敦刻尔克（全文在线阅读）>
敦刻尔克世界最大，“大”有底气！济南黄岗路黄河隧道通车侧记_我的网站
一 | 8月25日，黄河之畔，坐标济南。 【文/观察者网专栏作者 唐晓甫】 7月19日，Kimi K3发布48小时后，月之暗面暂停了C端新用户订阅。虽然此前其他模型也曾出现疑似算力不足引发的“降智”现象，但是类似一款国产大模型因需求过载而主动限流，这在国内AI行业中实属罕见。这也恰恰说明Kimi K3作为一个开源模型，正对全行业商业化定价形成长期冲击。
二 | 济南黄岗路黄河隧道迎来通车时刻，随着首批社会车辆平稳驶入，世界最大直径水下盾构隧道正式投用。
Kimi时刻到了！
Kimi K3究竟有多火？看看使用量就知道了。
三 | OpenAI的GPT-5.6 Sol每百万词元的短上下文输入、缓存命中和输出价格分别为5美元、0.5美元和30美元，长上下文则提高至10美元、1美元和45美元。隧道最深覆土49.2米，最大水压6.3巴，相当于一个人手掌大小的面积上，承受两个成年男子的重量。 盾构机长距离穿越粉质黏土，这种地层就像“老胶泥”，黏着性高。区间段内2000米范围内不规则分布着“黄河石”，最大硬度达41兆帕。
四 | 我们可以看到，K3较GPT-5.6 Sol，普通输入和输出均便宜约40%至50%。而更低一档的GPT-5.6 Terra定价为2.5美元、0.25美元和15美元，其输出价格与K3完全相同，输入和缓存价格还略低于K3。 而管片上浮的难题，更是如影随形。盾构机掘进时，同步注入的浆液还没凝固，管片泡在浆液里，就像一艘巨型货轮浮在海上，天生就想往上漂。
Anthropic的最新高端模型Claude Fable 5的普通输入、缓存命中和输出价格分别为10美元、1美元和50美元，K3大约相当于其30%；Opus 4.8则为5美元、0.5美元和25美元，K3相当于其60%。周祥说，“直径越大，浮力越大，外径16.8米的管片，每米产生的浮力近200吨。
作为迄今为止全球参数规模最大的开源模型，Kimi从技术路线上就选择独创的混合线性注意力机制。当然这样的路线选择也注定K3在设计之初就没想依赖性价比取胜，而是希望通过更高的性能上限获得更高溢价。”一旦管片上浮失控，管片错台、开裂、漏水，甚至影响隧道寿命，后果不堪设想。 “大”有底气
面对如此之“大”带来的重重考验，建设者如何接招?
底气，源于多次穿越黄河的丰富积淀。
五 | 而这种通过追求更高性能上限来获取高溢价的路线，几乎是中国开源模型的首次商业尝试，但这一次，它似乎正在成功。这是超大直径盾构隧道首次穿越地上“悬河”，面对大断面、长距离、浅覆土、深基坑、高水压等技术难题，建设者历时500多个日夜，操纵“黄河号”“泰山号”盾构机成功穿越地上悬河，并总结了一套穿越黄河中下游的关键技术。
根据官方公布的相关数据，Kimi K3在编码、通用Agent和视觉Agent三大板块的所有子项目上排名都在前三之列，而且在部分子项目上处于世界第一的水平。 相较于前辈，“山河号”盾构机创新应用大开口率带压复合型刀盘，装配伸缩式主驱动、开挖仓伸缩摄像头等先进装备，还搭载了超前地质预报、地层界面识别、刀具磨损检测装置、同步注浆检测等智能化装备系统，总装达到世界先进水平。
六 | 根据相关程序员实测，虽然Kimi K3的词元利用率相较于GPT-5.6 Sol和Fable5偏低，部分压低了其相对于这两款顶级模型的成本优势，但其前端能力已经跻身全球第一梯队，部分场景甚至达到世界第一水平。 面对管片上浮这一“老大难”，项目团队亮出了“撒手锏”，应用了自主研发的第四代同步双液注浆技术，赵大博说，这套工艺在管片和地层之间同步注入双液浆，10多秒即成胶凝状，30分钟形成早期强度，好比给管片穿上一件快速凝固的“金钟罩”，在它还没来得及上浮之前，就牢牢锁死。这是此前的开源模型从未达到过的成就。 