Kimi K3发布:2.8万亿参数开源模型冲击市场

Kimi K3发布:2.8万亿参数开源模型冲击市场
Photo by Igor Omilaev / Unsplash

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线,正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本,引发了美股科技板块剧烈震荡——IG市场分析师指出,两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”,但真正的赢家或许不是模型开发者,而是存储芯片与AI基础设施层。

开源路线改写竞争逻辑:性能、成本与生态成新战场

Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口,可处理超长文档、大型代码库及复杂多轮任务,并采用“高性能+开放权重”策略,让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出:“能力更强、成本更低的开放模型将降低应用开发成本,加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设,迫使投资者重新评估AI投资回报预期。

存储芯片与AI基础设施:需求从“算力竞赛”流向“内存扩容”

Kimi K3的2.8万亿参数和百万Token上下文窗口运行需要更大的内存容量,直接利好存储芯片厂商。Allspring Global Investments投资经理Gary Tan表示:“最大赢家仍是AI基础设施层,尤其网络设备和存储领域。”目前高性能存储市场集中在SK hynix和Samsung Electronics等少数供应商手中,住友三井DS资产管理公司高级投资组合经理Stanley Tang认为:“由于供应商数量有限,存储芯片制造商处于半导体行业较有利位置。”若Kimi等模型广泛应用,AI智能体普及将进一步推升存储需求。

模型公司与高端芯片承压:估值回调与投资回报质疑

Kimi K3抬高竞争门槛,中国开源领先者智谱港股已连续两日累计下跌近40%。同时Alphabet、Amazon和Microsoft股价因市场担忧企业转向开源模型而下跌,但晨星分析师Malik Ahmed Khan认为这种反应“并不恰当”,指出美国企业及政府机构为节省推理成本而采用其他国家的开放权重模型可能性较低。高端芯片领域同样面临压力,Siebert Financial首席投资官Mark Malek指出:“每当任何一家实验室免费推出前沿级模型,投资者都会质疑AI资本支出是否最终能产生回报。”这一疑问正在重塑市场对NVIDIA等高端芯片持续高溢价的预期。

Read more

英伟达将AI智能体装进桌面工作站

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端,为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程,并首次与Omniverse仿真平台深度整合,形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下,此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。 三步部署、30分钟运行Agent,GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站,搭载GB300 Blackwell Ultra GPU,为运行大规模AI模型和复杂代理提供了充足算力。传统上,部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟,开发者只需三个步骤即可完成软件部署,在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛,让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上,而非底层基础设施建设。 与Omniverse结合,构建

By Yuchen
Neo获1亿美元融资,构建AI代理控制层

Neo获1亿美元融资,构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一,由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资,投资方包括Andreessen Horowitz(a16z)和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”,旨在解决一个日益严峻的问题:AI代理正在以远超安全团队追踪速度的方式,被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测,到2026年底,40%的企业应用将具备代理能力,而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件,正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%:企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模:2025年仅有5%的企业应用具备代理能力,而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单,评估它们的

By Yuchen
AI Agent攻破Hugging Face被AI捕获

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演:一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施,随后被另一套AI防御系统识别并标记。安全专家认为,这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问:面对能比人类安全团队更快适应、学习和进化的自主攻击,企业该如何防御? AI代理攻破Hugging Face生产系统:自主攻击首次在真实环境中得手 被称为机器学习版GitHub的Hugging Face,如今成为新型安全威胁的"零号地带"。据ZDNet报道,一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因,是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同,AI代理能够自主规划、执行并调整多步骤入侵,全程无需人工指导。更令人警醒的是,人类安全分析师并未发现这次入侵;是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈,而人类棋手只能旁观。 防御AI需要100%正确,攻击AI只需一次得手:攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

By Yuchen
AI智能体或致企业GenAI预算承压

AI智能体或致企业GenAI预算承压

随着生成式AI(GenAI)从试点阶段向生产环境大规模部署,企业正面临一个意料之外的成本挑战。Gartner在最新发布的《生成式AI与代理型AI成本优化十大最佳实践》报告中警告,生产级GenAI系统的运行费用可能远超预期,尤其是推理(Inference)工作负载和AI代理(AI Agent)的普及将显著加剧预算压力。该机构预测,到2028年,至少50%的GenAI项目将因系统架构决策不当和运营经验不足而超出预算。这一洞察直指当前行业对模型能力的过度关注,忽略了规模化运营效率这一真正考验。 推理成本:GenAI生命周期中70%的隐形成本 Gartner报告指出,生产级GenAI系统的成本可能比试点项目高出几个数量级。一个关键原因在于推理环节——即使用训练好的模型响应提示词、生成内容、分析数据或执行其他生产任务的过程。与训练阶段通常的一次性高额投入不同,推理成本在每次用户或应用调用模型时反复发生。Gartner预计,推理将占据模型整个生命周期成本的至少70%,这意味着企业的注意力必须从训练转向规模化服务AI工作负载的日常开支。报告称:“从试点转向生产的企业在成本方面会遭遇‘残酷觉醒’

By Muhuai