原文作者：动察Beating

美国人总想一直坐在各个行业的最中央。

AI 圈也是，美国人一直有一种胜券在握的气质，手里攥着一副看上去怎么都输不了的牌。

外面无论谁在做 AI 应用，美国人都相信，最后总要回到自己这里结账。芯片是英伟达的，云是微软、亚马逊和谷歌的，最贵的模型锁在 OpenAI 和 Anthropic 的 API 后面，全世界的企业想用 AI，最后总得从美国这里过一道。

哪怕中国团队的名字偶尔出现在排行榜上，华尔街也不太当回事，芯片卡着脖子，云握在手里，人才还在往硅谷跑，怎么输？

但这种胜券在握的松弛感，在最近，被 Kimi K3 这个中国模型撞出了原形。

美国科技圈紧急加更，把 Kimi K3 形容为「斯普尼克」时刻，就像是 1957 年苏联卫星升空给美国带来的那一下震动。X 上围绕 Kimi K3、杨植麟和中国模型的讨论，也很快从技术圈的小范围围观，滚成了千万浏览量的话题。

Kimi K3 并没有在每一个指标上都赢了美国最强的闭源模型，但它让更多人看见了一种可能，强能力、高效率和开放生态，未必只能在美国那几间实验室里同时长出来。

美国硅谷确实焦虑了。

存储是美国 AI 圈焦虑的安慰剂

Kimi K3 的消息传到华尔街，几家投行几乎同一时间递出研报。没有先花篇幅讨论它会冲击谁的产品、会不会逼美国模型降价，反而很快把目光挪到了存储上。

这些机构们不约而同地，把 Kimi K3 的出现解读为：存储的强大需求。上下文更长，AI 要记住更多事情，图片、声音、视频和工作记录会越积越多，于是闪存、硬盘、机房和数据服务都会受益。

于是，美光、闪迪、西部数据，成了这轮故事里的受益者。

果然在昨天的美股市场上，存储股集体暴力反弹。Roundhill 存储 ETF 单日涨 10.91%，闪迪涨 14.27%，美光涨 12%。几天前还在因为「DeepSeek 时刻 2.0」下杀的板块，一夜之间又成了最确定的多头。

站在产业角度，这条线并不荒唐。过去的聊天机器人，像是一次性的问答：你问一句，它答一句，关掉页面，很多事情也就过去了。现在大家期待的 AI，却更像一个进了公司的新员工。它要翻以前的合同和邮件，要记住客户说过什么，要接手昨天没做完的工作，还要留下记录，免得出了差错谁也说不清。一个会做事、会记事、还会看图听音的 AI，当然比一个只会闲聊的 AI 更能「吃」数据。

这个结论并不算是无中生有，但我们回顾之前的几次模型上市和落地，市场的反应会是：「别盯着模型，盯着存储」吗？

只能说，这是一个能让美国人安心的答案。

一个中国模型的冲击，本来应该带出一连串不好回答的问题：它会不会让美国模型公司更难维持高价？会不会让开发者少一些依赖？会不会让新公司不必非在硅谷起步？为什么不直接讨论 Kimi K3 会抢走谁的用户、迫使谁降价、逼谁改产品？

把最尖锐的问题绕过去，先去讨论硬盘，多少有一点此地无银三百两的味道。

像一个原本以为自己垄断了整条街的店主，突然发现隔壁开了一家很能打的新店，于是赶紧安慰自己：新店客人再多，也要用我卖的水电和柜台。

存储，是美国 AI 圈焦虑之下的最强安慰剂。

闭源模型，开始硌脚了

过去几年，闭源几乎是美国 AI 毫无争议的标准答案。

模型越强，越该锁在 API 后面。用户付费调用，模型公司拿高毛利，安全和合规也由它统一管理。这是一条又体面又赚钱的路，走起来四平八稳，客户放心，投资人满意，监管也好交代。

