7 月 17 日凌晨，月之暗面发布 Kimi K3，2.8 万亿参数，全球最大开源模型。马斯克在评论区留了两个字："Impressive。"

在 Artificial Analysis 综合评测中，K3 以 57 分排名全球第三，仅次于 Claude Fable 5 和 GPT-5.6 Sol，领先于 Claude Opus 4.8 和 GPT-5.5。

在 Code Arena 前端编程盲测中，K3 拿下 1679 分，全球第一，直接超过了 Claude Fable 5 的 1631 分和 GPT-5.6 Sol 的 1618 分。

发布三天后，因为用户请求量暴涨逼近算力极限，Kimi 暂停了 C 端新用户订阅。

同一时间，K3 发布当天的 ARR 创下了月之暗面历史最大单日增幅。

华尔街在讨论 "Kimi 时刻 "，和 2025 年初的 "DeepSeek 时刻 " 相提并论。

伯恩斯坦用 " 一记本垒打 " 来形容 K3。摩根士丹利说，中国 AI 有能力持续跟进全球最先进水平，并随着时间推移逐步占据更多市场份额。

这些数据当然令我们振奋，不过对投资人来说，一个更重要的问题是，是当国产模型已经越来越逼近海外的时候，对 AI 投资意味着什么？

它到底是利空，还是利好？又是谁的利空谁的利好？

01

当分数差距从 30 分缩到 2 分，竞争的维度就变了

先说一个最基本的商业常识。

如果 Claude 考 100 分，Kimi 考 98 分，DeepSeek 考 97 分，GLM 考 95 分——对企业来说，都够用了。翻译、摘要、代码补全、文档分析、客服问答，这些占企业 AI 调用 80% 以上的场景，97 分和 100 分的差异，用户根本感知不到。

当差异不大了，企业关心的就不是谁的模型更聪明，而是三件事：谁更便宜、谁更稳定、谁更能连接丰富的生态。

先说便宜。高盛数据显示，主流大语言模型每百万 Token 价格较 2022 年初下降超过 90%。DeepSeek V4-Pro 的输出价格已经低至 0.87 美元 / 百万 Token，比 GPT-5.5 便宜 34 倍。小米 MiMo V2.5 Pro 直接把 1M 上下文长文本的输出价格统一在 3 美元，取消了所有阶梯计费。

整个行业正在从 " 能力定价 " 滑向 " 成本定价 "。

再说稳定和生态。这才是关键。

当一个企业要部署 AI Agent，它需要的不是一个会聊天的模型，而是一个能调数据、能发邮件、能操作 ERP 系统、能管理审批流程的执行体。模型是大脑，但光有大脑没有手脚，什么事也干不了。

这里很显然可以看到，当模型差异缩小的时候，反而是像腾讯阿里这些老登的优势可能显现出来，因为它们拥有丰富的企业生态，拥有入口。

以 WorkBuddy 为例，WorkBuddy 采用模型无关设计——内置混元、DeepSeek、GLM、Kimi、MiniMax 五大模型自由切换，还支持自定义接入任意 OpenAI 兼容 API。用户可以在对话中随时切换模型，也可以开启 Auto 模式，让系统根据任务复杂度自动路由。简单的翻译走最便宜的 DeepSeek Flash，复杂的推理走 Kimi K3。模型之间的切换成本，被 WorkBuddy 吃掉了。

更重要的是，WorkBuddy 背后是整个腾讯生态——微信授权后可以手机发指令、PC 端自动执行；打通腾讯文档、腾讯会议、企业微信、TAPD，再通过 MCP 协议对接飞书、金山、企查查等 30 多个外部工具。说一句 " 把上周销售数据做成 PPT 发给参会同事 "，它自己就干了。

这不是聊天机器人，是 " 帮人干活的 Agent"。

Agent 时代，模型只是引擎，连接才是底盘。

02

对纯模型公司，这是一个坏消息

当模型差异不大了，就不可避免地走向价格战。而价格战这件事，对不同公司的杀伤力完全不同。

阿里、字节、小米这些大厂，模型 API 本质上是更大商业版图的获客入口。

千问绑阿里云，豆包绑火山引擎，MiMo 铺终端生态。API 可以不赚钱，甚至可以长期微亏，只要能拉动云服务订阅、算力消耗、硬件出货。这是 " 生态补贴 " 逻辑。

但智谱、月之暗面这些纯模型公司没有补贴池。它们必须靠 API 收入覆盖研发和算力成本。在 Agent 时代 Token 消耗指数级增长的背景下，维持低价意味着卖得越多亏越多。

市场已经在用脚投票了。7 月 17 日 K3 发布当天，国内几家头部的大模型股直接大幅跳水，跌幅明显超过其他 AI 龙头。

导火索就是 K3。第一，K3 证明了 " 中国开源模型也能追上闭源头部 "；第二，月之暗面正洽新一轮最高 20 亿美元融资、目标估值 300 亿美元，赴港 IPO 提速。

当对手一边免费开源、一边奔着 300 亿美元敲钟，" 稀缺 AI 标的 " 的门票就不稀缺了。

更深层的问题是：在 WorkBuddy 这种产品里，用户可以自由选用各种模型，差异不大的时候，无论是企业还是个人消费者，会选便宜的那个。纯模型公司被夹在中间——上面是性能差距只有 2-3 分的开源竞品，下面是大厂用生态补贴做后盾的价格战。定价权正在消失。

