标签: openai
OpenAI称Kimi开源是减速主义这完全是站自己利益说话，他不是担心AI发
OpenAI称Kimi开源是减速主义这完全是站自己利益说话，他不是担心AI发展减速，纯粹是自家收费护城河被冲击，急了找借口，开源是拉低行业入局门槛，让更多开发者能参与创新。
OpenAI称Kimi开源是减速主义外国佬看到咱得大模型水平追上来就开始酸了
OpenAI称Kimi开源是减速主义外国佬看到咱得大模型水平追上来就开始酸了KimiK3对整个AI产业的积极意义：❶架构创新和数据质量打造国产模型新标杆：1）K3定位2.8T开源通用模型，主攻长程编程、Reasoning推理、知识工作和视觉理解等，在ArtificialAnalysis的IntelligenceIndex中Rank3、AgenticIndex中Rank3和ArenaFrontendCode中Rank1；2）K3是国产模型在通用场景和性能的双重新标杆，在游戏开发/CAD/反编译、深度研究报告可视化、严谨知识工作、EDA模拟、视频剪辑等任务上接近Fable5水平；3）K3在长程Agent任务上表现优异，其GPUKernel优化、从零构建GPU编译器MiniTriton、48小时自主芯片设计、2小时完成研究员1-2周的科研编程、3D游戏开发等案例都刷新了产业对开源模型long-horizonagency能力的预期；❷超大参数MoE开源模型将释放CSP和国产超节点红利:1）无所谓算力通缩，K3作为的一个2.8T参数量的超大稀疏MoE（896激活16），仅权重就占用>1.5T的HBM容量（MXFP4下），并采用了极其稀疏的专家并行方案（WideEP），推理Infra对scale-up域的容量和带宽要求极高，需要部署在64卡以上的超节点上做推理；2）腾讯/华为/阿里/Vercel/OpenRouter等已率先完成K3模型上线，已有国产芯片完成自部署适配和模型上线，预计更多hyperscaler和neocloud厂商将完成模型接入、并在7/27的权重开放后完成自有算力适配和部署；3）国产超节点在算力调度池化、PD+vLLM、Mooncake分离式推理、分布式KVCache池、多级缓存&缓存降级等方案上的架构适配和大规模生产落地将进一步享受开源模型的红利，随着Infra推理调度的进一步优化和超节点的商业化，CSP和国产算力将进一步享受顶级开源模型的利润再分配机遇；❸K3在Infra架构和模型性能上仍有优化空间：1）K3默认max思考强度的token消耗超过常规模型，指令模糊时的"过度主动"既有行为失控风险、也进一步推高消耗；2.8T级权重带来极高部署门槛，限制非数据中心算力的利用；实测Output62TPS低于同档模型中位数（72TPS，但TTFT1.99s反而占优）；2）用户反馈缓存保留仅10分钟，可能系KDA快照缓存只能精确续写、无法像PagedKV部分复用，命中语义存在架构级差异；而保留时长偏短更可能是快照适配在Infra侧尚未成熟的工程问题；3）当前Agent框架须完整回传历史思考，不适用级联调度下的多模型切换场景；SwarmMax在K3规模下的调度稳定性尚待第三方验证；❹K3的发布对产业的影响显然是更积极的：1）SOTA模型之间的竞争正在加剧。Anthropic近期已持续加大让利（Fable5以50%额度常驻Max订阅、CC周额度上调50%并延长至8/19），GPT-5.6与K3的推出将使其高份额&高毛利面临更直接的竞争压力。但“模型能力天花板远未到顶”是产业里的共识，SOTA模型的交替领先不仅利好上游算力的叙事，也能催使更SOTA的模型早日推出，并加速产业红利进一步向下游应用传导；2）CSP凭借其算力规模效应和生态粘性逐渐掌握了未来模型的分发权和下游应用的拓荒权，将扮演产业趋势里“承上启下”的关键角色。开源模型的崛起和用户数据主权意识的唤醒，正在让CSP与闭源模型公司在生产级的推理市场中占据上风，同时也意味着将Anthropic的ARR作为跟踪行业景气度的唯一指标将不再可取，后续CSP的表述口径&数据披露将会更加关键。
