硅谷精英弃用OpenAI转投Kimi，白宫AI主管也力荐：性价比太高！
最近Reddit上一则消息引发了热议：硅谷似乎正在从昂贵的闭源模型转向更经济实惠的开源替代方案。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
被称为“SPAC之王”的知名美国企业家和投资人Chamath Palihapitiya公开表示，他的团队曾是Bedrock平台的前20大用户，但现在已将大量工作负载迁移至Groq平台上的中国模型Kimi K2，因为该模型的性能表现更为出色，而且比OpenAI和Anthropic便宜得多。
Kimi K2是由月之暗面团队开发的混合专家（MoE）大型语言模型，总参数量达到1万亿，激活参数量为320亿。此前，知名云端开发平台Vercel、AI编程助手Cline和Cursor、Perplexity和GensparkAI应用也都相继宣布接入Kimi K2模型。
“最终决定切换到开源模型，核心考量就是成本因素。”Palihapitiya透露，他们使用的编程工具仍然通过Anthropic的系统运行，Anthropic的技术很棒但成本太高。而DeepSeek模型一经推出就便宜很多，但要完全切换过去还得花费几周甚至几个月时间。“AI模型迭代这么快，要突然把所有提示词切换到不同的大语言模型上并不容易，因为这些模型需要经过微调与工程适配，才能在同一个系统里正常工作。”
当谈到模型所有权及风险问题时，Palihapitiya介绍，Groq接入中国模型的做法是：拿到这些模型的源代码，进行部署、分支开发，最终把模型部署在美国本土，由美国人在美国本土的数据中心里操作。服务模式上，由于Groq是把开源模型部署在自有基础设施上，他们通过开放的API就能实现“token进、token出”。
有网友将此举称为“疯狂的举动”，还有人评价道，“真正的结构性转变”，“下注OpenAI没有预见到这种情况的到来”，“性能和成本正在改写AI产业格局！”
不过，也有网友认为，“Palihapitiya持有Groq公司相当多的股份，他之所以推动这件事，不过是为了给自家投资站台罢了。
而该消息最早出自Palihapitiya近期参与的一档播客节目，当时的对话嘉宾还包括白宫首位人工智能主管、前PayPal首席运营官David O. Sacks以及企业家David Freeberg、知名天使投资人Jason Calacanis。节目中，他们还探讨了DeepSeek等这类中国优秀开源AI模型给美国AI产业带来的压力和困境。
以下为对话内容，InfoQ在不改变原意的基础上进行了编辑和删减：
“中国模型太便宜了”
Jason Calacanis：中国大语言模型公司DeepSeek发布了新开源的DeepSeek 3.2 EXP模型，这款新模型给美国AI行业带来了压力。该新模型速度更快、成本更低，还搭载了一项名为DSA（DeepSeek稀疏注意力机制）的新功能，能加快大型任务的训练与推理速度。最关键的是，它能将API成本降低高达50%。新模型的收费标准为：每百万次输入28美分，每百万次输出42美分。而Anthropic公司的主流模型Claude（很多开发者和初创公司都在使用）的同类服务收费约3.15美元，价格是DeepSeek新模型的10到35倍。显然，现在各家都在快速降价。
另外要说明的是，这个模型是开源的，大家要清楚，它已经可以在亚马逊云科技和GCP（谷歌云）上使用了，至少3.1版本是这样。我不知道3.2版本现在是否也能在这些平台上用，但我从很多初创公司那里听说，他们正在测试、试用这个模型，有些甚至已经投入使用了，原因就是它太便宜了。
Kimi模型是由月之暗面开发的，这是该领域另一家中国初创公司。
David Freeberg：我认为当前AI领域正在进行全面的架构重构，而且从成本和能耗角度看，我们还处于“每token成本优化”的初期阶段。据我了解，美国的实验室目前也在推进类似方向的研究，预计会取得相近的成果。或许中国在这方面稍占先机，但我们更该关注整个技术发展的趋势。我在想，如果未来几个月内，这些架构革新真能让成本和能耗降低10倍、100倍、1000倍甚至1万倍，从模型的能耗需求和每token成本来看，会带来怎样的影响？
