尽管《2026 年斯坦福人工智能指数报告》就曾指出，自 2025 年初以来，中美两国的模型多次互换领先地位。2025 年 2 月，DeepSeek R1 模型就曾追平过美国顶级模型。并且截至 2026 年 3 月，Anthropic 旗下顶级模型的领先优势仅为 2.7%。但国产大模型近期掀起的一波发展高潮，还是让人有些炫目。

先是月之暗面的 Kimi K3 正式开源，2.8T 级别的参数量首次将一个开放模型的参数量提升到近 3T 级别。紧接着 DeepSeek V4 Flash 正式发布，随后露面的阿里 Qwen3.8-Max，2.4T 的参数规模更是坐实了国产开源大模型正式进入了 " 大参数时代 "。

Kimi K3 开源可谓是一石激起千层浪，它将对整个 AI 产业产生深远的影响。Gartner 高级研究总监张桐近日从多个视角谈了 Kimi K3 开源所引发的变化。

中美 AI 模型对抗强度上升

对比此前 DeepSeek R1 掀起的行业浪潮，张桐认为 Kimi K3 带来的产业变革具备本质差异。

Gartner 高级研究总监张桐

他表示："DeepSeek 时期仅证明国内可依靠有限算力实现对标海外推理模型的效果，并且在短期内倒逼 OpenAI 加速新品发布，但并未真正对顶级模型形成挑战，而在过去一年开源模型的迭代速度也不及闭源模型，海外企业出于数据安全顾虑不敢规模化商用中国的大模型。"

反过来看，Kimi K3 实现与海外前沿模型性能齐平，且海外客户把它视为一个潜在的替代选项，东南亚市场出于供应链自主可控需求，对国产开源模型接纳度提升非常明显。包括 Together AI、Fireworks 在内的海外平台也在 K3 发布首日即完成上线，依托成熟算力调度承接海量企业调用流量，直接兑现商业化收益。

国内大模型已经实实在在地缩短了与美国高端大模型的差距，形成了以 Kimi K3、DeepSeek V4 Flash、通义千问 Qwen3.8、MiniMax H3、智谱 AI 等为代表的国内开源大模型阵营，并且具备了与以 OpenAI、Anthropic 等为代表的闭源大模型抗衡的能力。

对此，张桐却认为：" 必须清醒地看到，在 3-5 年的短期时间内，开源模型还难以成为市场主流，全球最强基座智能能力仍会掌握在美国闭源厂商手中。但 Kimi K3 创新商业授权模式将大幅加速开源生态成熟，形成开源、闭源长期并行共存的行业格局。开源基座虽然降低了上层应用开发门槛，但算力、底层推理优化、高质量训练数据等核心环节门槛依旧高耸，这也是 Kimi 现阶段最核心短板：高端算力供给不足，国产训练芯片与英伟达 GPU 之间仍存在差距。"

决定国内大模型高速发展的因素

全球大模型赛道在未来较长一段时间内都将保持激烈竞争，这样自然也就引出了一个问题：国内大模型如何才能更快地发展。

放眼国内 AI 算力产业长期发展，张桐认为突破算力瓶颈是国产大模型走向全球的核心命题。当前国内存储、服务器、网络设备产业链持续追赶，但高端训练芯片与配套生态仍是短板；外部算力供给约束将倒逼国内全产业链自主化投入，算力集群基础设施建设会持续带动芯片、服务器、云服务上下游增长，长远有望形成自主可控的 AI 算力供给体系，实现像公共水电一样规模化对外输出 Token 服务。

立足长期技术竞争，大模型的规模扩张仍是不变主线，尽管规模扩展边际收益在递减，但更高阶智能仍依赖更大基座。国内厂商差异化优势集中在工程化能力，也就是高效利用算力，以及优化模型运算能力，包括使用线性注意力机制。

正是由于国内大模型的规模扩张依然处于高速发展阶段，张桐总结 Kimi 短期窗口期仅约三个月，国内智谱、阿里等厂商以及海外头部企业会快速跟进对标产品。

张桐总结说：" 月之暗面的长期护城河并不在短期参数规模，而在于三大核心壁垒：自研高质量训练数据体系、以长文本输入和线性注意力机制为代表的原创架构创新、杨植麟团队主导的顶尖工程能力。长文本处理能力作为 Kimi 最初的技术标签，现已成为全行业通用刚需，也是支撑自主智能体、数字员工落地的底层基础。"

国内开源大模型厂商需要突破的还有商业模式，虽然采用开源模式，但并不代表因此就不需要盈利。谈及商业模式革新，张桐认为 Kimi 推出的定制化商业授权协议，是开源赛道的重要探索。区别于 MIT、Apache 等通用开源协议，月之暗面设置营收分成门槛，合作云平台年营收达到 2000 万规模需与模型方分成，同时对外输出模型时标注 Kimi 标识，形成 " 厂商训练基座、生态伙伴负责部署获客、源头企业持续分成 " 的闭环商业体系。这套模式解决了长期以来开源模型 " 只投入不盈利 " 的行业痛点，平衡技术开放与商业可持续。

