深度｜Gemini 3登顶之后：为什么华尔街还关心另一种“AI效率”？

2025年11月，全球AI领域见证了两场截然不同却又相互关联的“大戏”。A面，是美国携其最新的Gemini 3、Grok4.1、GPT-5.1等模型高调登场，延续了以巨额资本投入和超大规模换取极致性能的宏大叙事，这是行业巨头们熟悉的路径。B面，则是来自中国的模型，悄然赢得了硅谷一线产品专家与核心应用生态的认可。

如果说A面是资本与规模谱写的交响乐，那么B面则像一曲关于效率与创新的独奏。当两条路径的终点——即模型展现出的实际能力——被权威评测证实差距已“微乎其微”时，这场关于AI未来的讨论便进入了更深层次。一个根本性的问题开始浮现：如果性能的领先不再与资本投入严格线性相关，那么支撑着千亿美金估值的“资本护城河”究竟还剩下多宽？

01 硅谷核心圈的认可：全球通行证的含金量

一个AI模型的真正价值，并非由其参数量或训练成本定义，而是由全球最挑剔的开发者和应用生态对其能力的认可度来衡量。在这方面，Kimi K2 Thinking 正在获得一系列来自硅谷核心圈的权威背书，构成了一张含金量极高的“全球通行证”。

Gemini 3登顶LMArena总榜，Kimi K2 Thinking成开源第一

顶级应用层的“并肩”集成：全球领先的AI搜索引擎 Perplexity，在其最新模型列表中，将 Kimi K2 Thinking 与 GPT-5.1 并列作为其核心推理引擎之一。值得注意的是，早在今年7月，Perplexity CEO 就已公开表示将基于 Kimi 进行训练。从“意向”到“集成”。

Grok 4.1 发布会上：

在 xAI 公司 Grok 4.1 的发布会上，埃隆·马斯克公布的性能对比图表，也无意中为 Kimi 提供了强力背书。图表中，Kimi K2 作为唯一的中国模型出现，并在多项指标上保持领先。

一线实践者的好评

AI产品圈知名专家、前 Apollo.io 产品副总裁 Aakash Gupta 在其广受关注的实测中，让 Kimi 与 GPT-5.1 处理一个典型的产品经理工作流。他的结论是：“Kimi 碾压了它 (Kimi crushed it)。”

图源：Product Growth by Aakash Gupta

Gupta 的分析指出，Kimi 的优势在于其深刻的“商业思维”：

• 使用PM的语言：针对开发工作量，Kimi 给出“0.5-3.0个月”的具体估算，而非 GPT-5.1 提供的“1-5分”抽象评分。

• 基于真实数据决策：Kimi 在建议中引用了 CSV 文件里的具体用户数（310, 260, 420），展现了数据驱动的决策能力。

• 展现商业判断力：Kimi 补充道，“尽管得分相似，但‘竞品卡片’功能比‘信息流’功能有更清晰的上市路径 (GTM path)。” 这体现了超越纯粹数据计算的战略洞察力。

Gupta 认为，Kimi 的“交错推理”（Interleaved Reasoning）技术，是其能够像资深产品经理一样思考的关键。当硅谷的产品权威确认一款模型在“商业推理”这一AI应用圣杯上表现出色时，其意义已远超技术本身，直接触及了AI的商业价值核心。

02 两种发展范式：7000亿 vs 500万的美金之问

Kimi 的表现与极具竞争力的成本结构，共同揭示了当前全球 AI 领域并存的两种发展范式。这并非简单的成本高低之别，而是关乎如何定义“投入”与“产出”的两种不同哲学。

一种是“资本密集型”的规模路径。以 OpenAI、Anthropic 为代表，其核心逻辑是通过巨额资本投入，构筑由顶级芯片、超大规模数据中心和庞大研发团队组成的“算力壁垒”，相信规模即优势。这一路径的投入是惊人的：美国云计算巨头预计到2027年资本支出将近7000亿美元，而 Sam Altman 的“万亿美元建数据中心”论和 Anthropic 的500亿美元融资计划，更是将这场资本竞赛推向了极致。

另一种则是“资本高效型”的创新路径。月之暗面为代表，其核心逻辑截然相反：在有限的资源下，通过算法、架构和工程上的极致创新，实现世界级的模型性能。这种“花小钱办大事”的能力，正是资本效率（Capital Efficiency）的体现。在 AI 领域，资本效率不再仅仅是成本控制，它本身就是衡量一家公司算法创新、工程优化等核心技术能力的硬指标，直接决定了其商业模式能否持续、产品价格是否有竞争力。