中国为什么要开源大模型？中美联合起挣钱不好吗？中国搞个华约，美国搞个北约。各自收
中国为什么要开源大模型？中美联合起挣钱不好吗？中国搞个华约，美国搞个北约。各自收割小弟们不好吗？这是目前在X上讨论非常热烈的话题，作者表示，现在中美这样对抗下去只会两败俱伤！7月16日，月之暗面正式发布了KimiK3。这款模型总参数规模达到2.8万亿，是全球首个开源的3万亿级别模型，基于自研的KDA混合线性注意力机制和注意力残差技术构建，原生支持视觉理解，上下文窗口达到100万token。在FrontendCodeArena前端代码竞技场上，K3以1679分登顶全球第一，压过了Anthropic的ClaudeFable5的1631分。连马斯克都在测评推文下留了一句“Impressive”。X上那位网友的焦虑，就源于此。他的逻辑是：美国本来想靠数万亿美元投资建立起AI大模型的绝对优势，再配合英伟达高端GPU的硬件护城河，把全球AI产业攥在手里。以后全世界想用AI，都得向美国交API订阅费，这买卖比印钞还来钱快。结果中国半路杀出来，直接把KimiK3这么强的模型开源了。印度可以下载，菲律宾可以下载，甚至连日本开发者都能免费拿到权重，买点显卡就能攒出自己的大模型。这样一来，中国因为开源根本没挣到钱，美国那几万亿投资也被搅黄了，回不了本。两边还得不断往里砸钱迭代，这不是恶性竞争、让全球得利是什么？这说法乍一听挺有道理，但有一个致命漏洞：把“开源”和“不要钱”画上了等号，事实上，开源闭源都只是商业策略。闭源怎么挣钱大家都很清楚，按API调用次数收费，或者卖企业订阅。但开源同样可以挣钱，路子一点也不少。就拿这次KimiK3的定价来说，它的API输出价格是每百万token100元人民币，输入（缓存未命中）是20元。跟ClaudeFable5一比——后者输出高达每百万token50美元（约338.88元）——K3依然只有它的三分之一左右。这就是开源的商业逻辑：免费权重是广告牌，API是收费站。开发者可以下载权重自己部署，但绝大多数企业根本没有足够的算力和技术实力去跑一个2.8万亿参数的模型。最终，他们还是会回到官方API上，享受优化过的性能和稳定性。开源降低了试用门槛，建立了信任，然后把流量导向付费服务。这种模式在行业内已经被验证过了。彭博社科技记者走访发现，美国开发者、初创公司和顶尖学术机构正大规模接纳中国开源AI技术，有超过90%的美国科研人员在研究中使用中国模型。Cursor的联合创始人公开承认，其新代码模型正是基于月之暗面的开源模型KimiK2.5开发的。回到X上那个帖子。那位网友的担忧，其实站错了出发点。他默认中美AI竞争是一场零和博弈，一方赢了另一方就必须输。但现实是，中国选择开源，根本目的不是“搞死美国”，而是在用另一种方式参与全球竞争。这条路的核心逻辑是：既然在闭源赛道上短期内难以超越OpenAI和Anthropic，那就换一条赛道跑。开源能吸引全球开发者共建生态，能快速迭代技术，能降低企业接入门槛。而且，当中国开源模型在全球范围内被广泛使用时，它就变成了事实上的行业标准。纵观这场关于AI开源的争论，核心误解在于将“开源”等同于“放弃商业利益”。事实上，KimiK3这类开源模型的商业逻辑清晰可见：开源权重降低试用门槛、建立开发者信任，再通过API调用、企业服务实现后端变现。月之暗面将K3的输出定价定为每百万token100元，虽高于国产同行，却仅为ClaudeFable5的三分之一，正是“开源引流、API变现”策略的价格锚点。从产业格局看，中国AI选择开源路线有其深层逻辑。作为追赶者，开源能快速吸引社区参与迭代；中国企业的商业化场景更偏向B端落地，开源可大幅降低客户接入门槛。据英国《金融时报》2025年底的报道，中国开源AI模型在全球下载总量中的占比已达17%，首次超过美国的15.8%。