原标题：大模型重回参数竞赛：2 万亿成标配，3 万亿是下一站？

7 月 29 日，一则关于大模型公司北京月之暗面科技有限公司（下称 " 月之暗面 "）的融资消息在业内迅速传开——月之暗面已完成新一轮超 35 亿美元融资，投后估值升至 350 亿美元，Pre-IPO 轮也已启动，投前估值达到 500 亿美元。

这意味着，相较 2025 年底 C 轮融资时的估值 43 亿美元，月之暗面在半年多的时间里估值增长超过 10 倍，这一速度在全球 AI 创业公司中也不多见。记者就上述融资信息向月之暗面方面发送了求证邮件，截至发稿未获回复。

推动这轮估值跃升的核心催化剂是月之暗面 7 月 16 日发布的旗舰模型 Kimi K3，该模型的参数规模达到约 2.8 万亿（精确值为 2.78 万亿），是目前全球参数量最 大的开源模型。

7 月 19 日，月之暗面发布公告，宣布暂停 C 端（个人用户）新用户订阅，将全部算力投入保障已有用户的服务。7 月 27 日晚间，月之暗面进一步公开了 KimiK3 的模型权重和一份 47 页的技术报告，对模型架构和训练方法做了全面披露。

Kimi K3 的发布只是 " 中国大模型集体转向大参数 " 的一个切面：阿里 7 月 19 日发布的旗舰模型 Qwen3.8 Max，参数量约 2.4 万亿；百度 1 月上线的文心 5.0，参数量同样达到 2.4 万亿；DeepSeek 4 月发布的 V4-Pro，参数量为 1.6 万亿。另据记者了解，MiniMax（00100.HK）下一代模型的参数量也将超过 2 万亿。

2025 年，DeepSeek R1 的发布曾让行业一度转向更小参数、更低成本的路线，"Scaling Law（规模法则，即模型性能随参数规模和算力增加而可预测地提升的经验规律）是否已经失效 " 成为贯穿全年的热议话题。

但仅一年之后，" 参数竞赛 " 再次启动，中国头部大模型厂商开始集体冲击 2 万亿以上参数。

参数跃升

Kimi K3 的参数跃升幅度在行业内并不常见。

和上一代相比，Kim K3 的总参数从 1.04 万亿增至 2.78 万亿，增长了 167%；激活参数从 326 亿增至 1042 亿，增长 220%；上下文窗口从 128K（K 代表千）扩展至 100 万词元（Token，AI 模型处理文本的基本计量单位），扩大了近 8 倍。

月之暗面团队在 7 月 27 日发布的 Kimi K3 技术报告中指出，过去一年，开源模型在推理阶段的强化学习上进展很快，但预训练基座的参数规模停滞在 1 万亿左右。

大模型的训练分为两个阶段——预训练阶段，模型在海量数据上学习语言、知识和推理模式，形成底层能力，参数规模和数据质量决定了这层能力的上限；后训练阶段，研发团队通过强化学习（用奖励信号引导模型改进推理策略）、思维链（让模型把推理过程拆解成多个步骤逐步推导）等方法，在底层能力之上做精细打磨。

过去一年，行业把主要精力放在了后训练上—— DeepSeek R1 证明了强化学习可以在较小参数的模型上取得很好的效果，国内外厂商纷纷跟进。但 Kimi K3 技术报告提出的问题是，后训练的优化空间受制于预训练基座的容量，基座的能力边界决定了后训练的上限。

早在今年 3 月的中关村论坛上，月之暗面创始人杨植麟就公开阐述过类似的判断。他认为，做大模型本质上是把更多的能源转化成智能，规模化绝非暴力增加算力投入，而是关于转化效率的竞赛。他在演讲中拆解了三个提升效率的维度：提升词元效率，从有限的存量数据中挖掘更多智能；优化长上下文架构，以低损耗完成长时间复杂任务；引入 Agent 集群（多个 AI 智能体并行协作）模式，通过协作扩展模型执行复杂任务的边界。

华南一家大型券商的半导体分析师告诉经济观察报，参数竞赛重启还有外部推力—— 2026 年 6 月下旬起，以 Claude 为代表的海外头部模型开始限制国内模型对其 API（应用程序编程接口）的访问，这意味着蒸馏（用大模型的输出来训练小模型）作为过去两年国内模型缩短差距的重要路径，正在变得越来越窄。

在他看来，大模型的发展可以划分为三个阶段：第 一阶段从 2023 年初到 2024 年第三季度，以预训练参数竞赛为主；第二阶段从 2024 年下半年开始，行业转向后训练的强化学习和推理优化；2026 年正在进入第三阶段，模型能力从单体智能升级为系统编排，AI 开始向智能体（Agent）的形态演进。