Chamath Palihapitiya：我们是Bedrock（亚马逊云科技AI服务平台）的前20大用户，所以我来说说实际情况。我们已经将大量工作负载转移到了Groq平台上的Kimi K2模型，因为它的性能确实强得多，而且说实话，比OpenAI和Anthropic的模型便宜太多了。但问题在于，我们使用的编程工具必须通过Anthropic的系统运行，Anthropic的技术确实很棒但成本实在太高了。
现在的难题是，AI模型迭代这么快、互相追赶，要突然把所有提示词切换到不同的大语言模型上并不容易，因为这些模型需要经过微调与工程适配，才能在同一个系统里正常工作。比如说，我们为了优化Kimi或Anthropic模型的代码生成（codegen）或反向传播（back propagation）效果所做的调整，没办法直接切换到DeepSeek模型上。即便DeepSeek模型一推出就便宜很多，要完成切换也需要几周甚至几个月时间。所以这就像一场复杂的“博弈”，作为用户，我们一直很纠结：是该直接切换，承受过程中的麻烦？还是等着其他模型迎头赶上？
但说实话，目前还没办法让切换变得简单。上周末有一家拥有大型模型的公司来找我们，提前展示了他们的下一代模型。模型本身确实很出色，但周一早上我和团队开会时就懵了：“我们该怎么办？”完全没头绪。是放弃现有方案？还是转而投入资源，把所有工作负载重构后迁移到新模型上？我在想，如果企业处理的任务越复杂，这个问题就越难以解决。
白宫AI主管：美国开源模型落后于中国
David O. Sacks：我觉得开源这个话题其实很有意思。我本人很支持开源软件，因为它在某种程度上能够制衡大型科技公司的权力。回顾科技史，我们会发现，很多重要的技术领域最终都会被一两家科技巨头垄断，它们掌握着绝对的控制权。而开源提供了另一条路径，开发者社区会把技术成果公开，任何人都能拿过来在自己的硬件上运行，不再依赖巨头。可以说，这是一条通往“软件自由”的道路。从这一点来看，开源是很好的。
但现在的问题在于，所有领先的开源大模型都来自中国。中国在开源领域的投入力度非常大，比如DeepSeek就是首个主流的中国开源大模型，Kimi也是，还有阿里巴巴的通义千问Qwen。所以如果说希望美国在AI竞赛中获胜，我们其实都很矛盾：一方面，开源方案能替代闭源的专有模型，这是好事；但另一方面，这些优秀的开源模型全都来自中国。当然，美国也有一些重要的尝试，比如Meta就为Llama模型投入了数十亿美元。但Llama 4模型发布后，很多人都觉得不尽人意。而且有消息称，Meta可能会放弃开源，转向纯闭源的专有模式。OpenAI也发布过开源模型，但性能远不及他们的前沿模型。
也有一些初创公司在做尝试。比如有家叫Reflection的公司，前景看起来不错，他们正在开发一款美国本土的开源模型。但目前来看，在AI领域，开源模型可能是美国唯一落后于中国的板块。至于技术栈的其他环节，芯片设计、芯片制造、半导体制造设备，乃至数据中心，我认为美国都是领先的。但在开源这个领域，确实让人忧虑。
Jason Calacanis：有两点值得一提。第一，OpenAI名字里的“Open”（开放），原本意味着要做开源，现在想来还挺讽刺的。第二，苹果目前在AI领域落后于所有同行，却推出了一款很有意义的开源模型。所以说落后的时候就像现在的中国；领先了就关起门来，比如后来凭借ChatGPT占据优势的OpenAI。对了，我跟你说过苹果的Open ELM吗？苹果的“高效语言模型”（Efficient Language Models），这个模型值得关注。
Chamath Palihapitiya：我能告诉你什么会让开源与闭源的竞争更激烈：本质上，这已经变成了美国和中国的对抗。美国走闭源路线，中国走开源路线，至少在具备规模效益的模型上是这样。
David O. Sacks：但其实不一定要这样，对吧？因为美国也可以推出开源模型。