HuggingFace的数据也显示，中国模型已深度嵌入全球AI供应链，美国领先模型也基于DeepSeek微调。硅谷对中国开源的警觉，恰恰印证了这条路径正在生效——当开源模型能力逼近闭源模型、成本却只有其几分之一时，市场的选择天平已经开始倾斜。但开源路线并非没有代价。K3定价大幅提升后，面对DeepSeekV4Pro等极致性价比对手，能否维持开发者黏性仍是考验。同时，官方坦承K3整体表现仍与Fable5和GPT-5.6Sol存在差距。这些短板说明中国开源模型在工程体验和成本控制上仍有优化空间。中美AI之争的真正胜负不在于谁把谁“搞死”，而在于谁能建立更健康的产业生态。X上那种“对抗必败”的悲观论调，显然低估了中国选择“另一条路”的战略意图。信源：环球网
日经亚洲戳破现实，印度企业集体转投中国AI，华盛顿措手不及一向偏向西方产业
日经亚洲戳破现实，印度企业集体转投中国AI，华盛顿措手不及一向偏向西方产业叙事的《日经亚洲》此次罕见客观披露行业真相：大量印度科技初创、金融、互联网企业主动放弃OpenAI、谷歌等美国闭源大模型，批量切换DeepSeek、千问、Kimi等中国开源AI，这股务实的商业浪潮完全超出华盛顿预判，让美国一手搭建的AI围堵联盟出现巨大裂痕，也直白印证技术封锁挡不住市场规律。一、印度企业转向中国AI，核心是实打实的商业刚需第一大驱动力是断崖式成本差距，也是日媒报道最硬核的数据支撑。OpenAI最新GPT-5.5每百万Token输出费用高达30至54美元，而DeepSeek输出最低仅0.51美元、Kimi上限4美元，同量级调用成本相差十倍甚至百倍。印度大量资金紧张的创业公司切换中国模型后，AI运营成本直接降低九成，智能客服、文档处理、代码生成等基础场景完全够用，美国高端模型性能严重过剩，高额定价对中小企业完全不友好。第二关键优势是开源可本地部署，精准契合印度的数据主权诉求。美国AI全部是闭源黑箱，数据必须上传海外云端，印度企业始终担忧核心用户信息不受管控；中国大模型开放权重，企业可下载至本土服务器独立微调、离线运行，数据全程留在印度境内，完美适配当地数字合规法规，解决企业最核心的数据安全焦虑。第三是印度本土AI自主化严重滞后。莫迪政府推出千亿卢比AI主权计划，试图打造国产大模型，但两年研发进度缓慢，没有成熟可用的商用产品，企业等不起产业发展周期；一边是美国随时可能断供、价格昂贵的AI服务，一边是性价比高、部署灵活的中国开源方案，市场自然做出务实选择。2026年6月数据显示，国际平台中国AI总调用Token达25万亿，比美国模型高出78%，印度市场增速翻倍，趋势不可逆。 二、为何华盛顿深感意外、陷入被动1.战略布局全盘落空印度是美国拉拢的核心盟友，主动拉其加入“硅和平”AI联盟，许诺共享先进技术，试图绑定印度共同限制中国AI、芯片产业链。可现实反差极具讽刺：印度刚签约不久，就遭遇Anthropic突然限制海外用户访问高端模型，切身体会美国技术“随时断供”的风险；一边是美国口头承诺不可靠，一边是中国AI稳定、低成本供应，印度企业用脚投票，直接瓦解美国印太AI围堵布局，白宫完全没预判到盟友会大规模倒向中国技术方案。2.全球AI定价与标准话语权失守长期美国依靠闭源模型垄断全球AI商用市场，掌握定价权；如今中国开源模型以极致性价比打开东南亚、南亚市场，倒逼全球AI定价体系重构。华盛顿担忧这套模式复制到中东、拉美，各国企业都会抛弃美国高价产品，美国AI企业营收持续流失，全球技术主导地位松动。3.舆论叙事不攻自破美国长期渲染“中国AI存在安全风险”，游说各国政府抵制中国模型。但印度企业大规模落地使用后，并未出现数据泄露、安全隐患等美方宣称的问题，反而靠本地部署解决合规难题，让美国用来限制中国AI的舆论说辞彻底失去说服力，盟友内部质疑声持续增加。三、日媒客观报道背后的行业真相日本媒体极少直白揭露美国科技策略的失效，这次如实公布价格、使用量、企业真实反馈，源于日本产业界同样感受到压力：美国高端AI、芯片管制不分盟友，日本企业同样承担高昂成本，市场更认可高性价比的中国开源方案。