03

对上游硅基的影响很复杂，需要等尘埃落定

模型价格下降这件事，对上游硅基硬件的影响，会相当复杂。

一面看是利空—— Token 价格战不断打下去，可以预见模型公司的利润未来很难好。当模型公司没有足够利润时，没赚到足够现金流的时候，它继续加大资本开支的意愿很难强。

但另一方面又指向一个不同的故事。Token 越便宜，企业就越有动力把 AI Agent 塞进每一个业务流程里。一个以前要人工花两小时处理的报销审批，现在让 Agent 干，成本只要几毛钱。那企业会把所有能自动化的流程全部自动化。

数据也印证了这一点。2026 年二季度，平台周度 Token 调用量从 4 月初的约 21 万亿飙升至 6 月 15 日的 46.66 万亿，一个季度翻了一倍。

招银国际预测，到 2030 年全球 Agent 场景月均 Token 消耗量将超过 21 万万亿，复合增速 165%。

这就是经济学里的杰文斯悖论——效率提高反而推动总消费量增长。煤更便宜了，不是烧得少了，而是更多地方开始烧煤了。Token 更便宜了，不是算力需求少了，而是更多场景开始用 AI 了。

从这个角度看，对算力的需求有增无减，又支撑着上游硅基的叙事。

这个分歧现在很难有一个明朗的观点，如果很明朗，现在的硅基股价波动就不会这么剧烈。

尤其是，在上游硅基叙事持续性存在一定怀疑时，又撞上了韩国股市的去杠杆危机。

KOSPI 从 6 月 22 日高点回撤 26%，进入技术性熊市。14 只 2 倍杠杆 ETF 全部跌破发行价。韩国金融监管部门紧急将单股杠杆 ETF 的保证金门槛从 1000 万韩元提高至 3000 万韩元，暂停新产品上市。融资余额仅从 38.6 万亿韩元降到 35.6 万亿，降幅不到 8%。去杠杆远没有结束。

所以对硅基硬件的判断，现在处于一个尴尬的窗口：长期方向似乎是确定的—— Token 降价推动 Agent 普及、算力需求指数级增长，但又蒙有一层阴影；同时短期的去杠杆冲击还没释放完，韩国的卖压随时可能再次外溢。

这里可能等韩国的杠杆拆完，硅基的交易面尘埃落定，少了干扰，会看得更清楚点。

04

相对确定的是什么？

相对确定的会是腾讯和阿里这些公司，以及它们对恒科的拉动作用。

逻辑很清楚。模型趋同后，竞争的维度从 " 谁的模型更聪明 " 切换到 " 谁的生态更厚 "。腾讯有微信 14.3 亿月活、企业微信、腾讯文档、腾讯会议、TAPD，加上 WorkBuddy 这个日活 1300 万的 Agent 入口。阿里有钉钉、支付宝、阿里云、菜鸟、淘宝，Apple Intelligence 在中国接入的也是千问。

这些生态不是一天建成的，也不是靠一个模型就能颠覆的。当模型差异只有 2-3 分的时候，生态壁垒反而成了最深的护城河。

7 月 20 日，恒生科技指数盘中涨超 3.5%。阿里巴巴涨超 4%，腾讯涨超 3%，美团涨超 3%。

这里除了模型趋同带来的生态重估逻辑，还有一个增量催化：美国不再延续涉港国家紧急状态，第 13936 号行政令到期终止。港股科技板块的估值压制因素，正在一个一个被移除。

从更长视角看，K3 的意义不在于它比 Claude 强还是弱 2 分。它的意义在于：它和 GLM-5.2、DeepSeek V4 一起，证明了模型能力趋同是不可逆的趋势。而当模型趋同，价值就从模型层向应用层和生态层转移。

北京邮电大学教授李宏兵说了一句话，我觉得很到位：" 数字经济竞争正从模型竞争演变为场景竞争、生态竞争和平台竞争，拥有行业数据、高频场景和生态协同能力的企业将更具优势。"

翻译成投资语言就是：纯模型公司卖的是 " 大脑 "，容易被替代；有生态的公司卖的是 " 神经系统 "，很难被替代。

如果，你对产业投资感到困惑；

如果，你对如何找到产业龙头和潜力公司感到迷茫；

如果，你对板块波动感到无所适从

那么，请扫码加入我们，获取更详细的产业链分析和投资策略，跟随格隆汇研究院一起，在投资的浪潮中把握机会，分享产业革命的红利吧！

免责声明：本文版权属于北京格隆汇投资顾问有限公司投研团队 ( 段月寒 : A0160625050003 ) 整理，本报告基于独立、客观、公正和审慎的原则制作，信息均来源于公开资料并予以合法合理适当的采集摘要与编辑。

股市有风险，入市需谨慎。本文中的任何投资建议均不作为您投资买卖的依据，您须独立作出投资决策，风险自担。任何单位或个人未经本公司许可，擅自发布、复制、传播或网络发表、转载等均视为侵权，本公司将依法追究侵权责任。