01产业链全景图
02 【KIMI K3】全新席卷
7月16日，月之暗面在世界人工智能大会前夕发布Kimi K3，参数2.8万亿，是全球最大开源模型，也是首个开源3万亿级别模型——相当于公开了一座近3万亿藏书的图书馆。
K3采用KDA混合线性注意力机制，原生支持视觉理解，拥有100万token上下文窗口，能一口气吞下《三体》三部曲并记住细节，针对软件工程、知识工作、深度研究和多模态理解等复杂任务进行了优化。
测试中，K3能自主完成GPU内核优化、从零构建GPU编译器，甚至独立设计服务自身架构的芯片，好比一个工匠不仅善用工具，还会改良工具，最后索性把生产机床也重造了。
它擅长结合软件工程与视觉推理，依据代码运行结果、截图和视觉反馈持续迭代，如同看着日志和报错边观察边调试的程序员。通过架构、训练方法和数据配方的协同优化，K3整体扩展效率较上一代提升约2.5倍——别人练100场才能升级，它只需40场。
K3发布即刷屏。综合智能仅次于Claude Fable 5和GPT-5.6 Sol，好比新秀直接闯入决赛圈。在编程擂台Arena上线几小时便空降榜首，成为首个登顶的中国大模型，网友直呼“中国的Fable 5时刻”。
海外也炸了，Vercel创始人评测综合第一，代码成功率92%，相当于新生直接考了全班最高分。
02-1、创始人简介
公司创始人为杨植麟，顶尖 AI 研究者，学术上提出 XLNet、Transformer-XL 等里程碑式模型，奠定长文本大模型基础；
创办月之暗面推出爆款 AI 工具 Kimi，凭借百万字超长上下文能力成为国内头部大模型厂商，同时持续自研优化器、线性注意力等底层技术并开源，降低了行业大模型研发门槛。
03 上游产业链--基础硬件
03-1、AI算力芯片
详细可见：
算力芯片分为 GPGPU、FPGA、ASIC 三类架构，各司所长。
GPGPU 如同通用工具箱，软件生态完善，是英伟达、AMD 的主战场，但功耗高、无法改写；
FPGA 像可反复重组的模块，灵活性突出，赛灵思、安路科技均有布局，却编程难度大、峰值算力偏弱；
ASIC 为专属定制芯片，性能功耗表现顶尖，谷歌、亚马逊、寒武纪持续投入，研发成本高且适配场景单一。
三者相互补充，覆盖各类算力需求。
国产算力芯片快速扩张，直接拉动半导体散热片需求。AI 发展带动 ASIC 赛道高增，预计 2033 年市场规模 1180 亿美元，复合增速 27%，份额将从 2024 年 8% 升至 19%。
国内厂商逐步减少通用 GPU 依赖，自研定制芯片，当前 AI 服务器 ASIC 市场由谷歌、AWS 双寡头主导，国产企业正持续突破。
国内 CPU、GPU 市场规模同步扩容，2020 至 2025 年分别从 1654.7 亿元、3455 亿元增长至 2484 亿元、1200 亿元，算力基建持续落地。芯片功耗随性能同步走高，高效散热方案缺口扩大，半导体散热片行业进入高速增长阶段。
竞争格局
全球AI芯片市场如一座高塔，英伟达GPU以CUDA生态为地基，牢牢占据AI服务器超80%的份额，2025年整体规模预计突破1200亿美元、年复合增长率超25%，而ASIC当前仅占8%-11%。
但ASIC凭借效率优势正成为云厂商布局重点，2024年出货量达345万颗，亚马逊Trainium增速超200%助推推理算力爆发；
海外云厂商自研ASIC成本较英伟达方案低40%、自用率超70%，预计2025年谷歌、亚马逊ASIC出货量将达英伟达GPU的40%-60%，2026年有望实现反超。
英伟达稳坐AI芯片头把交椅，既靠B200/B300在算力和互联上难以追赶的硬实力，也凭CUDA生态筑起数千万美元的迁移成本高墙，让对手难以逾越。
03-2、光模块
详细可见：
K3 级万亿参数模型的万卡/十万卡集群靠光模块实现光互联，是算力"连接基石"；AI 驱动速率加速迭代，800G 已规模放量、2026 年进入 1.6T 商用元年，叠加硅光渗透提升，行业量价齐升。TrendForce 预计 2026 年全球 AI 光模块市场达 260 亿美元、同比+57.6%。
