老外研究视角：谁在害怕中国 AI 模型？

BiRun 消息，作者：Stratechery 编译：深潮 TechFlow 深潮导读： Kimi K3 冲击认知模型市场，华尔街和硅谷为何反应过度？本文拆解 AI 从 ChatGPT 时代进入 Agent 时代后，代币（token）已经不再是商品，真正的商品是智能本身——而在这场边际成本为王的战争里，中国开源模型看似免费，其实服务成本一点不低。前沿实验室的恐慌，更多是因为还没适应从训练成本主导到推理规模主导的新游戏规则。 我曾经讲过一个故事，关于我在凯洛格商学院上 STRT-431 第一天的经历，这是每个 MBA 新生的必修课。我翻阅课程资料和案例研究，失望地发现课程表上没有任何科技公司。我跑去找教授问为什么，得到的回答是：这门课的目标不是研究特定行业，而是发掘能应用于任何行业任何公司的普适原则。 如我常说的，当时我对这个答案很不满意：在我看来科技的本质，尤其是软件和分发的零边际成本（和零交易成本），是根本性的不同。在公式里填零往往会把一切搅乱。但我很快意识到，这恰恰是我的机会。聚合理论（Aggregation Theory）的核心洞察是：零边际成本导致的价值链与人们曾经对互联网的预期完全不同——在一个控制需求比分发供给更重要的世界里，你会看到中心化和规模化。 然而 AI 的有趣之处在于，那些古老的普适原则正在重新回到前台。这一点在上周末表现得最为明显，当时 X 上爆发了关于 Kimi K3 的激烈争论。Kimi K3 是中国推出的又一个开源权重模型，其能力正在逼近最先进水平。长话短说：边际成本以一种重大的方式回来了，无论是最先进免费模型的短期影响，还是行业长期结构的角度。 COGS 与研发支出关于开源权重模型最常见的误解之一是它们更便宜——甚至是免费的。毕竟你可以直接下载权重，跳过创建自己模型所需的时间、费用和能力。这当然没错，但这里的"免费"指的是你在研发（R&D）上需要花费的金额。研发是固定支出，与你产生的收入无关。如果你在研发上花了 100 万美元，不管你的收入是 10 万美元还是 1 亿美元，你仍然在研发上花了 100 万美元（当然这会影响你的盈利能力）。 与收入相关的是 COGS——销售成本——而 COGS 对 AI 来说是实实在在的，这是软件行业很长时间以来没有的情况。具体来说，在模型上运行推理——无论是 Kimi 还是 Fable——都要花钱，而且 AI 提供商在推理上花的钱，至少在大多数商业模式中，与收入直接相关。重用上面的例子，产生 1 亿美元收入与 10 万美元收入，可能需要 1000 倍的 COGS。具体来说，如果产生 1 美元收入的代币成本是 50 美分，那么 1 亿美元收入将有 5000 万美元的 COGS，10 万美元收入只有 5 万美元的 COGS。 关于开源权重模型的要点是，它们并非免费服务。Kimi K3 的成本是每百万输入代币 3 美元，每百万输出代币 15 美元。这比 Sol 的每百万输入代币 5 美元和每百万输出代币 30 美元便宜，但这可能不是正确的衡量标准。 代币与智能英伟达 CEO 黄仁勋将英伟达正在构建的东西描述为"代币工厂"，从英伟达的角度来看这个说法很合理。英伟达的 GPU 不针对特定模型：它们生成代币，并以最快最高效的方式这样做。这导致了诸如每秒代币数、首个代币时间、每瓦代币数、代币成本等衡量指标，黄仁勋认为这些指标将成为决策的基础。 这个框架在 AI 的第一个范式——ChatGPT 时代——确实有意义，当时代币直接交付给最终用户。然而 AI 的第二个范式，即推理时代，打乱了这种衡量方式。推理意味着思维。