算力时代

中国信通院数据显示，我国大模型日均词元调用量已突破500万亿，较此前增长十余倍。词元调用量被视为AI产业的用电量，反映真实的应用深度。消费端豆包、DeepSeek月活破亿，企业端AI编程、智能客服、办公文档成为消耗大户，推理需求已超过训练。斯坦福报告指出中美顶级模型差距基本抹平，DeepSeek-R1、通义千问等开源模型构建全球生态。国产芯片、智算中心与价格战共同托举这一数字。500万亿标志着AI产业评判标准正从比参数转向比使用，应用落地进入深水区。

智谱正式开源 GLM-5.3-Flash，总参数量 320B，延续 MoE 架构路线，在 Artificial Analysis 智能指数中取得 57 分，逼近第一梯队，而 API 定价仅为 Claude Opus 4.8 的约四十分之一。文章拆解三大数字背后的技术与成本逻辑，分析开源权重对金融、医疗等合规敏感行业私有化部署的价值，并提炼出性价比成为主战场、应用层迎来窗口期、闭源阵营承压三大行业信号，探讨单位智能成本被重新定义后的大模型竞争格局。

2024年5月，大模型赛道掀起罕见价格风暴，字节跳动、阿里云、百度、腾讯、DeepSeek等厂商相继调价，部分模型降幅超97%，大模型调用门槛被大幅拉低。这轮降价并非营销噱头，而是算力成本结构优化、GPU利用率提升与MoE架构应用带来的结果，反映出大模型从拼参数进入拼落地的商业化初期。头部云厂商以技术和规模优势重塑行业格局，中小厂商面临洗牌；应用侧创业试错成本骤降，教育、法律、电商等垂直行业加速落地大模型。文章指出，价格战只是敲门砖，真正的竞争将回归模型质量、推理速度与工程化交付能力，Aiii人工智能创研院建议从业者聚焦应用的投资回报率。未来两年，大模型商业化将以应用繁荣为终点，开启新一轮增长周期。

OpenAI 近日预览下一代推理模型 GPT-5.6 Sol 的全新 Ultrafast 模式，宣称在同等输出质量下，复杂任务响应速度最高提升 14 倍，将原先需 35 秒的数学推理压缩至约 2.5 秒。该模式基于动态推理预算分配机制，根据问题复杂度自动匹配算力，平均推理成本降低约 90%。Ultrafast 模式已深度融入 Azure OpenAI 服务，开发者可通过 API 一键启用，为智能客服、自动驾驶、金融高频交易等时延敏感场景打开新空间。业内认为，这一发布标志着大模型竞争从参数规模转向推理效率，AI Agent 的复合任务能力将获得显著提升，同时端侧部署或成下一阶段演进方向。

截至3月，国内AI大模型调用量已连续十五周保持增长，最新一周环比增幅高达570%。DeepSeek发布的V4-Flash正式版上线即成调用榜第一，凭借低成本、高性能和生态适配优势，迅速获得开发者和中小企业青睐。文章分析了登顶背后的产业链变化、价格战与政策补贴的推动作用，以及国产大模型从技术验证迈向规模商用的趋势。同时指出，调用量增长只是起点，医疗、金融、制造等垂直场景的深度应用才是下一轮竞争的主战场。Aiii人工智能创研院认为，连续十五周领跑标志着国产大模型商业化进入新阶段，行业竞争正从参数比拼转向落地效率的比拼。

微软在10-K年报中首次披露，OpenAI为其AI业务贡献约70%收入，引发外界对双方深度依赖的讨论。微软累计投资OpenAI约130亿美元，换取Azure算力独家供应权及模型整合资格，但OpenAI与甲骨文合作自建数据中心、监管审查压力等因素，使这一绑定关系存在变数。文章分析指出，AI商业化最大赢家是云厂商，收入加速向头部集中，微软此举既是实力展示也是风险提示，未来双方博弈将影响全球AI产业走向。

月之暗面正式开源2.8万亿参数混合专家模型Kimi K3，同步公开完整技术报告，披露MoE架构仅激活2/8专家、推理成本骤降、z-loss与负载均衡等硬核细节。模型在MMLU、CMMLU等基准达到开源第一梯队，支持低比特量化部署，将超大MoE带入普通服务器。此举改变国内大模型分层竞争，为行业提供可复现的工程参考，推动应用层与工具链新竞赛。

2025年7月，月之暗面毫无预热地开源Kimi K3大模型，该模型基于1600亿参数MoE架构，以极低训练成本在MMLU、GSM8K等核心测试中追平甚至超越GPT-4o，引发全球AI行业震动。K3采用宽松的Apache 2.0协议，开源后社区衍生模型激增，并触发了国内大模型集体降价。文章深入分析了中国AI从DeepSeek到Kimi K3的追赶轨迹，指出国内团队在MoE工程优化、训练数据清洗和强化学习策略上的三项核心突破，同时也探讨了先进GPU受限的算力枷锁和源头创新不足的隐忧。K3不仅打破了闭源模型的商业壁垒，也让高性能AI能力加速下沉，为中国AI全面闯入世界第一梯队提供了重要例证。

月之暗面发布开源模型Kimi K3，以2.8万亿参数、原生视觉能力和128K超长上下文窗口重新定义性能基准。K3采用混合专家架构，将视觉与文本在预训练阶段深度融合，实现精准图表解读与长文档逻辑串联，幻觉率极低。基于Apache 2.0协议开源，支持商业化，推动高阶AI能力本地私有化部署，为金融、医疗等数据敏感行业提供安全智能新路径。虽算力门槛仍高，但其原生多模态路线和开源策略正重塑产业格局，加速智能体从“听得见”到“看得懂”的关键跨越。

最近，旧金山AI初创公司Lindy因Claude大模型月度调用费超过员工薪资，被迫切换至低价模型，震动科技圈。文章深度剖析AI账单失控原因：旗舰API定价高、tokens消耗巨大且缺乏成本监控。随着开源模型如Llama 3、Mistral性能飞跃，企业通过微调和自部署实现成本骤降70%，加速逃离昂贵闭源模型。云厂商被迫转向混合架构，多模型智能路由和成本观测工具兴起，标志着AI产业从盲目追求最强模型转向精细化、以单位经济模型为核心的工业化运营。

2024年人工智能行业呈现出两大鲜明对比：一边是巨头企业如OpenAI的巨额亏损，一边是开源社区对低成本、高效率AI技术的追捧。文章分析了OpenAI等公司的财务困境和运营成本高昂的原因，同时探讨了开源社区如何通过技术创新实现AI的高效量化推理和部署，减少算力资源消耗。开源项目的兴起对整个AI产业的影响，以及巨头企业和开源社区之间如何实现互补和平衡，重塑人工智能产业的发展轨迹。

近日，科技界传来一则引人注目的消息：谷歌预计每月将向SpaceX支付高达9.2亿美元的费用，以获取位于SpaceX运营的xAI数据中心的先进计算能力。这笔交易不但彰显了谷歌在未来云…