效果如何呢?监测显示，隧道管片上浮量被控制在5毫米以内。 Kimi官方给出的成绩单涵盖编码、通用Agent和视觉Agent三大板块，在所有排名中，Kimi K3在多数项目中进入前三，甚至部分小项排在第一 Kimi 国内外不少程序员第一时间就开始对Kimi K3进行尝试，通过类似乃至一致的prompt对比K3与GPT-5.6 Sol和Fable 5等AI大模型的前端生成能力。这个精度，相当于1600多节的“骨骼”，每一节的起伏都控制在指甲盖厚度。 技术的突破，更包含着对一城市民的守护。
七 | 测试结果令人惊讶，不少程序员都反映，Kimi K3在3D效果生成、游戏生成、UI生成等场景都有非常好的表现，甚至可以在不少场景中击败GPT-5.6 Sol和Fable 5。
八 | “山河号”盾构机每掘进1环就会产生约1200立方米泥浆，如果按照每天6环的掘进速度计算，日泥浆量近万立方米。 外网实测后对Kimi K3评价普遍不低 X 而这样的成绩，无疑让人们进一步思考一个问题：大模型真的像美国人说的那样，有那么高的壁垒吗？ 大模型真的有那么高的壁垒吗？ 如果说DeepSeek R1横空出世，第一次系统地向全球开发者展示了如何通过大规模强化学习，让模型在缺少人工标注推理轨迹的情况下形成长链推理、自我验证和反思能力，让世界上除了GPT以外的模型理解了如何构造适用于复杂任务的长思维链，降低了其他模型相对于GPT的技术代差，推动全球大模型在2025年进入了百花齐放的阶段。而工程邻近鹊山水库，济南市民的“大水缸”就在旁边。
九 | 他们首创“絮凝+提浓+压滤”系统组合工艺，通过对泥浆进行提浓、压滤，实现高效固体与液体分离，系统每小时可处理泥浆近600立方米，使每日泥浆处理效率提高50%，滤饼的含水率降低至30%以下，达成效率与环保的双赢。
十 | 2025年8月17日，“山河号”盾构机顺利出洞。
十一 | 建设以来，项目团队攻克28项技术难题，申报专利22件，形成17米级盾构施工成套技术体系。 那么，Kimi K3在编码、通用Agent和前端开发等测试中的良好表现，则进一步动摇了人们过去对于“闭源模型必然长期、显著领先于开源模型”的信念。以中国工程院院士钱七虎为组长的专家组指出：“隧道建造过程高度智能化、机械化、绿色化，将推动我国盾构隧道技术往前迈出一大步，具有里程碑意义。
十二 | 它的出现以一种毫无疑问的方式，证明了开源模型与全球最强闭源模型之间的差距，已经从过去的代际差距缩短到1-3个月，甚至在部分具体任务上出现反超。
十三 | 其实，如果长期关注人工智能发展最新动态的人，对于这个结果的出现绝对不会感到意外。” “大”有前途 城市发展，交通先行。
十四 | 穿城而过的黄河，曾是济南的“成长烦恼”。 大模型开源始于已经在本轮顶级AI模型竞争中出局的Meta。南依泰山余脉，北到黄河，市中心被夹在山与河之间，伸展不开手脚，城市空间捉襟见肘。
十五 | 因此，济南人对“跨黄”有着格外深切的期盼。
十六 | 2023年2月，Meta发布第一代LlaMA，主要向研究机构开放；同年7月推出Llama 2后，允许开发者将模型权重用于研究和商业应用，并开始建立当时全球规模最大的开源大模型生态。
十七 | Meta选择开源和本地部署的核心原因在于，其收入来自社交平台和广告，并不需要直接依靠出售模型调用获得回报。 但建隧还是架桥?建设者给了“黄河”一项新的“选择”。其核心思路就是通过降低基础模型的稀缺性，推动Llama成为行业公共底座，让竞争优势更多回到应用、用户入口、数据和产品分发，将商业模式拉回到自己最熟悉的环节。 “与修建桥梁相比，隧道可以‘悄悄’从河底钻过，不影响一舟一帆，最大限度保护河道生态与自然景观。”中铁十四局济南黄岗路黄河隧道项目党支部书记薛正生表示。
十八 | 济南黄岗路黄河隧道的建设，不只是一条过河通道，更是为城市“解绑”的关键一步。