值得关注的是，对于 Kimi 所采用的这种定制授权模式，阿里通义千问等头部国产模型厂商已显现出跟进趋势。而对比闭源产品，定制授权综合成本更低，海外云服务商、跨国企业接受度也在持续提升，将成为未来一年内国内大模型定价与商业模式演变的核心主线。月之暗面此次出圈的不仅是技术，还有商业模式，这实际上也为它后期的高速发展奠定了基础。

当前，科技巨头持续加码算力资本开支，硬件设备提供商以及云服务商作为 " 卖铲子 " 的基础设施供给方已兑现可观收益。但另一方面，张桐介绍说：" 企业端甲方能否依托 AI 模型实现业务价值提升，现阶段仍缺乏普遍可验证的高回报案例，行业整体 ROIC（投资资本回报率）仍有待时间验证。"

国产大模型做大的基础，是要让传统企业真正用起来。因此，Kimi K3 的新特性在对用户产生影响的同时，也在间接地改变着国内大模型的产业格局。

针对企业用户，Kimi K3 精准击中了两大长期用户痛点。首先是海外客户可以降低对美国闭源模型的业务依赖，规避政策与使用条款约束。其次是 Kimi K3 兼顾高阶智能与可控成本，平衡复杂长程任务、自主智能体场景的性能需求。出于解决这两大业务痛点的需求，在部署意愿层面，海外企业已从仅用开源模型承接重复性高但不复杂的任务，逐步向长程复杂业务延伸。

而针对国内大模型用户，国内企业始终将本土开源基座作为首选。但开源大模型的落地门槛客观存在，以 Kimi K3 为例，2.8T 级别的模型无法在单台设备完成推理，对 H100 等高端算力存在硬性需求，企业若无专业团队，本地部署周期可能长达数月，绝大多数腰部企业最优解仍是依托超大规模云厂商、专业 MaaS 服务商调用 API 服务。

而在这方面，Kimi K3 同样有了较大的提升。

针对企业落地实操，张桐重点提及 Kimi 官方配套技术报告的独特价值。相较于过往 DeepSeek 等开源模型，K3 技术文档完整披露全流程部署细节，工程师团队可依托文档快速完成本地微调、环境搭建，大幅降低试错成本。

因此，张桐特别强调：" 企业落地必须配套独立安全管控体系，完成权限分级、行为拦截、操作审计多层防护。同时模型快速迭代带来持续成本压力，企业频繁切换本地开源基座，需要重构业务适配层、重新完成效果验证，周期与人力成本高昂，长期来看 MaaS 模式更适配企业持续享受前沿模型迭代红利。"

Kimi K3 的开源，同时也带来了开源红利。在供给侧，海内外 MaaS 模型服务厂商已经成为了最大受益者。Kimi K3 体量庞大，普通企业不具备独立本地部署工程能力，绝大多数需求仍会流向 MaaS 服务商，这同时也会让模型云服务赛道迎来确定性增长。

在张桐眼中，快速原生适配是检验厂商底层部署能力的核心硬指标。但市场中同一套 K3 权重，各平台运行延迟、报错率、并发承载能力差异悬殊，核心影响因素包含硬件集群规格、芯片统一度、服务器互联网络配置、并发调度策略与缓存优化水平。MoE 专家混合架构对集群网络传输提出极高要求，这也为电信运营商布局 AI 算力 MaaS 业务开辟新赛道：运营商可依托自有算力云提供标准化 K3 调用服务，通过 Token 加价、增值优化实现盈利，但同时直面互联网云厂商的激烈竞争，能否形成差异化缓存、算力调度技术壁垒，是决定市场份额的关键。硅基流动等专注底层推理优化企业的价值，也在此轮浪潮中持续凸显。

Kimi K3 在成为外放权重模型后，引得业界一致看好。从生态角度来讲，张桐认为，这肯定会为 Kimi K3 赢得更多来自生态的支持。

他解释说：" 当你的模型很厉害，被大家都认可，那么大家就都想用你的模型，这就变成了你训练一个模型，别人帮你部署，同时别人也帮你去面向客户开展商业变现，在这个过程中你能够得到你应得的分成。如果这条路走通，Kimi 的商业化，以及它后期的上市，都将比大家的预期好很多。"

概括来看，Kimi K3 给国产大模型产业、用户、合作伙伴都带来了礼物，同时也给闭源大模型阵营带来了压力。Kimi K3 终将因这些礼物，被反馈更多成长的力量。在这个交互的过程中，闭源大模型阵营、国产开源大模型阵营、用户和合作伙伴的格局，都会悄然发生变化。