日经亚洲没有刻意抹黑中国AI，而是客观承认商业逻辑压倒地缘政治，道出一个核心事实：强行割裂全球化分工，违背企业生存发展需求，单边管制最终只会反噬自身产业。四、深层启示：地缘博弈赢不了市场选择印度集体转向中国AI这件事清晰证明：美国靠行政手段、联盟施压构筑技术围墙，只能短期延缓产业合作，无法改变企业追求低成本、高稳定供给的客观需求。中国坚持开源开放、均衡定价、支持本地部署的路线，精准抓住全球中小企业数字化刚需；反观美国闭源、高价、随时断供的模式，正在逐步失去全球市场信任。华盛顿的“惊讶”本质是霸权思维的落空：它默认所有盟友会无条件跟随自己对抗中国，却忽略各国企业生存与产业发展的现实诉求。这场AI市场的自然流动再次印证，自主创新带来的产业竞争力，不是关税、管制、联盟封锁能够阻拦的。
中美大模型竞争的主要特色。美国头部大模型普遍选择闭源，核心是技术、算力、商
中美大模型竞争的主要特色。美国头部大模型普遍选择闭源，核心是技术、算力、商业优势全面领先。美国拥有充足高端GPU算力、优质数据积累和领先模型能力，OpenAI、谷歌等可以通过持续堆算力拉开代差。闭源既能锁住核心技术壁垒，防止对手复刻，又能通过API付费模式直接实现高额、稳定盈利。因此美国主流顶级模型全部闭源，仅少量次级模型有限开源，不冲击自身商业体系。而中国大模型普遍选择开源，因为算力与高端芯片存在短板，属于追赶阶段的最优竞争策略。国内无法像美国一样无限堆算力形成绝对技术垄断，单靠一家企业很难快速迭代出碾压级模型。因此国内厂商普遍采用开源策略：用开放权重换取全球开发者、生态、场景和市场份额。开源可以让全社会共同微调、补漏洞、适配行业场景，用生态优势弥补算力硬件差距，快速抢占国内政企、工业、私有化部署市场，同时快速扩大海外开发者基本盘。除此之外，开源也符合国内产业自主需求，摆脱美国闭源技术绑定，搭建本土可控AI产业链。总之，中美的大模型竞争中，美国算力技术领先，所以闭源守利润、守壁垒；中国算力技术落后，所以开源换生态、抢市场、补差距。两者是竞争中各自贴合自身产业实力的战略选择。
外媒一改口风，西方巨头集体转向，背后原因要藏不住了，世界人工智能大会揭露了真相！
外媒一改口风，西方巨头集体转向，背后原因要藏不住了，世界人工智能大会揭露了真相！英国《金融时报》7月13日报道了一个正在发生的事实：美国外卖巨头DoorDash、全球旅行房屋租赁平台爱彼迎、德国西门子等西方公司，已经逐步把后台的AI模型换成了中国产品。DeepSeek、Z.ai这些中国模型，正在替换过去清一色的美国方案。与此同时，7月17日在上海开幕的2026世界人工智能大会，展览总面积首次突破10万平方米，1100多家企业参展，3000多项展品集中亮相，超过300款产品全球首发。这两个事件放在一起看，西方企业用脚投票的原因就清楚了。第一个原因是成本。美国AI公司的费用涨得太狠了。Anthropic和OpenAI等公司把部分企业服务从固定订阅费改成了按使用量计费，企业使用成本大幅上升。旧金山一家AI初创公司Lindy，在使用Anthropic的模型六周后，AI账单就超过了全公司27个人的工资总和。DoorDash的联合创始人安迪·方说得更直接。DoorDash现在把“较低级别的工作”交给中国月之暗面的Kimi模型，只把最难的活留给Anthropic的Fable。这种新组合成本更低，性能反而“大幅超越”了以前只用美国模型的配置。第二个原因是性能差距已经缩到很小了。追踪大语言模型使用量的平台OpenRouter的数据显示，今年DeepSeek和Z.ai等中国模型的Token消耗量已经迅速超过美国竞争对手。Token是AI模型处理信息的最小计量单位，也是衡量模型活跃度的关键指标。乔治城大学安全与新兴技术中心的研究员萨姆·布雷斯尼克说得很直白：“既然在大多数应用场景下，中国的AI模型已经能够胜任，企业为何还要为Anthropic和OpenAI的模型支付高昂溢价？”