(封面图来源 : 联合新闻网)

Kimi K3 模型的出现，代表的不仅是美中 AI 竞争中的一次技术突破，更可能暴露出台湾经济长期依赖「护国神山」的脆弱性。对多数劳动者而言，护国神山从来没有真正保护过他们；但一旦这座神山面临挑战，承受冲击的却可能是整个台湾经济。

关于 Kimi K3 模型

7 月 16 日凌晨，中国 AI 公司月之暗面（Moonshot AI）发布了旗下最新的大型语言模型 Kimi K3。兆级参数、开源权重，在智能推理、程式设计、数学以及长文理解等多个评测项目中，与 Anthropic 的 Fable 5 以及 OpenAI 的 Sol 模型互有高下，而 API 售价却远低于后两者。消息一出，立即在 AI 社群掀起巨大讨论，也让美国科技界高度关注。

这并不是说 K3 已经是一个完美无缺的模型。需要先说明的是，目前部分评测数据仍来自官方公布，完整权重也尚未完全释出；在多模态能力（例如语音、图片理解）以及词元（Token）使用效率方面，K3 仍然不如美国最先进的旗舰模型。然而，它仍凭借约一百万上下文（一次能阅读、理解并记忆的量)，以及开源权重与相对低廉的成本，成为近期最受瞩目的模型。

更重要的是，K3 并不是单纯依靠更大的模型规模，而是在架构设计上做出了不少自己的工程优化。例如，它采用了 MoE（Mixture of Experts，混合专家）架构，回答问题时只会启动与问题相关的部分模型。除此之外，K3 也加入了 Residual Attention（注意力残差）以及自研的 Delta Attention，让模型阅读长篇内容时，不必每次都重新处理所有文字，而能保留重要资讯、减少重复运算，因此更有效率地处理超长上下文。

除了架构上的改进之外，另一个引起最多讨论的，就是蒸馏（Distillation）。目前不少研究与分析都指出，K3 的部分能力可能来自蒸馏 Anthropic、OpenAI 等闭源模型的输出，再透过强化学习（Reinforcement Learning）以及后训练（Post-training）持续优化。简单来说，就是先学习前沿模型回答问题的方式，再经过大量训练，把这些能力逐渐内化到自己的模型中，以更低的成本逼近目前最先进模型的表现。

毫不意外地，美国政府很快便指控月之暗面涉嫌透过蒸馏 Anthropic 模型来复制美国技术；部分科技业高层也进一步主张，开源模型具有安全风险，可能被有心人士利用。技术上来说，蒸馏确实是真实存在的方法，也确实可能让后来者以更低成本追赶前沿模型。

讽刺的是，今天的大型语言模型本身，就是透过大量公开网路资料、书籍与文章进行训练，其中不少资料同样涉及未经授权的文本。模型学习人类知识，与模型学习另一个模型的输出，在方法上都属于「从既有资讯中提炼能力」。因此，与其说 K3 的成功完全来自蒸馏，更准确地说，它是在蒸馏降低训练成本的基础上，再结合 MoE、Residual Attention、Delta Attention 等架构设计，以及后续强化学习与工程优化，逐步逼近目前最先进模型的能力。

也正因如此，K3 真正受到全球 AI 社群关注的原因，并不只是它在评测中的表现，而是它展现出中国 AI 团队除了透过蒸馏缩短与前沿模型的距离之外，也确实在模型架构与工程设计上提出了自己的技术方案，而不是单纯复制既有模型。

Deepseek 时刻？

这时，很多人可能会迫不及待地将 Kimi K3 与年初震撼全球的 DeepSeek R1 相提并论，甚至认为 K3 就是另一个「DeepSeek 时刻」。但具体而言，K3 并不能完全是另一个 DeepSeek 时刻，因为两者真正挑战的，是 AI 发展中两个截然不同的问题。

后者的历史意义，不在于它让中国模型接近 OpenAI，而在于它挑战了业界对 Scaling Law 的理解。自 GPT-3 以来，AI 产业普遍相信，模型能力会随着参数规模、训练资料与算力投入持续提升，因此 OpenAI、Anthropic、Google 等公司相继投入数百亿美元兴建资料中心、采购 GPU，希望透过更大的模型建立技术护城河。然而，这也意味着，只有拥有庞大资本与算力的少数企业，才能参与最前沿模型的竞争。