十九 | 当5分钟穿越黄河成为现实，黄河北岸不再是被黄河隔开的“彼岸”，而是与主城区无缝衔接的“此岸”。
| 但此后，包括Qwen在内的一批大模型厂商也进一步扩大了开源模型的供给，而且他们还叠加了更加现实的企业需求：用户可以将模型部署在自己的服务器上，允许开发者修改、部署和二次开发，降低敏感数据上传外部云端的风险，吸引云厂商、硬件企业、科研机构和应用开发者围绕Qwen建立生态，并减少对单一模型供应商的长期依赖。
| “它如同强劲的‘输血管’，将人才、资金、技术源源不断输送至黄河北岸的新旧动能转换起步区。
| ”薛正生说。 只是这一系列尝试并未真正动摇以OpenAI和Anthropic为代表的闭源模型在前沿能力上的领先地位。2024年9月，OpenAI发布o1-preview，首次将测试时计算和长链推理能力系统性地应用于商业大模型。
| 在数学竞赛、高难度科学问题和复杂代码推理等任务上，也一度拉开了与绝大多数模型的距离，进一步稳固了先发优势，也推动了所谓AI神话的出现。 当时国内不少人认为以ChatGPT为代表的美国闭源模型，已经完全取得了对于开源模型尤其是中国模型的绝对优势，直到DeepSeek R1的出现以及2025年初的“DeepSeek时刻”。 DeepSeek R1作为开源模型，首次在数学、代码和通用推理等测试中整体接近o1正式版。R1在AIME、MATH-500、LiveCodeBench和SWE-bench Verified等测试中与o1互有胜负，证明开源模型与最强闭源推理模型之间已经不再存在此前想象中的代际差距。 虽然DeepSeek R1造成了美国股市的短暂暴跌，并且引领了全球顶级AI进入“推理AI”的时代，但从科技资本的角度来说，DeepSeek R1的出现并没有动摇美国AI投资神话。 放眼大河两岸，这样的深刻变化正在加速推进。
| “万里黄河第一隧”济泺路黄河隧道已通车运行，连接遥墙机场的航天大道黄河隧道正加紧建设，三条世界级的大直径盾构隧道，在黄河之下构成了举世罕见的“超级隧道群”。原因是多样的： 1. DeepSeek R1虽然显著缩小了与o1的差距，但OpenAI于2025年4月正式发布o3之后，R1在复杂代码、科学推理、多模态理解和工具调用等方面的差距被重新拉大； 2. R1在AI幻觉率等多方面表现并不令人满意，在Coding和Agent能力方面与外国加速更新的顶级AI差距明显； 3.R1缺少多模态能力； 4. DeepSeek R1的出现甚至刺激了全球范围内对芯片的需求。 这些超级通道，正在深刻地改变济南的城市格局。当时黄仁勋就表示，像DeepSeek代表的推理型AI模型，在面对复杂问题时需要进行“思考”，进行大量的强化学习、微调和模型蒸馏，由DeepSeek引发的全球模型推理潮会让新的模型比传统的非推理模型消耗的计算量高出约100倍。
| 以上种种原因，都推动了美国的科技股神话在2025—2026年进一步登上神坛，并且在许多普通人心中树立了一个闭源模型不可战胜的思维烙印。
| 曾经因黄河阻隔而东西狭长的城市，正通过高密度的跨黄通道，把黄河变成城中河，从“大明湖时代”昂首阔步迈向“黄河时代”。
| 世界最大，“大”有底气。如今，当第一缕晨光洒向大河，往来车辆平稳驶入隧道，一座城市向河而兴的梦想正在奔腾向前。也正是这种烙印，推动了科技巨头进行AI基础设施创纪录的资本开支，以及迎来了AI Agent时代的到来。作者：济南日报·爱济南记者：戴升宝 张素芬 通讯员：范少文 李桂香。 事实上，仅就中美两国顶级模型的基准测试数值来说（Qwen 3.7已经不再开源，且不能部署在阿里云服务器之外的地方），在中国训练算力似乎不再那么紧张的背景下，双方的差距是进一步缩小而非扩大，大模型的壁垒在2026年是降低而非升高。 虽然从2025年下半年开始，OpenAI和Anthropic先后进入了GPT-5.X和Opus 4.X（4.5及以上）时代，在Coding和Agent上有了显著的提升，但是以Qwen、DeepSeek为代表的中国大模型相对美国顶级模型的差距并没有被拉大。 例如，斯坦福大学《2026年人工智能指数报告》指出，中美模型自2025年初以来已经多次交替领先。
