Kimi K3引爆美國科技界內戰：開放模型之爭直達華府！

• Kimi K3逼近美國最前沿模型，意味頂尖AI能力不再由少數美國企業壟斷。
• 事件迅速引爆科技界內戰：閉源模型公司談安全，晶片及雲端巨頭力撐開放，背後其實是定價權與產業主導權之爭。
• 若模型加速商品化，價值將轉向晶片、雲端及企業服務；若華府出手限制，全球AI生態則可能沿國界分裂。

2026年7月16日，北京初創企業月之暗面推出最新模型Kimi K3，震撼業界。此前，美國政界及科技業普遍認為，在先進晶片及算力受限下，中國與美國最先進模型的差距只會愈拉愈遠。伊隆・馬斯克亦曾估計，中國模型要到2027年才有望追近Anthropic Fable 5的水平。

圖一：馬斯克6月於社交平台X上的留言

相關文章：〈智譜MiniMax比較｜同為AI六小龍，為何智譜狂飆、MiniMax失速？〉

然而，K3的出現推翻了這個預測。雖然K3整體能力仍略遜於Fable 5，但差距已明顯收窄，在部分編程及AI代理任務上甚至表現更佳，比馬斯克的預期至少提早五個月。更關鍵的是，月之暗面於7月27日所釋出的模型權重幾乎接近美國最先進的AI能力水平，不再只由少數閉源實驗室壟斷。

K3的發布隨即引起美國科技界的討論。OpenAI戰略前瞻主管Dean Ball作出警告，中國領導層缺乏對AI風險的理解，把能力如此強的模型開源充滿危險。開放權重亦可能令AI變成近乎免費的公共物品，最終令AI走向共產主義。AI共產主義是一個帶有強烈意識形態色彩的形容詞，能瞬間把一場技術路線之爭，升級為產業秩序之爭。

數日後，發生了一件充滿諷刺意味的插曲。OpenAI的模型在測試期間突破隔離環境，對開源模型平台Hugging Face的基礎設施發起攻擊。事後，Hugging Face的團隊嘗試借助美國閉源模型排查事件，卻因安全護欄而無法使用；最終需要利用中國開放權重模型GLM協助分析攻擊，打破了閉源必然受控、開放必然危險的固有概念。

其後，有報導指美國政府正考慮限制企業使用中國模型。7月24日，英偉達行政總裁黃仁勳及多家科技企業則公開支持開放權重；數日後，Anthropic行政總裁Dario Amodei亦發文，表明公司從未主張全面禁止開放權重模型，但重申應限制高階晶片流向中國、打擊工業規模蒸餾，並對高能力模型實施發布前安全測試。

Kimi K3的發布，引發了一場橫跨商業利益、價值觀與AI技術路線的爭論，亦令科技業內的陣營對立。

中國AI模型：Kimi K3如何打破廉價替代品的標籤？

過去數年，市場普遍視中國模型為美國前沿模型的廉價替代品：雖然價格較低，但綜合能力上亦有所折讓。然而，Kimi K3改寫了這個前設。

性能逼近最強閉源模型：Artificial Analysis智能指數取得57分，與最強閉源模型只相差數分。

特定領域實現超越：在部分複雜編程及AI代理任務上，甚至已接近或超越Fable 5。

為什麼Kimi K3具破壞性市場影響力？

Kimi K3真正具破壞力的不只是能力逼近最先進的模型，更多在於開放權重，讓使用者可以下載、微調及自行部署。當Kimi K3大幅收窄開放與閉源模型的能力差距，迫使企業重新思考是否仍有必要為美國昂貴的閉源模型支付高昂溢價？

