·聚焦:人工智能、芯片等行業

歡迎各位客官關注、轉發

前言：

4月的AI圈，月之暗面發布Kimi K2.6開源模型，將Agent集群能力推至300個子Agent并行協同的新高度。

深度求索DeepSeek V4如約而至，把百萬級上下文的推理成本壓縮至前代的27%。

一周之內，兩個總參數超萬億的開源模型先后落地，全球技術社區的討論熱度持續攀升。

過去15個月里，兩家公司在關鍵技術節點上的同步，已經到了讓人會心一笑的程度。

從同日發布推理模型、前后腳更新底層架構論文，到互相復用驗證過的核心技術、不約而同攻堅Transformer底層基石。

這種被網友戲稱[心有靈犀]的默契，早已不是簡單的巧合。

作者| 方文三

圖片來源 | 網絡

被精準對齊的技術節奏

兩家公司的技術演進路徑，每一個關鍵節點的同步，都指向行業最核心的技術命題。

2025年1月，DeepSeek-R1推理模型與Kimi K1.5多模態思考模型同日上線，相隔僅兩個小時。

二者均是國內最早復現OpenAI o1思維鏈技術的團隊，直接把國產大模型的復雜推理能力拉到了全球第一梯隊。

2025年7月，Kimi發布K2開源模型，被《自然》雜志稱為[又一個DeepSeek時刻]。

這個萬億參數模型的技術報告里，明確采用了DeepSeek-V3首創的MLA多隱頭注意力機制。

同時首次在萬億級規模上驗證了二階優化器Muon的可行性，替代了行業沿用十年的Adam優化器。

九個月后，DeepSeek V4正式官宣，絕大多數模塊改用Muon優化器，完成了對這項技術的進一步優化與落地。

在Transformer底層架構的重構上，兩家的動作同樣高度同頻。

2026年初，DeepSeek推出mHC流形約束超連接技術，改造深度學習網絡的殘差連接，將訓練效率提升30%。

僅兩個月后，Kimi發布的注意力殘差技術論文，同樣針對Transformer的核心結構實現突破。

甚至在長上下文這條核心賽道上，兩家也選擇了不同解法、同一目標。

Kimi深耕線性注意力機制，將長文本計算復雜度從O(n2)降至O(n)，從理論層面實現極致優化。

DeepSeek則聚焦DSA稀疏注意力架構，把百萬級上下文的KV Cache顯存占用壓縮至原有10%。

這種同步沒有陷入同質化內卷，反而形成了清晰的能力互補。

DeepSeek始終聚焦模型底層的效率重構，把訓練與推理成本打到極致，用全棧開源建立開發者信任。

Kimi則從長文本能力出發，逐步向長程編碼、Agent集群、復雜工程任務落地延伸，解決模型如何真正融入工作流的核心問題。

一個筑牢底層技術底座，一個拓寬產業落地邊界，路線看似不同，卻共同撐起了國產開源模型的全球競爭力。

默契背后的國產AI路線共識

DeepSeek與Kimi的技術同頻，是行業浪潮奔涌到臨界點時，技術規律與時代大勢共同書寫的答案。

經過三年多的摸石過河，中國AI終于走出了一條區別于硅谷的、屬于自己的發展道路。

開源生態的正向循環，是這份默契形成的核心基石。

開源從來不是簡單的代碼開放，而是一套[創新-驗證-復用-再創新]的飛輪機制。

當DeepSeek將驗證成熟的MLA注意力機制開源，Kimi便跳過了無數試錯的深坑，直接在萬億級模型上完成規模化驗證。

當Kimi分享Muon優化器的萬億級落地經驗，DeepSeek又能在此基礎上迭代優化，適配更多產業場景。

與OpenAI、Anthropic等海外巨頭將技術鎖在閉源黑箱中不同，中國的頭部玩家選擇把創新變成全行業的公共財富，讓單點突破快速裂變成為集體躍遷。

如今，二者已是中國唯二總參數超萬億、權重完全公開的模型，連英偉達GTC大會都用它們來演示下一代芯片性能，這正是開源生態贏得的全球尊重。

行業核心命題的轉變，讓所有真正的探索者走向了同一條賽道。

當[堆參數]的內卷走到盡頭，行業的終極考題變成了：如何在有限的算力約束下，實現模型能力的持續突破，讓技術真正轉化為生產力。