DeepSeek 并没有推翻 Scaling Law，而是重新定义了它的实现方式。透过蒸馏（Distillation）、强化学习（Reinforcement Learning）、推理时计算（Test-time Compute）以及工程最佳化，它证明模型能力未必只能依赖愈来愈庞大的资源投入，也能透过更有效率的方法逼近前沿模型。它真正动摇的，不是 Scaling Law 本身，而是「Scaling 必须等于更多 GPU」这项假设。这也是为什么 DeepSeek 被视为一场效率革命，而不只是另一个开源模型。

然而，DeepSeek 所改变的主要仍是能力取得的成本，而非能力本身的边界。对于需要超长上下文、长时间规划、多步骤 Agent 协作、大型程式码库理解等任务而言，模型仍必须维持高度稳定的记忆能力、推理能力与架构效率。这些能力并非仅靠降低训练成本即可获得，而是长期被视为最前沿模型的竞争核心，也是美国 AI 公司最重要的技术优势。Kimi K3 试图挑战的，正是这个假设。

相较于 DeepSeek 着重于「如何用更低的成本获得相近的能力」，Kimi K3 更关心的是「如何把模型能力的天花板继续往上推」。兆级参数，百万级上下文、MoE 架构、Residual Attention、Delta Attention 等设计，都指向同一个目标：让模型能够更稳定地处理需要长时间推理、长期记忆与复杂工作流程的高阶任务，而不只提升一般问答或数学测验的表现。最终的结果也证明了，即便拿不到最新的晶片以及算力资源，Kimi 依旧能够追平美国的顶尖模型。

因此， Kimi K3 并不是 DeepSeek 时刻的重演，而是中国 AI 发展进入下一个阶段的象征。如果说 DeepSeek 证明的是中国能够以更低的成本建立世界级 AI，那么 Kimi K3 试图证明的，则是中国开始挑战世界级 AI 的能力上限。前者改变的是 AI 的经济学，后者改变的，则是全球对中国 AI 技术定位的认知，中国不再只是效率的追赶者，而开始成为能力边界的竞争者。

贬值的领先

这并不是说 Kimi K3 就如同中国部分媒体所宣称的，已经可以超英赶美。美国大模型公司用资本堆砌出的算力优势仍然是实打实的，Kimi 自己就因为算力不足，一度必须停止接受新用户订阅。K3 本身也有明确的工程侷限：偏高的词元消耗、高于平均的幻觉率、开源模型的部署成本也绝非一般企业能轻易负担。单以能力来说，K3 不会「打败」美国。

但在资本主义下，真正的问题从来不是谁的模型更强，而是领先本身还能不能支撑这么疯狂的溢价。大模型刚发展起来的时候，受限于硬体和训练架构，AI 更像是有趣的玩具或聊天机器人。即便如此，最先发布 GPT 系列的 OpenAI 仍然凭借首屈一指的研究团队和庞大的用户数据在资本市场上攻城掠地，首款推理模型、原生多模态模型接连问世，估值一路攀升，被市场认为有机会加入 FAANG 的行列。

到了2026年，风向变了。资本疯狂涌入之后，市场对 AI 的要求已经从「酷」和「先进」转变为实质的利润回报。Google 即便整体营收上涨，但因为 AI 方面的资本支出（CapEx）与相关盈利的比例迟迟没有改善，单日市值蒸发了 7%。马斯克的 xAI 拥有自己的资料中心、应用层面的 Grok，但母公司的股价已经来到历史新低。华尔街传递的讯号很清楚：市场不再为「最先进」这三个字买单，它要看的是每一块钱的 AI 投资能换回多少钱的产出。

这对 OpenAI 和 Anthropic 是直接威胁。今年预计要上市的两家公司的估值是建立在算力短缺、价格维持高档的预期上，研发、算力租赁与基础设施等固定成本也早已锁定，就算算力供给增加、价格下滑，已投入的沉没成本也无法同步下降，即使技术仍领先，利润也可能被压缩。这不是技术失败，而是成本结构失败，就像 2000 年代初的光纤泡沫：技术与需求都存在，但供给过剩压垮价格，最终让巨额投资无法回收。

而另一方面，企业的脚早就已经在投票了。根据创投 a16z 合伙人的研究，大量美国新创已经放弃使用美国模型，转向中国的开源方案。不只是新创，Airbnb 的聊天机器人采用了阿里巴巴的千问（Qwen）模型，微软也在考虑将 Kimi K3 引进它的 Copilot 程式协作系统。作为OpenAI 最大的投资者，如果连微软都在考虑用便宜的替代品，这代表着顶尖的模型正在丧失其本来拥有的定价权