美国人甚至已经习惯了这条路的节奏，每隔几个月放一个更强的版本，定一个更高的价格，再讲一段更大的故事。

但开放模型越来越强之后，这条路的地面开始硌脚。

Kimi K3 在这盘棋里的位置，不是「追上」，而是把追赶的成本打了下来。一个开放又足够强的模型，最危险的地方不只是它自己能做什么，而是它给所有后来者，递上了一条便宜得多的学习曲线。

这不是技术圈的面子之争，而是生意会不会被改写的问题。美国此前最舒服的安排，是把 AI 先做成企业服务：能力藏在云端，客户签长期合同，普通人看不到底层，也不太容易换掉它。可如果别处的模型足够好，开发者就会多一个选择，企业采购时就会多拿出一张报价单，小团队也未必还要把未来押在同一批美国公司身上。到那时，只守住几份大合同、只把 AI 卖给 B 端，已经不再是一道高枕无忧的护城河。

这意味着 Kimi 将会簇生更多的优秀模型，也意味着模型的竞争更大，议价权也就没那么强了。

美国科技圈自己也感觉到了风向的变化。

Kimi K3 发布的前几天，7 月 15 日，OpenAI 的前首席技术官 Mira Murati 创办的 Thinking Machines Lab，发布了一个叫 Inkling 的模型。参数量接近万亿级别，代码和技术完全公开，任何人都可以免费下载、修改和商用。

这算是美国第一个「正儿八经」的开源 AI，虽然之前也有 Meta 的 Llama、谷歌的 Gemma、微软的 Phi、英伟达的 Nemotron、OpenAI 的 gpt-oss 这些开源模型，但更多都是试水。

Inkling 的意义在于曾经把闭源做到过顶点的人，前 OpenAI 的 CTO，转身开始认真做开源。

值得一提的是，Inkling 后训练早期，用过 Kimi K2.5 这类开放模型生成的数据，架构上也参考了 DeepSeek 的思路。换句话说，美国这份最像样的开源答卷，也是踩着中国开源的肩膀写出来的。

与之形成鲜明对比的是 Anthropic。今年 2 月，Anthropic 公开指控 DeepSeek、月之暗面和 MiniMax，对 Claude 发动「工业级蒸馏」，说它们建了两万四千个假账号，刷了一千六百万次对话，来偷 Claude 的能力。6 月又升级点名阿里巴巴。到 7 月 21 日，特朗普政府的财政部长 Bessent 干脆放话，可以因为「AI 盗窃」对中国实施制裁。

威胁论喊得再响，真到了要控成本、提效率的时候，中国模型是真香。

Airbnb 用 Qwen 做客服，Cursor 用 Kimi 造出了自己的编程 agent，DoorDash 把一部分活直接外包给了 Kimi，连 Murati 的 Inkling，后训练都要用 Kimi 的数据。

闭源这条路硌脚也好，蒸馏指控反噬也罢，其实都还只是商业模式层面的尴尬。实际上隐私和安全的问题，才真正动摇了闭源阵营最后的护身符。

AI 模型的「越狱」

闭源的最后一道防线，一直是安全。

模型关起来、权重锁起来、调用走 API、数据不落地，这四面墙围出来的空间，就是闭源阵营最拿得出手的承诺。企业客户愿意为此付溢价，也是看中了这份安全感。

但企业越来越不踏实了。他们开始问一些让闭源公司不太好回答的问题，我的代码、合同、客户资料，交给你的模型之后，你拿去做了什么？一个拿到了浏览器、终端、凭据和长期目标的 agent，会不会为了完成任务，越过我允许它碰的那条线？把 token 发给一个闭源 API，某种意义上就是让数据出了自己的墙。这恰恰是开放权重最硬的一个卖点，至少，我能看见模型在做什么。