| 截至2026年3月，美国最强模型只领先中国最强模型2.7%，差距长期维持在个位数区间，报告因此判断中美模型性能差距已经“实质性关闭”。 GLM-5.2发布的时候同样引发了热议 6月发布的GLM-5.2进一步证明了上述论断。GLM-5.2延续了GLM-5的稀疏混合专家架构，通过针对长程编程任务的后训练，它的Coding能力已经全面接近Opus 4.8。甚至在某些场景下可以接近普遍认为达到“5万亿参数”的Fable 5。GLM-5.2在DeepSeek-V4预览版发布后，进一步动摇了“只有拥有更多先进GPU和更大的参数规模才能换来更强模型”的简单叙事，同时它的出现不断向世人昭示一种可能性：硬件的绝对优势似乎已经不再成为美国闭源模型真正的护城河。而Kimi K3的出现，则促使业界深入思考这一问题。 Kimi K3引发了股市下跌？不，但背后的问题更加深刻 这一疑问一旦深究，对于美股AI泡沫可能具有潜在致命打击的可能。
| 为什么呢？因为本轮AI泡沫的核心假设是两个前提：只有更多先进GPU和更大的参数规模才能换来更强模型；更强的模型会在短期内（1—2年）带来通用人工智能并最终导致生产力的飞跃，也就是第四次工业革命。 所以基于这两个假设，美股投资会有两个推论：第一个推论是，因为有互联网泡沫爆炸后互联网产业繁荣的珠玉在前，所以当前对于AI基础设施的投资，是进入下一轮技术革命的门票。购买GPU、建设数据中心和争夺电力资源，表面上是在进行一项回收周期漫长的固定资产投资，实际上却是在购买一张通向未来AI生态主导权的期权。只要通用智能或大规模智能体经济最终成为现实，当前投入的几千亿美元就可能被未来数万亿美元的新产业所消化。 第二个推论是，在这一窗口期内，微薄的资本回报暂时并不重要，抢占位置才重要。服务器会折旧，GPU会迭代，数据中心的单位建设成本可能下降，但一旦企业因为犹豫而失去模型、开发者、云客户和应用入口，未来再想重新进入竞争，付出的代价可能更大。因此，市场过去愿意容忍不断上升的折旧、下降的自由现金流，以及短期内难以量化的投资回报。
| 所以在过去的一年多中，AI硬件的资本开支是整个美股，乃至全球资本市场最重要的风向标。下游大厂也在疯狂投资建设AI数据中心，正如我上一篇文章中所说，仅亚马逊、微软、Alphabet和Meta四家公司2026年的资本开支合计就达到7000亿美元级别，综合来看，全美相关资本开支规模可与去年美国M2增量相提并论。
| 而巨额的资本开支背后就是各大公司自由现金流的急剧萎缩，亚马逊截至2026年3月底的过去12个月经营现金流仍高达1485亿美元，但自由现金流却已从一年前的259亿美元降至12亿美元。华尔街预计，到2026年第三季度，亚马逊、微软、Alphabet和Meta四家公司的单季合计自由现金流可能仅剩约40亿美元，而疫情以来它们平均每季度能够产生约450亿美元自由现金流。 这也迫使各大AI相关公司在2026年加速发债，根据摩根士丹利预计，2026年全球AI相关债券发行规模将由上年的水平翻倍至约5700亿美元；截至5月31日已发行约2360亿美元，并预计发行量将在下半年进一步上升。美国银行则把2026年五大云计算厂商新增债务融资预测由1400亿美元上调至1750亿美元。2025年，亚马逊、Alphabet、Meta、微软和甲骨文已经发行约1210亿美元公司债，远高于2020—2024年年均约280亿美元。 债务融资规模持续扩张，意味着AI投资风险正从科技巨头内部股东与自由现金流层面，向外扩散至全球公司债、银行信贷、私募信贷及基建融资市场。