開源與開放權重有何不同？

在分析開放模型的商業利益、安全及投資影響之前，必須先釐清一個長期被混用的概念：現時媒體所稱的開源模型，絕大部分僅屬於開放權重模型。

要理解兩者差異，先看一個大型語言模型的三大核心組成部分：

•      模型架構：神經網絡如何設計

•      模型權重：經過數據訓練後形成的數以十億甚至萬億計參數

•      訓練數據及完整訓練配方

傳統開源軟件通常會公開原始碼，容許任何人閱讀、修改及重新發布。但是，現時絕大部分所謂開源AI模型，只公開已完成訓練的權重，沒有完整公開數據、數據清洗方法、訓練程式碼及強化學習環境。雖然使用者可以下載模型、自行在伺服器運行及進一步微調，卻無法由零開始完整複製相同模型。

大語言模型開放等級對比：

•      只有API：用家可以使用模型，但無法自行部署、修改或審計

•      公開權重：用家可以進行本地部署、微調及控制推理環境

•      公開權重及訓練程式碼：用家較容易理解及重現部分訓練流程

•      公開權重、程式碼及數據：更接近嚴格意義上的開源AI

表一：AI模型的開放程度比較

模型	開發者	權重	訓練程式碼	訓練數據	授權形態
GPT-5.6 Sol	OpenAI	✗	✗	✗	閉源，僅限API
Claude Fable 5	Anthropic	✗	✗	✗	閉源，僅限API
Llama系列	Meta	✓	部分	✗	開放權重，社群授權附使用限制
Kimi K3	月之暗面	✓	部分	✗	開放權重；自訂授權，大規模商用另議
DeepSeek V3／R1	DeepSeek	✓	部分（附詳細技術報告）	✗	開放權重（R1採MIT授權）
OLMo	Allen Institute	✓	✓	✓	真開源（連訓練數據公開）
資料來源：各公司公告及奕豐金融編纂 數據截至2026年7月27日

Kimi K3採用自訂授權，容許下載、修改及微調，但大型雲端平台、API服務商及消費產品仍可能須另訂商業協議或標示「Kimi K3」，訓練數據亦未公開。因此，K3屬於典型的「附帶商業限制的開放權重模型」，透過授權條款保留對大型商業用途的主導權。

不過，對一般開發者及企業而言，權重公開仍大幅降低取得近前沿能力的門檻。

圖二：根據權威機構Artificial Analysis，Kimi K3 和最前沿閉源模型Opus 5 的能力相差不遠

倒帶25年：Linux的一幕正在AI重演？

開源一直是互聯網與程式開發界的重要傳統，也代表一種極客精神：重要的軟件與知識，不應只被少數巨頭壟斷。正因如此，開源項目往往較容易獲得技術社群的認同與支持。

時至今天，大量數碼基建包括Python等開發語言都建立在開源軟件之上。企業可以自由使用、檢視及修改程式碼，全球開發者亦可共同找出漏洞、改善功能，推動技術更快成熟及普及。

2001年6月：開源作業系統Linux是最具代表性的例子，當年被時任微軟行政總裁Steve Ballmer形容是「知識產權癌症」。

25年後：Linux非但沒有消失，反而成為全球雲端運算、伺服器及超級電腦不可或缺的重要基礎設施。曾經強烈抗拒開源作業系統的微軟，如今亦在Azure廣泛支援Linux，甚至收購全球最大的開源協作平台GitHub。

Meta：AI開放權重始祖

AI開放權重模型的時代，源於一場意外。2023年2月，Meta發布首代LLaMA，原本僅供學術研究使用，但完整權重於一星期後在網上遭洩漏。Meta順勢而為，於同年7月推出可免費商用的Llama 2，把開放權重提升為集團核心策略，令開源社群一度對Meta非常有好感，認為Llama降低使用與研究門檻，推動技術普及與去中心化。行政總裁Mark Zuckerberg其後更力陳開源路線，指AI應像當年Linux取代封閉的Unix一樣，靠開放成為產業標準，並避免技術能力集中在少數公司手中。