同时，企业转向中国模型，也不只是因为便宜。开放权重模型让企业看得见自己在为什么付钱，也可以审计模型的行为、可以根据自己的需求定制、可以部署在自己的基础设施上而不是依赖外部 API。相比之下，Anthropic 和 OpenAI 的定价结构是不透明的，企业无法精确计算一项任务的真实成本，更无法控制模型在自己数据上的行为。这不是单纯的价格决策，是控制权决策：企业要的不是最便宜，而是可控可调整的模型。

可预见的是，美国政府和部分模型公司会试图阻挡企业转向中国模型。但在资本市场的力量面前，管制只能划定边界，无法逆转趋势。而对于台湾来说，真正需要问的问题已经不再是「美国的模型还能领先多久」，而是：如果连模型层的前沿溢价都在被压缩，那支撑这些模型训练的硬体，台积电生产的最先进晶片，它的溢价，是否也面临同样的逻辑？

台湾能逃过一劫吗？

每一次中国有重大的模型发布造成美国股市震荡，尤其是辉达的时候，我们总能看到黄仁勋在旁边安抚投资人，试图说服他们：即便中国模型能用更低的成本追平美国顶尖模型的表现，这只代表着会有越来越多人使用模型、烧更多的词元，对算力和晶片的需求只会更高而非更低，硬体供应商反而会赚得更多。不只黄仁勋这么说，我们的中央银行也是这么认为的，凭借完整的半导体供应链，台湾的优势会在 AI 浪潮中加倍扩大。

从公开数据来看，好像也确实如此。台积电这一季写下了营收与获利的新高；串起庞大 GPU 网路的高速传输公司联发科也突破自己的纪录，合并营收达到约1500亿；晶片制造所需的被动元件大厂国巨也不遑多让。乍看之下，台湾好像是这场 AI 战争的最终赢家，不只辉达的 GPU 需要台积电封装，Google 自研的 TPU 也由联发科代工，难怪赖清德敢夸下海口，说台湾经济是20年来最好的。

问题在于，现在如此，并不代表未来也会如此。黄仁勋和中央银行的论点，都建立在同一个前提上：市场会持续愿意为最先进的晶片支付高额溢价。但这套逻辑正在面临和 AI 模型一模一样的考验。台积电的商业结构和 Anthropic、OpenAI 是同构的，靠领先两到三个世代的制程（目前是2奈米和即将量产的 A16），向苹果、辉达、Google 这些大客户收取远高于成熟制程的代工费。这个结构的脆弱点也是一样的：它假设客户永远需要最先进的晶片。

事实上，多数企业 AI 应用都有品质天花板。客服、文书、程式生成、资料摘要等场景，成熟制程上的模型已经「足够好」，不再需要最先进晶片。真正依赖先进制程的，只剩前沿模型训练与高强度推理，而这恰恰是商品化压缩溢价最严重的市场。因此，台积电最赚钱的客户，正是最受冲击的一群；而当它们的溢价缩水，受到资本市场的压力，他们对最先进晶片的需求也将从「全面采用」转向「选择性采用」。

台积电的固定成本结构，让这个问题更加尖锐- 一座 2 奈米晶圆厂动辄投资上百亿美元，回本却需要多年。更何况，这些投资都建立在「前沿需求持续扩张、先进制程维持高溢价」的预期上，一旦需求比预期的少，台积电不会立即失去领先地位，但先进制程的溢价势必承压，营收或许能够继续成长，利润结构却可能改变：高毛利的先进制程占比下降，成熟制程占比提高，而近年台湾经济的亮眼表现，正是建立在这层高毛利之上。

当然，台积电的护城河不只是制程，更包括先进封装。CoWoS、SoIC 等技术可以让多颗晶片高速整合，其竞争优势甚至比制程更深厚。封装不像制程主要依赖资本投入，它更仰赖数十年累积的工程经验与良率管理，因此更难复制- 但即便如此 封装只能延缓竞争，不能改变竞争- 事实上，Google 最新的TPU晶片已经开始采用英特尔而非台积电的技术。 当越来越多应用接受「足够好」而非「最好」，市场重新定价的将不只是 AI 模型，而是整条 AI 供应链 – 因为压力不只来自一个方向。

从竞争对手来看，中国正积极补齐 AI 半导体供应链，例如投入高密度先进封装技术。虽然在良率与量产能力上仍远不及台积电，但只要本土晶片与封装方案能满足多数 AI 应用，中国企业就有动机逐步降低对台积电的依赖。被挑战的未必是台积电的技术领先，而是技术领先所带来的溢价。当「足够好」开始取代「最好」，重新定价的不只是 AI 模型，而是整条 AI 半导体供应链。事实上，这不是危言耸听，而早就反应在最近的股市大逃杀。

