲基礎設施上，依循美國安全標準重訓，並按當地法律完成審計。它不是 DeepSeek，卻流著 DeepSeek 的血；它不叫 Kimi，卻能無縫相容 Kimi 生態。這可不是技術妥協，這是一門極其精準的生意。
更準確地說，這是全球 AI 產業首次呈現出“模型代工”的雛形。做個類比的話，二十年前，矽谷設計晶片，中國負責製造；今天，中國輸出模型範式，矽谷承擔本地化交付。產業鏈的坐標系正在悄然發生微妙的置換。
拉長時間線來看，Inkling 的出現絕非偶然。
過去一年，矽谷研究中國模型的姿態已從暗中觀察轉為公開拆解。DeepSeek-V3 問世後，海外開發者第一時間剖析其 MoE 架構與通訊最佳化策略；Kimi K2、K3 發佈後，GitHub 與 Hugging Face 上湧現出大量復現與微調項目；阿里通義 Qwen 系列更是長期霸榜 Hugging Face，成為全球開源社區下載量最高的基座之一。
曾經是美國實驗室出論文、中國團隊拚命追趕；如今，越來越多的矽谷頂級團隊開始反向推演中國同行是如何做到的。
人們依然習慣拿 ChatGPT 與 DeepSeek 試比高，但這早已不是重點，更需要思考的是：為什麼中國模型越走越開放，美國模型卻越閉環越收緊？
這並非單純的技術路線分歧，而是商業哲學的分道揚鑣。OpenAI、Anthropic 與 Google 賣的是模型本身，高牆築得越牢，API 溢價越高；中國廠商則走向了另一條道路，即開源開放、降低門檻，使其演變為類似當年 Android 的角色。模型本身不再是最終商品，而是流量與生態的入口。
企業部署 DeepSeek，DeepSeek 也許並未直接賺取天價利潤，但整個產業鏈的伺服器、雲端運算、資料庫及 Agent 平台卻被全面啟動。開放模型正在重演移動網際網路時代的生態擴張邏輯。
就像梁文鋒最近流傳出的一句話解釋為何堅持開源：“AI這個事情足夠大，最終它可能佔掉人類社會GDP的百分之十，不可能獨佔這個事情，你一定得跟別人分享，否則你肯定活不下來。”
許多美國媒體在報導中國模型時，喜歡用“Cheap（便宜）”一詞。但他們忽略了商業本質：極致的性價比本身就是不可撼動的護城河。當年中國製造席捲全球，靠的不是單項品質絕頂，而是綜合效能無敵。今天的中國模型正在複製同樣的奇蹟，也就是說，Benchmark 或許各有勝負，但部署門檻低、訓練效率高、綜合成本優，足以形成全新的產業黏性。
因此，當微軟測試 Kimi 的消息傳出，整個矽谷才猛然驚醒：大模型之間的成本鴻溝，已足以撼動巨頭們的利潤表。如果今天微軟願意嘗試，明天 Oracle、Salesforce、SAP 呢？如果今天只是試水邊緣任務，未來垂直行業模型、客服系統與辦公套件是否都會跟進？
認為政治壁壘能阻擋一切的想法過於天真。商業世界的終局往往不是由政治口號決定的，而是由財務報表決定的。如果一套方案能幫上百家公司年省數十億美元時，資本市場很難長期抵禦這種誘惑。
當然，監管與博弈只會愈演愈烈。法案限制、政府採購禁令、智慧財產權審查……各種阻擊將接踵而至。然而回顧歷史，Linux 曾被質疑安全性，Android 曾被指責體驗粗糙，開源資料庫也曾遭傳統巨頭圍剿，最終決定勝負的，從來不是口水戰，而是生態的生長速度。
產品易被替代，生態堅不可摧。
DeepSeek、Kimi 與 Qwen 正在做的事，就是不斷拉低開發門檻，無限擴大開發者基數。當全球數以萬計的初創公司、企業客戶與研究機構開始將底層程式碼錨定在這些模型之上時，強大的網路效應便不可逆轉地形成了。
這恰恰是不該嘲笑Inkling的地方。它沒有證明穆拉蒂“跌落神壇”，反而印證了一個事實：一家融資 20 億美元、匯聚矽谷最頂尖大腦的明星公司，在構築第一款產品時，沒有選擇重造輪子，而是主動站到了中國開放模型搭建好的基石之上。
中國模型已不再僅僅是跑道上的競爭對手，它們正在演變成全球 AI 產業的新型基礎設施。
重要的絕非某次基準測試的排名，而是標準的制定權。歷史上，能夠長期定義全球技術標準的國家屈指可數，比如 IBM 定義了大型機，微軟定義了PC 作業系統，Google 定義了移動網際網路，輝達定義了 AI 算力生態。而今天，中國開放模型首次獲得了參與定義全球 AI 開發底層標準的機會。
如果未來越來越多的矽谷創業公司像 Thinking Machines 這樣，在 DeepSeek、Kimi、Qwen 的底座上進行二次微調與本地化交付，全球 AI 競爭將演變為一場奇妙的對局：中國公司負責將模型推向極高效率、極低成本與極大開放；美國公司則負責將這些基礎能力包裝為適配高淨值市場的商業產品。
Inkling 釋放出的訊號已再清晰不過：矽谷正在萌發一種全新的商業模式，那就是，不再試圖擊敗中國模型，而是套殼中國模型，共同去賺美國市場的錢。這是一個值得重視的產業圖景。 (心智觀察所)