他认为，第三阶段并没有取代前两个阶段，参数量的持续增长仍然是关键变量。中国大模型的追赶将主要依赖三条路径：训练范式与海外对齐，构建自有的数据反哺循环，持续扩大预训练基座的参数规模。

深圳一家互联网游戏企业的产品经理告诉记者，对使用者来说，参数规模的直接体感是模型 " 能处理复杂的任务 "。

据其介绍，他所在的团队从今年年初开始把 AI 编程工具接入日常开发流程。在一个完整的编程任务中，模型需要读取整个项目的上下文，连续调用编译、测试、调试等工具，执行多轮自我修正，单次会话消耗的词元量是传统对话场景的很多倍。这类长程任务对模型底层能力的要求，和简单的一问一答完全不在一个量级上。

由此，" 模型能连续工作多久 " 正在成为衡量模型能力的新指标。

规模法则

2.8 万亿参数规模巨大，但 Kimi K3 的每次推理并不需要动用全部参数。

根据技术报告，Kimi K3 采用了 MoE 架构（Mixture of Experts，混合专家系统）。这种架构的核心思路是把模型参数分成多个功能模块，称为 " 专家 "。在处理每一个输入时，路由系统只激活与当前任务最相关的一小部分专家，其余专家不参与计算。

Kimi K3 拥有 896 个专家模块，每次推理只激活其中 16 个，稀疏度达到 56 倍，实际参与计算的激活参数约 1040 亿。换言之，一个 2.8 万亿参数的模型，单次推理的算力消耗大致相当于一个千亿参数级别的稠密模型（即每次运算都调用全部参数的传统模型）。

MoE 架构解决的是 " 参数量大但推理成本可控 " 的问题。在此基础上，月之暗面还需要解决两个难题：长上下文场景下的计算开销，以及信息在深层网络中的逐层衰减。

根据 KimiK3 技术报告，月之暗面分别为此开发了两项底层架构。

第 一项是 KDA（Kimi Delta Attention，混合线性注意力机制）。传统 Transformer 架构（当前主流大模型普遍采用的底层技术框架）在处理长上下文时，需要维护一个缓存，这个缓存的体积随输入长度线性增长。100 万词元的上下文意味着庞大的显存占用和计算开销，KDA 的做法是，把这个不断膨胀的缓存压缩成固定大小的矩阵状态，使百万级上下文的计算开销大幅下降。

第二项是注意力残差（Attention Residuals）。在传统的深层网络中，信息从底层逐层向上传递，每经过一层都会有部分信息衰减或丢失。注意力残差的做法是，让每一层都能选择性地回看前序所有层的输出，跳过逐层传递的限制。根据 KimiK3 技术报告，这项改进的额外成本约为 2%，但显著缓解了信息在深层网络中的衰减问题。

MoE、KDA 和注意力残差三项技术叠加之后，KimiK3 相比 K2 的整体扩展效率提升了约 2.5 倍，即同样的算力投入下 Kimi K3 能达到更好的模型表现。

效率的提升也直接反映在了使用成本上。

根据公开的 API 定价，KimiK3 的输入价格为每百万词元人民币 20 元，输出价格为 100 元。折合美元计算，Kimi K3 的输出单价约为 14 美元 / 百万词元，低于 GPT-5.6 Sol 的 30 美元和 Claude Fable 5 的 50 美元。Kimi K3 在第三方评测中的单任务平均成本约 0.94 美元，与 GPT-5.6 Sol 基本相当，约为 Claude Opus 4.8 的一半。

在 " 用更少的算力产出更多的智能 " 这个方向上，端侧模型厂商走得似乎更快一些。

面壁智能 CEO 李大海在接受经济观察报采访时提到了一组对照数据：面壁的端侧模型用 10 亿到 20 亿的参数量，已经达到了两年前 GPT-4o（OpenAI 于 2024 年发布的旗舰多模态模型，参数量在数百 B 级别）的水平，相当于实现了近百倍的压缩。面壁联合创始人、总裁雷升涛将这个方向称为 " 知识密度定律 "，即大约每 3.5 个月端侧模型的能力密度翻一倍。

云端模型在扩大参数规模，端侧模型在压缩参数规模，底层逻辑一致，都在提升每单位算力的智能产出。

在李大海看来，云端编程、长程 Agent 等场景的爆发已经开始，端侧虽然还没有迎来类似的商业爆发，但模型能力的提升一直在发生。两年前，达到 GPT-4o 水平需要数百亿参数量级的模型，如今面壁用 10 亿到 20 亿参数量级的端侧模型就能做到。云端在做大，端侧在做小，但驱动两者进步的底层规律是同一个——投入更多的算力和更好的架构，就能换来更强的模型能力。" 没有爆发不代表没有 Scaling Law"，他说。