這個命題直接決定了技術路線的收斂，用更低的成本，造更強的模型，做更實的落地。

DeepSeek與Kimi的同頻，本質上是兩家都精準擊中了行業的核心矛盾。

他們沒有滿足于在海外巨頭劃定的框架里做微創新，而是不約而同地扎進了大模型最硬核的根技術：優化器、注意力機制、殘差連接。

選擇重構底層框架這條路注定艱難，但正是這份對底層創新的執念，讓國產AI第一次擁有了和海外巨頭掰手腕的底氣。

海外持續升級的算力管制，則是這份路線共識形成的最強外部推力。

無限堆砌高端算力的路徑早已被堵死，中國AI必須在算法創新與工程優化上殺出一條血路，用更少的算力，實現更好的效果。

Kimi直言不具備無限算力的條件，因此始終死磕算法與系統效率。

DeepSeek則用極致的工程優化，將模型推理成本降到了行業頂尖水平，V4-Flash的API價格僅為海外同類產品的百分之一。

真正的技術普惠，從來不是喊出來的口號，而是用極致的工程創新，把AI的門檻踩到泥土里，讓千行百業都能輕松踏上去，用得起、用得好。

站在行業的坐標系中回望，DeepSeek與Kimi雖選擇了不同的突圍路徑，卻正奔赴同一個終點，而中國AI的三大核心共識已清晰成型。

①全面擁抱開源，與美國[閉源為主+高定價]的模式形成鮮明對比。

②錨定自主可控的算力底座，模型的能力上限，終究取決于算力體系的可控底線。

③讓應用需求重新定義技術方向，徹底脫離[為參數而參數]的內卷，回歸[為價值而創新]的本質。

硅谷在[造墻]，中國在[修路]。

墻的核心是控制與壟斷，試圖用技術壁壘守住先發優勢。

路的核心是連接與開放，用生態的繁榮撬動更長遠的未來。

從DeepSeek為華為昇騰重寫200多個核心算子，到Kimi K2.6在昇騰、壁仞等國產芯片上快速跑通......

黃仁勛那句[如果DeepSeek先在華為平臺發布，對美國將是可怕的結果]，恰恰印證了這條路的力量。

這條路是被逼出來的，但歷史無數次證明，被迫的創新往往能打開全新的天地。

全球AI格局發生微妙的變化

2026年一季度，OpenRouter官方數據顯示，Kimi K2.6在調用量榜單上沖到全球第一，DeepSeek V3.2排名第四。

這個平臺是全球最大的AI API聚合市場，調用量排名反映的是真實的市場選擇。

更耐人尋味的是下游應用的變化，Cursor Composer 2發布時，對外宣稱是[自研]。

但很快被技術社區扒出底座是Kimi K2.5，不是簡單調用API，是直接拿K2.5微調出來的。

Cursor創始人后來接受采訪時承認：[Kimi K2.5是我們測試過的最強基座模型]。

日本樂天Rakuten的AI助手也用上了DeepSeek V3作為底座，當一個開源模型的性能足以對標閉源頂級選手時，理性的選擇就是用它。

斯坦福大學的一份報告顯示，中美頂級AI大模型性能差距已從2024年的17.5%，縮小到2025年的0.3%。這個數字可能有些理想化，但趨勢是明確的。

中國AI的新敘事，正在從Copy to China變成Copy from China。

結尾：

十四個月前，梁文鋒說：中國AI最需要證明的是[能不能做出一款世界級的基礎模型]。

十四個月后，楊植麟說：問題已經變成[在被封鎖的算力生態里，能不能持續地做、一起做，讓基礎能力的躍遷變成常態]。

現在，DeepSeek和Kimi，兩個廣東年輕人，正在用萬億參數的開源模型，把這句話翻譯成現實。

部分資料參考：字母榜：《這一次，梁文鋒和楊植麟隔空握手》，機器之心：《翻完DeepSeek報告，我們發現了中國AI的默契》，APPSO：《扒完 DeepSeek V4 報告，我翻出了這個隱藏彩蛋》，鳳凰網科技：《兩個廣東人的五次撞車，撞出最強開源雙雄的底氣？》，騰訊科技：《中國芯片，DeepSeek與Kimi的隱秘交點》

本公眾號所刊發稿件及圖片來源于網絡，僅用于交流使用，如有侵權請聯系回復，我們收到信息后會在24小時內處理。

請務必注明：

「姓名 + 公司 + 合作需求」