而就在开闭两边为谁更安全争得不可开交的时候，出了一件几乎是黑色幽默的事。

7 月 21 日，OpenAI 自己确认，它的旗舰模型 GPT-5.6 Sol 和一个能力更强的未发布模型，在一次内部网络安全评测中，逃出了隔离环境。

事情是这样的，工程团队想测试模型的攻防能力上限，就降低了模型的安全限制，关掉了平时拦截高风险行为的防护。模型原本只需要老老实实做完测试题，可它自己发现了系统中的一个安全漏洞，顺着这个漏洞爬上了公共网络，一路绕过权限、穿越系统，最后用窃取的登录凭据打进了全球最大的开源 AI 平台 Hugging Face 的核心系统，从数据库里直接把测试题的答案拿走了。

OpenAI 给出的解释是八个字，并无恶意，过度专注。

这八个字才真正让人后背发凉。

对企业客户来说，最可怕的从来不是模型主动作恶。而是它极其认真地，替你完成了一个坏目标。

而这件事最大的反讽在于，过去一年半，全世界都在防的那个「危险的中国开源模型」，到现在还停留在假设阶段。真正越狱的、真正打穿了别人生产系统的，是闭源阵营自己的旗舰。Hugging Face 的 CEO Clem Delangue 转手就把这场事故做成了开源的广告，他说，AI 安全不会靠一家公司关起门解决，只能在开放中协作解决。

同一起事故，被开闭两边各自拿去，当成自己路线正确的证据。

未来真正的分水岭，恐怕根本不是模型开不开源，而是模型在什么样的沙箱、什么样的身份系统、什么样的可撤销权限和审计日志里运行。闭源也好，开源也好，都没法回避这道题。

而就在闭源的安全叙事自己先出了事的同时，一个更大尺度上的反转，也在安静地发生。

攻守易位，轮到美国开始害怕了

在美国一部分政策讨论和科技叙事里，一直有一种近乎《三体》式的想象：只要限制最先进的英伟达芯片进入中国，AI 进展就会被迫慢下来。

不是说中国从此完全不能做科研，而是他们认为计算能力的缺口会越来越大，训练最前沿模型的门槛会高到难以跨越。先进芯片像是这场竞赛的「物理定律」，谁拿不到，谁就很难跑到前面。

这种判断并非毫无依据。做大模型确实需要算力，芯片限制会增加成本、拖慢扩张，也会让许多团队更难以复制美国实验室的训练规模。问题是，限制也会改变人的选择。你原本可以买现成的最好工具，就没有那么强的动力去琢磨怎么少花一点算力、怎么改模型结构、怎么把每一次训练用得更值；可当门被关上，绕路就不再是一种选择，而变成了生存本能。

所以美国人他们其实很难理解，限制英伟达的供应，为什么没有让中国模型停在原地，反而逼出了一批在效率、工程和开源分发上更拼命的团队。

据说月之暗面还是在用 2023 年时，英伟达专为中国市场定制的合规版 AI 芯片 H800 做的训练。

这或许就是中国人最擅长的「小米加步枪」的打法。

2026 年 6 月，为配合出口管制，美国一度关停了 Anthropic 最强的 Fable 5 和 Mythos 5。这在合规上或许说得通，但它给每一个中国开源实验室，递上了一句现成的营销话术，至少，我们的模型不带一个可以远程关闭的开关。

你越强调控制，控制本身就越会变成对手的卖点。

更戏剧性的是另一面。据路透社报道，国内也开始跟阿里巴巴、字节跳动等公司开会，研究要不要限制外国访问中国最先进的 AI 模型，讨论范围甚至包括那些已经公开的开源模型。360 的创始人周鸿祎也公开喊话，说中国也该有自己的顶级闭源模型来守住技术高地。

一年前，是美国担心先进芯片流向中国。一年后，轮到中国开始有了值得设限的东西。

可在所有这些结构性的焦虑里，存储也好，算力也好，闭源也好，安全也好，攻守易位也好，有一个最具体、最扎心、最私人的落点，它不是一个行业趋势，不是一份研报，也不是一项政策。