| 这也意味着，本轮AI投资正在从一场由科技巨头现金流支撑的产业豪赌，逐渐演变成一场由全球资本市场共同加杠杆的基础设施扩张。 更值得警惕的是，AI债务扩张并不完全发生在微软、Alphabet和亚马逊这些拥有高信用评级的科技巨头资产负债表内。
| 随着数据中心建设规模扩大，越来越多项目被剥离至云运营商、数据中心开发商与特殊融资载体，而这些主体的信用质量明显弱于背后的科技巨头。 例如Oracle的债务等级已经被下调至BBB-，距离垃圾级仅一步之遥；CoreWeave和TeraWulf等直接承担AI算力建设的企业，则已经处于BB级非投资级区间。同样遭遇信用危机的还有融合了Xai的SpaceX，穆迪、惠誉和标普对其250亿美元债券给出的评级分别只有Baa1、BBB+和BBB，均处于投资级的中低区间。 可以说，无论Kimi K3是否恰好在此时发布，美国科技公司都已经走到了一个必须接受业绩验证以支撑其下一步持续投资价值的阶段性节点。 从指数的角度，纳斯达克已经横盘快两个月了，而SpaceX以及除了苹果之外的七姐妹都在近两个月出现了不同程度的回撤 在美联储仍然保持偏鹰表态、无风险利率长期停留在高位的背景下，美股AI交易继续依靠估值扩张上涨的空间已经明显收窄：资本开支必须继续超预期，云业务必须继续加速，AI收入必须开始兑现，企业还必须证明这些收入最终能够覆盖持续增长的折旧、电力和融资成本。 这也是自6月以来美国科技巨头率先开始回撤的核心原因：“除非真的在资本开支和业绩层面超预期，否则真的涨不动了”。
| 而Kimi K3的出现给了市场去思考的机会：美国这样不计成本的资本开支，包括刻意将AI芯片折旧周期从实际上的3年拉长至会计上的6年等一系列手段营造出的AI投资风潮，真的符合商业逻辑吗？ 而中国模型的发展，恰恰使这个问题变得更加尖锐。在高端芯片供应仍然受限的背景下，中国企业不仅推出了成本较低、面向日常推理和Agent任务的DeepSeek-V4系列预览版，还推出了在编码和Agent基准中进入世界第一梯队的Kimi K3。美国的投资效率是否太低了？ 这就将一个美国科技资本最不愿意面对的问题拿上了台面：假如受到芯片限制的中国企业，仍然可以通过模型架构、数据工程、强化学习和后训练优化，让自己的各类产品与美国产品在所有维度上竞争，那么美国在AI基础设施上的投入效率是否远低于市场此前的想象？ 如果美国企业多投入数千亿美元，最终换来的只是一两个月的领先，开源模型甚至可能在下一轮更新中就追平的几个百分点基准测试的差距，那么这种硬件优势所能形成的商业定价权，就远没有此前想象的那样牢固。
| 他们也不要指望这样微弱的领先引领一个时代的工业革命，并在工业革命中享受超额期权回报了。 这已经不再只是一场关于模型性能的争论，而是对“美国例外论”在AI时代具体表现形式的拷问。
| 因为从美国的角度来说，美国资本正在以前所未有的规模集中押注AI基础设施，赌AI会带来第四次工业革命，让他们绝地翻盘，毕竟他们已经不可能指望基础教育系统已经崩溃的美国为美国工业提供质优价廉的工人，提高工业效率，带来第四次工业革命了。
| Kimi K3和DeepSeek-V4等中国大模型的存在，正在不断向世人指出一个现实，那就是无论AI是否将带来第四次工业革命，美国并不会因此理所当然享有超额经济收益与霸权溢价，因为哪怕AI确实带来生产率的飞跃，它也不会由美国闭源企业独占；因为中国企业能够以更低资本投入、接近同步的研发周期，推出性能相近的开源大模型。 这也就意味着，即便AI革命如期到来，支撑当前美股科技股估值的垄断利润也未必随之产生。换句话说，Kimi K3的出现质疑的并不是AI能否带来第四次工业革命，而是美国科技巨头是否能够独占这场工业革命的收益。 铁路改变了世界，互联网也改变了世界。