然而，這間曾經引領開放權重浪潮的美國科技巨企，最終卻回歸閉源路線。

·         旗艦模型挫敗：Llama 4表現不及市場預期，Meta內部對開放策略產生分歧。

·         架構重整：Meta重組AI團隊，並重新分配資源。

·         全面回歸閉源：新一代旗艦模型Muse Spark改為完全閉源，只透過雲端API提供服務。

隨着Meta退居次線，美國失去了開放權重模型領域的主導地位，被中國取代。

開源重心向東移：中國科技公司為何選擇開放權重？

中國並非從一開始便集體選擇開放路線，早期多家科技公司仍然以閉源API為主。中國模型後來得以迎來開放權重的重要改變，是商業、工程及地緣環境共同演化的結果：

•      以開放換取生態與影響力：OpenAI及Anthropic已在全球企業市場建立品牌、客戶關係及開發者工具，中國實驗室若只提供另一個閉源API，很難說服海外企業轉用。權重公開後，全球研究人員及開發者可以免費測試、修改及部署模型，迅速擴大其影響力。阿里巴巴Qwen便透過持續開放不同規模及用途的模型，逐步成為大量後續研究與開發的基礎。

•      以社區力量彌補算力限制：美國對中國的先進晶片限制，令中國模型公司較難取得足夠高端GPU，以承接大規模推理需求。既然未必能自行服務所有用戶，公開權重反而可讓社群把模型部署到不同GPU及邊緣設備，提高其模型的影響力。

•      建立難以逆轉的全球分發能力：API可以被封鎖，付款渠道及企業帳戶亦可以被限制；但模型權重一旦被下載、複製及重新分發，便很難完全收回。對面對科技限制的企業而言，這種分發方式具有明顯戰略價值。

中國AI模型的高光時刻：由DeepSeek到Kimi K3帶來的轉捩點

真正令全球市場重視中國開放模型能力的，是2025年初面世的DeepSeek。DeepSeek V3及R1以較低訓練成本達到接近美國先進推理模型的水平，引發市場重新評估AI算力需求、模型護城河及美國科技企業估值。英偉達股價在消息發酵後大幅下跌，單日市值一度蒸發約5,890億美元，創下當時美股紀錄。

DeepSeek不只公開權重，亦發表詳細技術報告，披露架構、訓練及推理效率方面的創新。DeepSeek向全世界證明了中國模型的進步不再只是價格較低，也包含自身工程及研究能力，更令市場相信中國模型可以用較少資源接近前沿。Kimi K3投下一枚更大的震撼彈，直接令市場質疑，若開放模型已幾乎追平前沿，美國閉源模型公司憑什麼維持高額溢價？

開放 vs. 封閉：商業利益與價值的對立

開放與封閉看似代表兩套對立價值觀：一方強調知識自由流動，另一方重視安全、責任與能力控制。然而，背後也涉及商業利益。靠模型稀缺性收費的企業自然傾向封閉；希望靠開放模型帶動算力、雲端或應用收入的企業，則更支持開放。

閉源模型公司（OpenAI及Anthropic）：守住能力稀缺與API定價權

OpenAI及Anthropic的核心價值來自模型能力。閉源模型和開放權重模型的能力差距愈大，企業便愈需要為前沿模型付出溢價，並接受供應商設定的安全政策。

Anthropic長期強調前沿AI可能被用於武器研發、網絡攻擊甚至對人類文明構成風險，主張政府加強AI安全監管。這些風險不應被簡化為商業說辭。若監管提高開放權重模型的開發、部署及使用門檻過高，市場便可能繼續依賴少數具備合規、安全及雲端服務能力的閉源供應商。因此，閉源模型公司推動安全監管，既可能源於真實的風險判斷，客觀上也有助維持模型能力的稀缺性、API定價權及市場地位。

為何英偉達支持模型愈開放愈好？

避免客戶集中度過高：英偉達最不希望全球前沿AI能力最終集中在少數模型公司或雲端巨頭手中。若市場由一兩間企業壟斷，英偉達的買家將有極高的議價能力，甚至加快開發自研ASIC，逐步降低對英偉達GPU的依賴。

激發私有化部署與推理需求：開放權重可降低AI使用門檻，帶動更多私有部署、模型微調及推理運算。

另外，大部分開放模型優先針對英偉達GPU進行優化，模型流通愈廣，其硬件兼容性與軟件生態優勢便愈明顯。若限制中國開放模型被迫全面轉向國產硬件平台，開發者會投入更多資源適配國產晶片而非英偉達的晶片，長遠會削弱英偉達的護城河。