第三个原因是开源。很多领先的中国AI模型采用开放权重模式，参数公开可用，企业可以托管在自己的服务器上，针对自身需求进行微调。而OpenAI的ChatGPT和Anthropic的Claude是闭源的，必须通过开发者的系统访问。对西门子这样的工业企业来说，灵活性很重要。西门子告诉《金融时报》，公司使用的模型包括DeepSeek和Z.ai的工具，也包括美国前沿实验室和法国Mistral的模型。爱彼迎也在试验阿里巴巴和DeepSeek的中国AI服务。中国开源AI模型在HuggingFace平台的下载量占比已经达到41%。HuggingFace是全球最大的AI模型托管平台，这个数据说明中国开源模型在全球开发者中的认可度。第四个原因是地缘风险。美国政府今年对Anthropic的Mythos和Fable模型实施过出口管制，后来虽然撤销了，但已经让企业意识到依赖美国技术的风险。有分析认为，这件事促使企业不得不正视一个问题：如果美国哪天再卡一下脖子怎么办？这次世界人工智能大会，把中国AI的底牌亮出来了。阿里巴巴展出了面向千行百业和前沿科研的多个AI智能体平台。阿里云百炼推理平台已经服务全球500万用户、120万付费用户。除千问系列外，DeepSeek、月之暗面、Minimax、智谱等中国主要AI公司的模型都在百炼上架。千问在大会首日推出了首款AI智能体耳机，采用耳夹式设计，接入千问大模型，支持同声传译、会议纪要自动生成、健康数据实时记录、离线语音问答等功能。从AI眼镜到AI智能体耳机，再到计划中的AI指环，中国科技巨头正在全速拼接AI硬件版图。月之暗面在大会开幕前发布了KimiK3模型，参数规模达到2.8万亿，成为目前全球参数最大的开源模型。这是全球首个开源接近3万亿级别的大模型。华为展出了业界最大规模超节点Atlas950SuperPoD，现场展示1024张昇腾卡。中科曙光带来了中国首个全国产十万卡AI超集群“曙光8000”。国产GPU主流厂商首次齐聚。华盛顿花了多年时间搭建对华技术遏制体系，一根柱子是硬件，包括高端算力芯片；另一根是软件和算法，尤其是AI模型本身。但AI模型和芯片不一样。芯片是实物，生产运输可以物理管控。AI模型一旦训练完成，就是一份数字化文件。一个开源的AI模型权重，本质上和一首歌、一部电影没有区别，都具备无限复制、分发的属性。一旦发布到网上，没有任何机构能把它从已经下载过的服务器里追回来。这就是开源技术难以被地缘政治边界圈住的根本原因。美国对华技术限制没有阻滞中国AI产业发展，反而倒逼行业完成了一次跨越式升级。资源稀缺催生出一套成本更高效、自主可控的替代技术体系。华盛顿最初把AI赛道设计成单方获益的零和博弈，但数字技术的传播规律根本不吃这一套。外媒改口、巨头转向，不是谁在选边站，是企业用真金白银做出的选择。
#美国公司被曝照抄中国AI模型#【双标！中国AI被骂“偷”，美国照抄中国模型叫
#美国公司被曝照抄中国AI模型#【双标！中国AI被骂“偷”，美国照抄中国模型叫“工程”？】本周，美国人工智能（AI）公司ThinkingMachinesLab发布了其首个模型Inkling。与其他模型相比，其性能表现不那么突出，但仍被美国视作“村里的希望”——只因为它开源。据介绍，该公司由OpenAI前首席技术官米拉·穆拉蒂与一批OpenAI高级研究员于2025年2月共同创立。在尚未推出任何产品之前，该公司便以120亿美元的估值，完成了创纪录的20亿美元种子轮融资。英伟达、AMD、思科等大公司都是其投资方。彭博社、路透社等媒体称，凭借其新模型，ThinkingMachines有望填补美国市场的空白，因为美国在推出具有竞争力的开源AI产品方面被认为落后于中国开发者。目前，美西方企业纷纷涌向中国企业，将中国AI模式作为昂贵的闭源模式的主要替代方案。然而，就在西方媒体和投资者对Inkling欢欣鼓舞之际，美国《福布斯》杂志实在是看不下去了。太双标！