Chamath Palihapitiya：没错，你说得对。我只是想说，就当下的实际情况而言，高性能的闭源模型都是美国的，高性能的开源模型都是中国的。接下来会面临什么问题呢？Freeberg之前提到过，就是生成输出token的能耗和成本。昨天我和一位大型能源企业的CEO聊过，情况不太乐观。“未来五年的趋势基本确定了。如果找不到有效的解决方案，电价未来五年肯定会翻倍。”现在你想想，AI作为消费者产品，人们会如何看待AI的使用情况？像我们这样的公司，为了尽量降低成本，都在找最便宜的模型来用。
但很快，成本问题会变成能耗问题，事情会变得很复杂。而且他还提到，这对科技巨头来说也是个巨大的公关危机。本来大家对科技公司的印象就不好，要是再说“电费涨了一倍”，那它们就麻烦了。必须赶紧找出路，不然形象会一落千丈。不管事实是不是这样，大家都会这么想。
他提出了两个解决方案方向，我觉得值得考虑。第一个是“交叉补贴”，简单说就是让科技公司按更高的费率缴纳电费，以它们的现金流完全承担得起；而且这个费率要明显高于当地其他用户。这样一来，普通家庭的电费能保持稳定甚至有所下降，而数据中心的电费则提高，由Meta、谷歌、苹果、亚马逊云科技这些手握数千亿现金流的巨头来承担。第二个办法是建立一套机制，在数据中心周边的每户家庭都安装电池之类的储能设备。这样这些家庭就能更好地应对电价上涨，不用多花钱。
Chamath Palihapitiya：对，没错。我之前一直在说，选择开源模型的经济逻辑是合理的，毕竟一次性投入也不起后续的其他成本。
中国模型入美，如何安全“运作”？
David O. Sacks：能不能解释下你们在用Kimi这类模型的时候，具体是怎么运作的呢？因为我觉得很多人对“开源模型”的理解有误区。不少人觉得，中国公司发布的模型就算公开了，所有权还是归他们所有。但事实不是这样的。一旦模型发布，所有权就不再归他们了，任何人都能获取代码使用。而且你在中文云上运行数据也不会传回中国，而是把模型拿到自己的基础设施上运行。你能详细说说这个过程吗？
Chamath Palihapitiya：我们刚起步时唯一的选择是Bedrock，那是亚马逊云科技提供的一项服务，简单说就是“推理即服务”。当时我们开发产品需要用到推理功能、需要推理token，所有需求都是Bedrock来承接的。它有点像AI领域的亚马逊云科技垂直领域的专门支持。他们有自自己的服务器，都放在美国的数据中心里，由美国人管理。他们会筛选一批模型，确保这些模型的使用不受限制。我们最初起步时这样的。但和所有业务一样，为了优化运营模式，降低成本，我们一直在找亚洲马逊云科技之外的
热门专题
热门推荐
一、 宏观IT架构痛点：传统RPA CoE为何难以为继？ 走过数字化建设的初期阶段，很多企业都遇到过类似的瓶颈：自动化项目起初顺风顺水，一旦进入规模化阶段，却常常陷入“先易后难、最终停滞”的怪圈。复盘起来，这背后有几个根本性的IT架构痛点，几乎成了行业通病。 首当其冲的，是“脚本维护地狱”。传统RP
芝麻交易所（芝麻gate）官方登录指南：安全、高效访问全攻略 对于数字资产交易者而言，一个稳定、安全的平台入口是投资旅程的起点。本文将为您详细拆解芝麻交易所（芝麻gate）官方网站的登录与访问方法，助您一步到位，安全便捷地开启交易之旅。通过其官方网页版，您不仅能获得稳定高效的交易环境，还能实时掌握市
一、 传统自动化架构的脆性原理：从一行报错日志说起 聊到企业IT架构的演进，有一个成本黑洞常常被忽视，那就是自动化流程的运维。很多CIO都有同感：业务系统一旦SaaS化或进入敏捷迭代的快车道，原先那些设计精良的自动化脚本，失效就成了家常便饭。望着堆积如山的维护工单，一个核心课题浮出水面：如何打造一个
话说回来，当企业超自动化的浪潮进入深水区，聪明的 CIO 们早就意识到，单纯地采购一个个单点工具，已经很难撑起他们对 IT 资产投资回报率的严苛期待了。数字员工队伍在爆炸式增长，但如果缺乏一套系统化的、覆盖从诞生到退役的智能平台来管理，局面很快就会失控：运维成本飙升、代码资产变成谁也看不懂的黑盒、合
企业级IT自动化运维与业务流程重塑，有一个环节堪称“硬骨头”和“深水区”——那就是系统登录和高频数据交互。许多CIO和IT架构师都遇到过这样的窘境：业务系统的安全策略一升级，各种预料之外的动态校验，尤其是验证码，就冒了出来，结果直接导致自动化脚本中断。这不仅仅是一场影响流程服务等级的运维事故，更会让