雲端服務商：為什麼模型愈商品化，平台價值反而愈高？

亞馬遜及微軟等雲端服務商的收入，並非依賴單一模型，而是來自運算、儲存、網絡及安全等一系列增值服務。

當雲端平台代售閉源模型的API：需要與模型公司分成

改為代管開放權重模型：授權成本通常較低，雲端廠商能保留更多收入。

因此，模型層愈趨商品化，雲端服務商愈能受惠。

微軟的AI三方面布局

微軟的立場極具代表性，同時支持OpenAI、開放權重及中國模型。它既是OpenAI的重要投資者，也是Azure營運商，同時經營Copilot。

·         從投資角度：微軟希望OpenAI保持領先

·         從Azure角度：希望平台提供愈多模型選擇愈好

·         從Copilot角度：希望推理成本愈低愈好。

Anthropic的回應：反對全面禁令，但安全立場不變

黃仁勳牽頭的公開信發布後，簽署方迅速增至數十家，包括微軟等多家雲端與開發工具商。在頂尖閉源模型公司中，Anthropic一度成為少數缺席者，引發外界質疑Anthropic希望透過監管削弱中國模型的競爭力，以保護自身業務。

面對壓力，Anthropic行政總裁Dario Amodei其後發文，明確劃清界線：反對全面禁止開放權重模型，但不認同開放必然更安全。Amodei強調他從未主張全面禁止開放權重模型，但强調在網絡攻擊和生物風險等方面，開放權重模型可能比閉源模型更難控制。權重一旦公開，開發商便難以持續監察用途、更新安全護欄，亦無法撤回已流通的副本。

這番表態將爭議由「支持還是反對開放」拉回更具體的政策層面。表面上，Anthropic與英偉達都反對全面封殺開放權重模型；但兩者的利益並不完全一致。英偉達希望模型生態繼續擴張，帶動算力需求；Anthropic則希望提高高能力模型的安全與合規門檻，並限制中國取得算力和訓練出強大的模型。

安全、蒸餾與禁令

美國科技界對中國模型的討論，主要集中在三個問題：

1.     開放權重模型是否較危險？

2.     中國實驗室是否不當蒸餾美國模型？

3.     美國政府會否限制企業使用？

開放模型是否較危險？

針對Hugging Face事件，外界通常誤解「閉源較安全、開放較危險」。事實上，真正的分別在於責任與控制權：閉源模型由供應商統一維護護欄，部署較方便，但企業難以修改錯誤攔截或特殊限制；開放模型容許企業按場景調整安全政策，代價是自行承擔更高的技術、合規及營運責任。

AI知識蒸餾是技術常規還是侵權？

知識蒸餾可以理解為「師傅教徒弟」：能力較強的教師模型生成示範答案，讓能力較弱的學生模型透過模仿，學習回答方式、推理格式及特定知識。這是業界常用技術，許多mini、flash等輕量模型，都會使用自家大型模型的輸出訓練。

知識蒸餾的爭議

知識蒸餾真正的爭議，不在於技術方面，而是數據收集的合法性，大規模收集競爭對手的API輸出，並把對手投入巨額資本建立的能力轉化為自家的訓練資料。

今年年初，Anthropic指控DeepSeek、Moonshot及MiniMax透過約24,000個虛假帳戶，與Claude產生逾1,600萬次交互；6月，再指控Qwen團隊透過約25,000個帳戶，在三個月內產生2,880萬次交互。

Kimi K3有否蒸餾美國模型？以下三點進行拆解

1.     K3的訓練資料很可能包含美國模型輸出：

部分使用者曾發現Kimi模型偶爾自稱Claude，加上Anthropic的指控，顯示Kimi的訓練資料很可能包含Claude風格的內容。

2.     沒有證據顯示K3主要依靠蒸餾追近前沿：

白宮官員曾指K3蒸餾自Anthropic最新模型Fable 5，但兩者發布時間僅相隔兩星期，在短短兩週內完成大規模數據收集、後訓練、強化學習、安全測試及產品部署，時間線相當勉強。此外，K3在MoE路由、模型量化及長脈絡設計方面亦具備原創性；整套模型架構、訓練系統及部署效率不是蒸餾技術所能夠直接複製的。