“穆拉蒂打造的中国AI替代品，也太像中国模型了，”7月15日，《福布斯》刊文说了句实话。文章指出，十八个月来，美国一直指责中国实验室“窃取”美国知识产权来构建模型。当DeepSeek在2025年初震惊AI界时，OpenAI和美国官员的第一反应是DeepSeek蒸馏了OpenAI的模型。美国政客随即炒作，扬言调查，还污蔑中方AI企业“盗窃”。但看看Inkling。技术分析师发现，它很大程度上采用了DeepSeek-V3架构；且ThinkingMachines自己承认，他们蒸馏了KimiK2.5等开源模型生成的合成数据来训练Inkling。“换句话说，一个美国实验室采用了中国的架构，并蒸馏了一个中国模型来训练其旗舰产品，”文章写道，“然而，这一次没人称之为盗窃。”《福布斯》杂志指出，对于中美AI模型，修辞上的不对称性现在已经到了无法忽视的地步。“当中国实验室从美国模型学习时，被污蔑为盗窃；当美国实验室从中国模型学习时，却美言之为工程。”在社交媒体上，《福布斯》的大实话，引起许多外国网民的共鸣。一名网民发文称：“中国开源权重模型公开权重、降低成本、扩大访问权限，并让全世界都能在其基础上构建。美国封闭实验室隐藏一切、收取高价、游说实施限制，却指责所有其他人偷窃。讽刺得让人窒息。”对此，不少网民抨击美国“双标”。还有人写道：“美国开源AI不会走得太远。他们会确保前沿能力只留在封闭循环模型中。因为太多的钱已经投入到封闭模型中，如果他们回头，那基本上就是损失，而且是承认一个庞氏骗局。”美媒警告：长此以往，只会自食其果那么，美国企业为什么要打造一个模仿中国AI、但却不如中国AI的替代品？《福布斯》杂志提到了美国政治干涉科技领域的现实。随着企业人工智能开支如脱缰野马般飙升，许多西方巨头也开始扪心自问一个简单的问题：既然中国的AI模型便宜得多，为何还要花大价钱购买美国“领先”的AI模型呢？据英国《金融时报》日前报道，从硅谷到欧洲，美国最大外卖巨头DoorDash、全球旅行房屋租赁平台爱彼迎（Airbnb）和德国科技巨头西门子等大型企业纷纷转向中国人工智能模型，吸引它们的不仅是较低的成本，还有这些模型的“开放权重”模式，这种模式允许企业根据自身特定需求对模型进行定制。西方企业对中国开源AI“真香”，引起了美国政客的担忧。据报道，华盛顿现在正试图关上这扇门。本月早些时候，美国国务院警告美国公司注意中国模型的所谓“风险”，众议院委员会还就使用中国AI对Airbnb等企业发起了调查。《福布斯》称，对于任何涉及政府工作的公司，以及那些越来越担心国会传票的公司来说，无论最终规则如何，中国的开源模型正变得不可触碰。Inkling的存在就是为了填补这个真空——它不是最好的基础模型，只是一个“被允许的、低风险的”模型。文章提醒称，美国政府对中国AI设置壁垒，只会让自己面临“自我孤立”的风险。美国以外的公司没有这种政治压力，可以继续使用中国AI。“想想这意味着什么……美国公司可能首次在基础技术领域处于结构性劣势，不是因为它们缺乏人才或资本，而是因为政策将它们与最佳可用技术隔离开来，而世界其他地区则自由构建。”文章指出，Inkling的教训并不是说ThinkingMachines失败了，或者做错了什么。而是说，开放、自由的AI重心已经转移到中国，以至于OpenAI的校友们都在依靠中国的技术基础进行开发。“华盛顿试图将美国产业封闭起来的做法，最终可能会反而削弱它想要保护的公司，”文章最后强调，“真正的实力来自于打造更好、更快、更便宜的产品，绝非强迫自己的团队使用性能较弱的设备。”#OpenAI前高管新模型被指抄袭DeepSeek#
【#美国AI新秀参考中国技术#】OpenAI前首席技术官米拉·穆拉蒂（Mira