野村证券 7 月 27 日发布的研报指出，3 万亿参数被行业视为中国大模型的下一个里程碑，但模型竞争力将越来越依赖架构效率、后训练优化和长程任务表现。

产业链传导

参数竞赛重启的同时，头部模型厂商的商业化也在加速。

公开信息显示，月之暗面的 ARR（年度经常性收入）在 6 月中旬突破 3 亿美元，API 收入占比超过七成。

月之暗面企业业务负责人黄震昕在 6 月的一次公开活动中提到，自今年 1 月 Kimi K2.5 发布以来，Kimi 海外付费用户数增长了 4 倍，产品进入 200 多个国家和地区。互联网、金融、制造、教育、医疗等行业已成为 Kimi 重要的企业客户来源。

Kimi K3 发布带来的需求激增也让算力紧缺浮出水面。公开信息显示，Kimi K3 的部署需要一台 8 卡 B300 服务器，训练需要万卡级集群。多位接受采访的业内人士提到，智算中心的大部分算力已被头部大厂锁定，独立模型公司获取算力的能力相对滞后，即便遇到 Kimi K3 这样的需求爆发也难以及时补充。

李大海从端侧的角度提供了观察。他用八个字概括端侧和云端的分工关系——端侧主内，云端主外。端侧掌握用户的私有数据和即时需求，数据不出设备，负责隐私敏感的本地推理；云端接入外部世界的信息和服务，处理对模型能力要求更高的开放性任务。他认为，随着云端模型参数规模持续做大，端侧和云端协同的格局会长期共存。

上述券商半导体分析师告诉记者，国内大模型竞争已经形成两个梯队：阿里和 DeepSeek 在模型能力和业务覆盖上位居前列，腾讯、字节、智谱、月之暗面紧随其后。竞争焦点也正在从底层模型能力转向 AgentOS（智能体操作系统，即模型之上负责任务编排、工具调用和长程执行的系统层）的综合能力。

在国内竞争格局高速变动的同时，海外市场正在成为中国头部大模型厂商争夺的另一个增量来源。

野村在前述研报中提到，DeepSeek 截至 6 月的 ARR 约为 5.2 亿美元，其中海外市场贡献了约 47% 到 48%。不过，采用者以个人开发者和中小团队为主，大型企业的渗透率仍然有限。而且，在实际的开发流程中，不少海外开发者已经形成了分层调用的习惯，使用 Claude Code、Codex 等海外模型做架构设计和复杂推理，再切换到 DeepSeek 等国产模型做持续的代码生成和执行。也就是说，国产模型率先拿下的，是词元消耗最密集的执行环节。

华东一家大型公募机构的研究员告诉记者，词元的整体成本在持续下降，预计年降幅在三成到五成。值得注意的是，Agent 链路中等复杂度的任务，单次调用消耗的词元量是传统对话场景的二十多倍，超复杂任务的单次消耗达到百万词元级别。成本下降正在激发更多复杂任务的需求，整体利润由增量市场驱动。" 做大参数 " 对算力产业链的影响也已经开始传导到芯片层面。

聆思科技是一家由科大讯飞体系孵化的端侧 AI 推理芯片公司，已累计出货超过 1.5 亿颗芯片，7 月刚完成近 5 亿元 B 轮融资，首颗端侧大模型推理芯片 Nebula 系列计划于年底流片。

聆思科技市场副总裁韩超阳告诉经济观察报，端侧推理市场的规模未来将比云端大出不止一个数量级。他同时强调，算力利用率比绝 对算力峰值更关键，一颗标称 200T（每秒 200 万亿次运算）算力但利用率只有百分之十几的芯片，和一颗 100T 算力利用率达到七成的芯片，实际产出完全不同。

但当前端侧芯片在推理性能和功耗上仍无法满足需求，在他看来整个市场仍处于萌芽阶段。

聆思科技副总裁徐燕松提到，芯片公司和算法公司未来可能不再独立存在，芯片设计必须比算法迭代更前置地投入研发，" 芯片的研发周期通常在两到三年，必须提前判断两三年后模型架构的走向，否则芯片推出时就已经落伍了 "。

这也意味着，参数竞赛重启的影响不会停留在模型层面，它正在沿着产业链上游的芯片设计和算力基础设施传导。

在上述公募机构研究员看来，大模型向行业场景的渗透可以分为三个阶段：第 一阶段是 AI 编程代理，对应全球约 3000 万软件开发者和部分外包采购市场，核心规模约 7000 亿美元；第二阶段是流程性 AI 代理，面向客服、财务、行政等约 3.7 亿白领办公人群，薪酬池规模超过 1 万亿美元；第三阶段及之后将延伸至金融、医疗、法律等专业领域，市场体量达到 3 万亿至 4 万亿美元以上。

他认为，目前仅处于第 一个阶段的初期。按照上述框架来看，当前围绕 AI 编程场景的词元消耗量爆发，距离真正的规模化渗透还很远。