Kimi 正是这一路径的力证：其 K2 Thinking 模型训练成本据传低于500万美元。放眼全局，高盛和 Jefferies 的报告也指出了中美在此路径上的巨大差异——头部云厂商资本支出存在20:1的差距，中国厂商的资本支出甚至低了82%。

Jefferies 的报告点明了关键：尽管资本支出存在巨大差异，但中美顶级模型间的性能差距已“微乎其微”（razor-thin）。这就引出了一个直击要害的问题：当模型性能与资本投入的强线性关系被打破时，市场应如何评估不同路径的长期价值？巨额投入所追求的微弱性能优势，其投资回报率（ROI）是否可持续，正成为华尔街日益关注的焦点。

03 “Deepseek 时刻”的常态化：从市场恐慌到行业反思

要理解市场对 Kimi 的反应，需要回顾十个月前的“Deepseek 时刻”。当时，DeepSeek 的出现曾引发市场对英伟达等“卖铲人”商业模式的恐慌。然而，当 Kimi 在11月以更强姿态复现这一幕时，市场反应却相对平静。

彭博社的文章《Are Deepseek Moments Now the New Normal?》精准地捕捉到这一心态变化：“投资者已经多快地内化了这样一个事实：中国的实验室能够以更低的成本匹配前沿能力。” Hugging Face 联合创始人 Thomas Wolf 的发问——“我们现在应该期待每几个月就发生一次吗？”——更像是一种确认。

从“恐慌”到“常态化”，标志着全球 AI 叙事正在发生深刻转变：

技术壁垒的可及性：持续的案例证明，顶尖的模型能力不再是少数玩家的专利，通过算法和工程创新同样可以达到。

资本护城河的再评估：市场的关注点正从“中国能否追上”，转向“美国巨额投入模式的商业可持续性”。

开源策略的实力：Kimi 的开源策略，使其能够有效规避地缘政治的杂音，加速在全球开发者社区的渗透。

当“奇迹”变为“常态”，游戏规则便已悄然改变。单纯依靠资本和先发优势建立的壁垒，其有效性正在被重新审视。

04 是时候重新审视那张5000亿美元的价签了

33亿美元的 Kimi 和5000亿美元的 OpenAI，这一巨大的估值鸿沟，正日益清晰地反映出市场对 AI 未来路径的两种不同押注。

• OpenAI 的高估值，押注的是“资本与规模能够创造绝对领先和赢家通吃”的未来。它相信，通过持续的巨额投入能够维持技术代差，最终获得市场的绝大部分价值。

• Kimi 的估值，则反映了另一种逻辑的兴起：它押注“资本效率和创新将是决定长期竞争力的关键”。它相信，能够以更优的投入产出比实现顶尖性能，并借由开放生态构建更稳固商业模式的路径，将具备更强的生命力。

彭博社的评论一针见血：尽管 Kimi 的模型性能与 OpenAI 已非常接近，但其估值“只是美国巨头的一个零头（a rounding error）”，这让“AI泡沫”的论调显得“合情合理”。

Kimi 的出现，其核心意义并非在于证明“效率”优于“领先”，而在于它揭示了“资本效率”本身就是“领先”能力的一个关键维度。AI 竞赛的下半场，决定胜负的将不仅仅是模型能做什么，更是以何种可持续的商业模式去实现。当创新能够大幅优化投入产出比时，单纯的资本竞赛就显得不再是唯一路径。

对于投资者而言，真正的问题已经演变为：在评估一家 AI 公司的价值时，应该给予“当前性能的微弱优势”多高的权重，又应该给予“实现性能的卓越效率”多大的估值溢价？从这个角度看，AI的价值或许不仅是被低估，更重要的是，它为全球 AI 产业提供了一个关于未来领导力的全新思考框架——一个将资本效率置于核心位置的框架。

References:

https://www.news.aakashg.com/p/the-biggest-model-update-this-weekhttps://www.cnbc.com/video/2025/11/10/u-s-china-and-the-race-for-cheaper-ai.html

https://www.bloomberg.com/opinion/articles/2025-11-17/ai-are-deepseek-moments-now-the-new-normal