03-3、AI液冷行业
详细可见：
AI 芯片功耗持续飙升、超节点高密度部署击穿风冷极限，液冷从可选变为智算中心标配；英伟达 GB200 开启渗透元年，国内机房超前建设叠加供应链开放，国产厂商加速切入。
机构判断液冷渗透率快速提升、千亿级市场启动，国内 AI 服务器液冷渗透率 2026—2027 年将大幅抬升
下方扫码直接加入：
04 中游产业链--模型研发及平台
04-1、Kimi K3大模型
Kimi K3，以2.8万亿参数成为开源模型新标杆，在多项Agentic榜单上超越Claude Fable 5和GPT-5.6 Sol，如同一匹黑马首次以竞争威胁姿态闯入全球大模型叙事。
它基于KDA混合线性注意力和注意力残差技术，拥有1M上下文窗口，专为长程编程与推理设计，Code Arena得分1679登顶；但官方坦承，在JobBench等复杂职业任务上仍存差距。
K3的定价每百万tokens输入3美元、输出15美元，较K2.7 Code涨了三倍多，像坐上价格直升机，远高于DeepSeek V4 Pro和GLM 5.2；海外对比，与Claude Sonnet 5持平，和GPT-5.6 Terra版基本一个水平线（后者输入便宜0.5美元）。
04-2、算力租赁--算力核心资源
本周ZenMux口径下，Token调用份额榜单出现两张新面孔：月之暗面和xAI闯入前十，背后推手分别是Kimi K3（开源SOTA）和Grok 4.5（高性价比）。前三名依旧稳稳坐住Anthropic、DeepSeek、智谱，其中DeepSeek份额攀升至23.15%，像一块不断扩大的蛋糕。
国产算力资源
K3 开源（7 月 27 日放出完整权重）触发双重算力增量——C 端 API 调用放量的在线推理需求，叠加政企私有化部署的本地算力需求；2.8 万亿参数使同等调用量下算力消耗达前代 K2 的 2~3 倍，中小企业无力自建，转向租赁 。
租赁商 GPU 折旧成本固定，租金上涨几乎全额转化为利润，且商业模式正从裸算力出租升级为"机柜租金+Token 分成"，议价权提升 。
全球算力租赁凭借灵活性的先天优势正快速渗透，2024年市场规模59.12亿美元，预计2031年增至236.2亿美元，复合增长率21.4%，如同一台稳步加速的引擎；
AI算力需求爆发则给国内市场添了把火，2024年智能算力租赁规模达377EFLOPS，同比猛增88.5%，未来三年复合增长率预计维持在53%，增速更显陡峭。
竞争格局
国内算力租赁市场梯队分明，云服务商与电信运营商凭技术和渠道占七成份额，如同行业支柱撑起大局。价格上，A800、H800等主流机型近两年持续走低，整体呈下行坡道；未来稳中有降，但Blackwell等高端芯片及具备集群部署能力的服务商，仍因性能效率优势保有一定议价权。
04-3、中游核心技术【重点】
Kimi K3 标志着国产大模型的"换道时刻"：从过去闭门自研、离不开国外技术生态，转向开源共享 + 国产软硬件自主配套的完整闭环。
1. 模型配套工具链：给"巨无霸模型"配齐趁手工具
K3 是个"超级大脑"（2.8 万亿参数、能记住 100 万字上下文），要让它跑起来、跑得快，配套工具必须跟着升级——包括训练框架、编译器、推理加速、向量数据库。
2、国产深度学习框架如同适配不同工况的动力系统，华为昇思、百度飞桨可完整支撑 K3 全流程训练与推理；旷视 MegEngine、清华 Jittor 定位轻量化机型，侧重推理提速与低功耗运行场景。
3、开源模型普及放大了数据合规与风控压力，模型安全、私有化部署赛道随之扩容，深信服（琥珀资本参投月之暗面）、第四范式、商汤科技、奇安信搭建完整防护体系，覆盖模型水印、溯源追踪、恶意指令拦截、内容审核全链条。
4、MaaS 模型分发类似标准化算力服务商超，阿里云、腾讯云率先落地 K3 企业 API，对外提供算力租赁、私有化交付、模型微调托管一体化服务；华为云 CodeArts 深度接入 K3，重点补强代码生成功能；软通动力、润和软件则面向各行业承接定制落地交付工作。
05 下游产业链--应用端
下方扫码直接加入：
热门跟贴