从最大客户来看，压力更加直接。对美国及其背后的资本而言，若前沿 AI 模型仍高度依赖位于地缘政治前线的台湾生产封装的先进晶片，就是难以接受的战略风险。这也是为什么，川普政府要持续施压台湾半导体业将部分产能迁往美国，以降低供应链风险。对川普而言，这同时也是重要的政治资本；即使海外设厂带来的就业有限，「把晶片产业带回美国」本身就足以作为政绩宣传。

而这正是台湾面临的夹击：一边是中国以「足够好」的替代方案蚕食台积电的议价能力，另一边是美国以供应链安全为由分散台湾的先进制造能力。两股力量方向不同，结果却一致，都在降低台湾的不可替代性。海外设厂、技术转移与人才外派，不会立即反映在财报里，却会以数年为单位，逐步削弱「只有台湾做得到」的优势。而这份不可替代性，正是矽盾得以成立的根本。

真正的护国神山

更惨的不在于这里，而是当蔡英文赖清德政府高喊「台湾经济二十年最好」时，背后的真相，其实是极端扩大的「K 型复苏」。半导体与少数高科技供应链吸纳了绝大多数的资本与超额利润，造就了少数科技新贵；但对于占台湾劳动力八成以上的广大服务业、传统制造业与基层劳工而言，他们不仅没有享受到 AI 浪潮带来的实质加薪，反而被迫承担由科技外溢资金所推升的高房价、高通膨与生活成本飙涨。

这也是为什么我们能看到越来越多的人选择投入股票市场，在万物皆涨，只有薪水不涨的时代里，比起将本就不多的钱放进银行里领取微薄的利息，全部投资在股票上更有可能马上让自己翻生，在这危机重重的年代里生存下去 – 在彭博的相关报导里，因为害怕错过赚钱的黄金时期，有些人宁愿借款也要 all-in 整个市场，比起当初2000年的网路泡沫可能还有过之而不及，虽然这个月的股市表现也已经狠狠教训了他们。

然而，比起一时的股价涨跌，更值得关注的是，台湾所谓的护国神山正同时面临来自不同方向的结构性压力。过去市场相信，台积电的领先具有近乎不可取代的结构性优势；如今，这种领先正逐渐退化为可以被追赶的技术性优势。然而，今天的高市值与高估值，却仍建立在前者的想像之上。如果市场开始重新评估「不可取代性」本身，真正需要重新定价的，就不只是台积电，而是整个台湾 AI 供应链。

在资本主义下，一旦 AI 泡沫破裂，对台湾而言恐怕是一场更大的危机。相较于中国仍有较完整的产业链与庞大内需、美国拥有软体、金融等多元产业，台湾经济高度集中于半导体。当 AI 算力需求放缓、先进制程与封装的高溢价难以维持时，数千亿元的固定资本投资将更难回收，冲击也将迅速扩散至整体经济。

对一般工人而言，在这场 AI 竞争中往往是最大的承担者 – 如果 AI 如企业所期待般大幅取代劳动，等待他们的是失业、工资停滞与劳动条件恶化；如果 AI 泡沫最终破裂，等待他们的则是裁员、投资萎缩与新一轮金融危机。无论哪一种结果，真正付出代价的往往不是资本，而是劳动者。

事实上，AI 本身并不是敌人。相反地，它完全有能力减少重复劳动、提高生产力，甚至让人类缩短工时，把更多时间投入教育、创作与公共生活。然而，在资本主义下，生产力的提升并没有转化为更多人的自由，而是转化为更高的股价、更集中的财富，以及更大的投机泡沫。AI 所需要的知识、资料、电力、土地、晶片与基础设施，本来就是数十亿人集体劳动的成果；当它创造出的价值却只流向少数企业与投资人时，危机便不是技术造成的，而是制度造成的。

因此，我们需要真正思考的，从来不是中国会不会超越美国，也不是下一个 AI 冠军会是哪一家公司，而是为什么由整个社会共同创造的技术成果，最后却由少数资本决定如何使用、谁能受益，以及谁来承担失败的代价。唯有当 AI 与其他关键生产资料一样，能够按照多数人的需要而非少数人的利润来规划时，它才可能真正成为改善生活的工具，而不是下一场泡沫、下一场危机，以及下一次由劳动者买单的资本竞赛 ！

《火花》是革命共产国际（RCI）的在台组织台湾革命共产党所运作的网站。我们是一个为世界各地社会主义革命奋斗的革命马克思主义组织。如果您认同我们的理念并有兴趣加入我们，可以填写「加入我们」的表格，致信marxist.tw@gmail.com，或私讯「火花-台湾革命共产党」脸页，谢谢！