铁路创造了现代经济，却没有让所有铁路公司获得超额利润；互联网重塑了人类生活，却同样埋葬了大量在泡沫时期投入巨资的企业。技术的社会价值与投资者的财务回报，从来不是同一件事。 人工智能大概率也将从根本上改变世界。但它改变世界的方式，未必符合那些试图通过制造“人工智能鸿沟”、限制技术扩散并长期收取垄断租金者的设想。 本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。 Current article:http://sfnafrf.bomanglangsugangunxileba.cyou/qldo4k/20260826/16227.html Published on:13:41:39 |
自此，济南黄岗路黄河隧道双向六车道的空间格局已成现实。根据全球规模最大、最受欢迎的AI模型API聚合与路由平台OpenRouter，截至北京时间7月22日上午，Kimi K3的过去7天（上线仅6天）的词元使用量就超过7400亿，在所有模型中排名第14（榜单实时更新）。上层南往北，下层北往南，4.2米净高足以让公交车、消防车畅行无阻。 “大”有作为
17.5米，是济南黄岗路黄河隧道“山河号”盾构机的开挖直径。这相当于六层楼高，盾构机刀盘面积240平方米，可覆盖2套三室两厅的商品房。
Kimi K3在Open Router上的实时调用情况 Open Router
而这种需求的背后是并不便宜的定价，作为一个拥有1.05M词元超长上下文长度的大模型，其API定价为每百万词元输入3美元、缓存命中输入0.3美元、输出15美元。
我们可以对比一下，DeepSeek-V4预览版已经采用峰谷定价：V4 Flash的输入、缓存命中和输出价格分别为0.14美元、0.0028美元和0.28美元；V4 Pro则分别为0.435美元、0.003625美元和0.87美元，显著低于Kimi K3。 为何要造如此之“大”的隧道?“一次开挖，即得两层，实现两洞隧道的交通功能。”中铁十四局黄岗路黄河隧道项目现场负责人周祥解释，这样的设计不仅节约了宝贵的地下空间，更让工程投资减少约15%。 然而，“大”也意味着前所未有的挑战。相较常规直径、大直径盾构机，17米级超大直径盾构机的系统集成更复杂，其制造难度、施工难度和风险系数也呈几何式增长。
智谱GLM-5.2的每百万词元普通输入、缓存命中输入和输出价格分别为1.4美元、0.26美元和4.4美元。
“常规盾构机十几组油缸就够了，‘山河号’配了34组。K3的普通输入价格约为GLM-5.2的2.1倍，输出价格约为其3.4倍；两者缓存命中价较为接近，K3仅高约15%。”周祥说，“这个163米长、5200吨的庞然大物，要在黄河底下精准走完3.3公里，方向偏差必须控制在厘米级，如同‘拿着擀面杖绣花’。可以说，粗略一看，无论从何种角度看，对于国人来说，Kimi K3都谈不上便宜（写作期间，Qwen 3.8尚未公布其API价格）。
虽然这一价格仍明显低于OpenAI和Anthropic的最高端模型，但对于很多国人来说已经偏贵。事实上，从定价的角度看，Kimi K3与美国顶级大模型更加接近。”
更大的考验，来自黄河本身。黄河济南段是典型的“地上悬河”，河床比南岸城区高出5米。
2021年9月29日，“万里黄河第一隧”济南济泺路黄河隧道通车。
中铁十四局项目副经理赵大博表示，这套被命名为“五官一脑”的智能系统，不仅可以“看得远”“听得清”;更如同“有知觉”“会号脉”，让5200吨的庞然大物实现了全流程感知、预警和智能决策，在“摸黑”前行中有了“探照灯”和“导航仪”。 针对难缠的“黄河石”，项目团队研发了金刚石刀具、碎石机、双管路液压采石装置，在黄河下首次实现全程3.3公里连续掘进不换刀，最高日进尺18米、月进尺426米，创造了17米级盾构施工的世界纪录。