3.     蒸餾不足以解釋中國模型的躍進：

前沿能力取決於強化學習、數據工程、評分環境及算力效率，而這些步驟都不能單靠蒸餾來完成。中國實驗室很可能曾使用美國模型輸出協助部分訓練流程，但把其進步主要歸因於偷取答案，同樣低估了中國公司自身工程及研究能力。

美國政府會否限制企業使用？

全面禁令並非唯一選項。華府更可能先以監管警示、安全審查及知識產權調查提高合規成本，令金融、醫療及政府承包商自行卻步；較嚴厲的工具則包括實體清單、政府採購禁令及雲端代管限制。

不過，模型權重一旦公開下載，便難以像高端晶片般從物理供應鏈全面封鎖。政府、關鍵基礎設施及大型受規管企業偏向使用美國模型；價格敏感、新創及自行託管場景，仍繼續使用開放權重模型是更可能的結果。

投資啟示：故事的主角可能不再是模型

Kimi K3對投資者最重要的啟示，或是前沿模型的能力領先與護城河，並不穩固。當美國閉源實驗室推出最先進模型後，競爭對手或可在六至九個月內推出能力接近、成本更低，甚至開放權重的替代方案。

若追趕模式仍持續，大部分模型之間的能力差距將逐步收窄，企業的選擇亦會由哪個模型最強，轉向比較價格、部署方式、數據控制及服務質素。最頂級的模型不一定完全失去定價權，但中游模型的商品化與價格競爭可能加劇。在這種情況下，投資者應如何部署？

表二：模型商品化下AI價值鏈將會如何變化

產業鏈	可能的變化	投資者應關注
模型層	中下游API價格受壓，或須降價或加免費額度；前沿模型在科研、編程、金融及高難度代理任務仍可維持溢價；	誰仍有明顯能力領先；模型的分發渠道、私有數據與企業服務能否支撐溢價
算力層	開放權重模型降低部署門檻，算力需求將會分散，有利通用GPU生態	訓練是否仍集中少數前沿實驗室；自研ASIC與通用GPU格局如何演變
雲端層	大量開放權重模型將部署於雲端；多模型管理、安全、成本監控與數據儲存將更加重要；開放權重模型的授權成本較低，平台可藉算力與運維保留更多收入	誰能成為企業統一入口與模型路由；算力、儲存、安全與數據等全棧服務的變現能力
資料來源：奕豐金融編纂 數據截至2026年7月27日

兩種情境：功能分層，或地緣分裂

按功能分層

在政策維持相對開放的基準情境下，與其說開放擊敗閉源，更大可能是各自守住最有優勢的場景，而形成以下的AI市場分層共存生態：

·             高端閉源模型：主導高難度及高責任任務採用最強閉源模型。

·             開放權重模型：統治成本敏感、需要私有部署或高度控制的任務採用開放權重模型。

·             雲端平台：負責統一管理與路由。

地緣分裂

若美國進一步實施實體清單、代管限制或政府採購禁令，原本按功能形成的分層，便可能沿國界裂開：

中國模型與國產硬件形成一套生態，美國模型、晶片與雲端服務形成另一套生態。屆時，勝負不再只取決於模型能力，標準、工具、硬件適配、企業客戶及政策准入同樣重要。

Kimi K3不是這場戰爭的起點，也不會是終點。它只是一面鏡子，讓所有角色提早走到鏡頭前：閉源模型公司要守住稀缺性，晶片商與雲端平台要擴大生態，政府要在安全與產業利益之間取捨。這場爭議的啟示也許是AI競爭的下一階段，從比較誰能做出最強的模型，演變為誰有權決定模型如何被使用。