【#美国AI新秀参考中国技术#】OpenAI前首席技术官米拉·穆拉蒂（MiraMurati）创办的人工智能初创公司思维机器实验室（ThinkingMachinesLab）首次发布通用大模型，因技术来源引发外界关注。据英国《金融时报》7月15日报道，思维机器表示，该公司近日发布的首款通用模型“Inkling”的架构参考了中国人工智能公司深度求索的DeepSeek-V3，并在后训练阶段使用了北京月之暗面（MoonshotAI）旗下大模型KimiK2.5生成的数据进行优化。报道指出，Inkling的发布正值中国AI企业快速追赶美国同行。根据AI数据平台OpenRouter的数据，今年以来，中国AI模型在整体使用量方面已经超过美国竞争对手。这一变化也引发美国AI行业警惕。美国多家领先AI公司此前抹黑中国企业通过“蒸馏”等方式复制其模型能力。
前OpenAI首席技术官米拉·穆拉蒂创业公司ThinkingMachines炸
前OpenAI首席技术官米拉·穆拉蒂创业公司ThinkingMachines炸场，重磅推出975B参数原生多模态巨兽Inkling，文本、图像、音频一网打尽，1M超长上下文+完整权重开放，迅速蹿到HuggingFace趋势榜第二！ThinkingMachines正式发布其首款开源多模态模型Inkling，这是一个总参数975B、活跃参数约41B的MoE（Mixture-of-Experts）架构模型，支持原生处理文本、图像和音频输入，上下文窗口高达1Mtoken。公司同步开放完整模型权重（Apache2.0许可），并在发布当日就获得Unsloth、LMSYS/SGLang、TogetherAI等生态伙伴的推理、微调和RL支持。从技术细节看，Inkling采用混合局部-全局注意力机制，图像通过分层patch编码器、音频通过离散token编码，所有模态统一投射到共享空间进行联合处理，这让跨模态推理更加自然流畅。在音频基准（如VoiceBench、MMAU）上表现突出。当然，官方和社区也保持清醒：Inkling并非当前绝对最强，它在某些agentic和多模态基准上仍落后于顶级闭源模型（如GLM系列）。
美国现在的互联网大厂因为投资ai导致现金流恶化。我们先回顾现实中经常出现的现象诺
美国现在的互联网大厂因为投资ai导致现金流恶化。我们先回顾现实中经常出现的现象诺基亚/柯达为什么没落了？openai和anthropic等为什么获得的热捧？如果微软/谷歌等不投资ai会发生什么？很明显，他们就是新时代的“诺基亚/柯达”而已，也就是经济学说的科技创新迭代逼死老登。历史长河中，这类老登的尸体，漫山遍野。可怜无定河边骨，犹是春闺梦里人。老话说，从外面被打破是死亡，从里面突破是重生。现在互联网科技大厂值得称赞的是他们高于内部创业，去追逐一个机会。请注意，是一个机会不代表会成功。如果一个市场热衷ai，但是，没有ai公司上市，怎么办？自然是现有公司里，哪些公司可能在ai时代成为主要玩家之一。互联网科技大厂参与ai或ai创业的方式并不多，要么内部创业，要么收购ai初创公司。问题是，ai已经红了好几年了，目前看，真正有大规模商业用户的就是openai和a公司，但是，这两个公司毫无出售的意思。微软此前入股过openai，但是，入股跟并表是两个概念，只有投资收益，本质就是一次性受益，微软这个力量，就跟1万亿财富的马斯克，升价涨了或跌了3000亿人民币而已，聊胜于无。所以说，谷歌/微软/亚马逊等纷纷大力投资ai。这点上，经常看美国这几个公司报表的人应该知道，脸书已经落伍了，因为它在过去几年犹犹豫豫，不舍得投资，不知道是要投算力还是要投模型团队。别说花百八十亿买个初创公司，看看刚才这三家一年固定资产投入多少百亿？内部创业，如果单独核算，就跟初创公司一样，时下甚至未来2-4年现金流肯定是不行的。openai和a公司，现在现金流是正的？现在自由现金流多少？dcf估值下，公司估值的大头来自于永续现金流，而不是最近10年的现金流，最近2-3年的现金流，最终占比可能不超过5%。如果映射到国内也是如此。豆包和阿里，是传统互联网大厂里投入最多的。目前看，京东和美团大概率彻底出局。拼多多，只做零售，也大概率出局了。华为，至今没有看到啥模型，不出意外，也很难复制后来者居上。快手，只有可灵能打。腾讯，哼哼，哼哼，百度和网易呢？在ai时代，他们和搜狐老张去斗地主也不是不可能。ai创业公司，目前不少估值已经超过老登了吧？