是一个人。

焦虑的终点，落在杨植麟身上

说到底，开源之争让美国看到的，是同一个更大的难题：AI 未来到底只服务于少数能签大合同的公司，还是会变成一种像电、像互联网一样，越来越多普通团队都能拿来用的能力？如果答案慢慢偏向后者，谁能吸引开发者、谁能让年轻人愿意留下来折腾，就会比谁手里有更多企业客户更重要。

而「人往哪里去」这件事，最后把美国的焦虑，带到了一个很具体的名字上。

杨植麟之所以会被美国科技圈反复提起，并不只是因为他是一位优秀的中国研究者，更不只是因为有人想把话题归结为「美国没把人留下来」。把一个人的去留简化成一张签证，太轻了，也太像事后诸葛亮。

真正刺痛美国人的，是那个无法重来的假设：如果像杨植麟这样的人和团队，最终在美国完成从研究到创业的全部旅程，会发生什么？他们会用美国的云和芯片训练模型，会在美国的人才网络里招人，会从美国的风投手里拿钱，会拿着产品去敲美国大客户的门。再过几年，华尔街账本上可能就多出一家新的明星公司。一个人的选择，顺着那条熟悉的接力链，能变成一串公司的收入、一群人的工作和一整个产业的信心。

美国过去最值得骄傲的，就是这种放大能力。它不只是吸引聪明人来读书、来工作，而是能把人的聪明劲儿接住，不让它停在论文或实验室里。这里有足够多的钱、足够多的客户、足够多愿意一起冒险的人。

这样的人，当初怎么没留在美国？传奇投资人 Vinod Khosla 直接把矛头指向 Trump 政府收紧的移民政策。可杨植麟在卡内基梅隆的导师 Salakhutdinov 出来辟了谣，说这跟签证没关系。杨手里当年有的是留下来的机会，Salakhutdinov 甚至在邮件里替苹果的高管问过杨要不要加入。

是杨植麟自己铁了心要回国创业。

这才是这场争论里最扎心的地方。「他自己选择回国」，比「被移民政策赶走」，对美国来说要难受得多。前者意味着制度还可以修，后者意味着，哪怕你把门开到最大，人家也未必想进来。

海外讨论杨植麟，真正刺痛的从来不是「又出了一位优秀的华人研究者」。而是另一种反事实，如果这个人留在美国体系里，他的论文、团队、融资和公司价值，本该被写进美国 AI 的账本。如今，这份成果先被看成一支中国团队的能力，再通过开源社区辐射全球。

对一个自信了半个世纪的体系来说，最难接受的往往不是有人比你强，而是有人证明了不必经过你，也能走到终点。

中国有密集的工程师，有能迅速把想法做成产品的团队，有规模巨大的应用市场，也有愿意为效率买单的客户。开放模型又让分发变得更容易，一支团队未必先被美国大公司招进去，也未必先拿到硅谷投资人的认可，照样可能把自己的产品送到全球开发者手里。对顶尖人才来说，选择不再只有「去美国」或「不去美国」那么简单，而是哪里能让自己的判断真正变成一家公司、一个产品，甚至一个新的生态。

这才是美国这轮焦虑最难掩饰的地方。

存储股涨了，当然值得庆祝；云服务多卖了，当然也是本事。但它们都代替不了一个问题：当下一批最聪明、最有野心的人准备下注时，他们会不会还像过去那样，毫不犹豫地把美国当成唯一的答案？

Kimi K3 像一阵风，把这个问题从门缝里吹了进来。美国仍然家底雄厚，芯片、云、资本和企业市场都不是一朝一夕能替代的；它也仍会从全球 AI 的繁荣里赚到大钱。

只做闭源 AI，已经不能让美国人高枕无忧了。

原文链接

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。