不懂就问，这3%的资本支出包括英伟达和openAI之前那种内循环的相互投资吗？
不懂就问，这3%的资本支出包括英伟达和openAI之前那种内循环的相互投资吗？
分享一点最近的“再学习”：ai时代——认知>格局>技术>管理很多人认
分享一点最近的“再学习”：ai时代——认知>格局>技术>管理很多人认为一个企业的成功靠管理，很对，曾经很对，但ai时代可能变了，一切都变了，天天端到端、天天扁平、天天去中层。没办法，太多事情ai化了，更焦虑的是技术不能落后，于是工程师一下子扬眉吐气，技术大于了管理。管理还很有用，但不懂技术、甚至不深入技术，你都不知道该怎么管——管啥呢？ai时代几乎每个技术的进步，预训练的infra（lossbalancing、indexpool、kernelfuse）、AgenticRL、self-judge、OPD、fullyselftraining、尤其是ai学习的范式变革都让人极其兴奋。往往一出来就在x上刷屏，一晚上传遍全世界。这种密度和烈度是以前任何一个时代都没有的：你不是每隔几年等一篇里程碑论文，而是每隔几天就要追一波新东西。也正因如此，技术落后从来不是"慢慢掉队"，而是一夜之间的事——这也是为什么在ai局里，技术的权重被抬到了前所未有的高度。格局大小一直是一个人天花板的标尺。不是说格局大就一定能成大事，但格局小肯定成不了大事。ai时代很多时候靠想象力、靠布局，要抓住主要矛盾，大胆布局。没格局，盘子小了，自然落后；至于"先收缩一下、活下去，等别人做出来再抄"，这套在ai时代不存在——等到那时候，你早就不在牌桌上了。但ai的认知才是最重要的。ai的发展核心是技术，这和20年前创业的商业模式局不同，也和10年前创业的产品局不同。商业模式局是发现社会一个新需求，砸钱把模式包圆，不让别人进来，纯资本起了最大作用，那时候的创业者大部分是资本大腕或管理高手；产品局是设计一个粘住用户的心理/生理模式，游戏也行、视频也行、聊天也行，总之粘住就好、dau大就好，产品经理和揣摩人性最重要，这个时代的创业成功者大部分是产品经理。而今的ai局又很不一样：openai和anthropic这两年的反复拉锯、轮流领先，一再说明ai时代的本质就是技术的快速进步——当你停下来打磨产品，可能第二天就发现底层技术已经落后、产品已经没人用；当你停下来思考商业模式，ai世界已经再次被颠覆。ai的终局就是agi，是一场猎龙游戏。这条路上，所有打猎兔子的动作都不本质——除非你实在太饿，否则就该专注本质、专注主线。但光喊口号远远不够。agi是个愿景，可它在哪里、怎么定义、怎么做到，从来就没有标准答案：既不是传统学术范畴里"先慢慢定义清楚、再设计算法、做实验、验证、做原型、再产品化"那一套，肯定行不通；也不能简单靠以前那种"秒了他"——靠少数几个人熬夜就拼出来。实现agi需要：对agi的极度热衷与笃定（极强的第一性思维）、对技术的深厚积累与细节把控、一群不内耗/不墨迹、简单纯粹的人。这个时代的ai人不那么看重所谓的"经历"，更在意的是不内耗、不墨迹、够纯粹；但年轻并不等于纯粹，有些表面的年轻反而掩盖了"纯粹"这件事的本质重要性。ai的技术判断是另一个挑战。ai可能颠覆了很多人的认知：很多人喜欢ml、喜欢cs，是因为那里有看起来优雅的理论和数学推导；而agi要更原生、更native，ai的数学推导其实已经超越大多数cs研究生、也超越大多数cs程序员了。原来cs们还以为自己高高在上，以为自己是ai的造物主、其他领域都要完蛋；其实真正被全面颠覆的，可能正是我们自己的知识体系。这也是为什么cs的资历突然不管用了——所有cs被拉平、被ai扁平化管理，唯有成为ai时代具有超前认知的ic，才能在ai时代活下去：快速迭代知识、快速提高认知（5年后的ai你能预见吗？不能。2年呢？1年呢？）。
