周末“Kimi时刻”在科技圈持刷屏。

近日，国产大模型厂商月之暗面正式宣布迄今最强模型KimiK3。以2.8万亿参数成为全球最大开源大模型，面向长程编程、知识工作和推理等前沿智能场景设计，支持100万Token上下文与原生视觉理解，成为目前全球参数最大的开源模型。

杰富瑞分析师MattMa在报告中指出，这款开放权重模型综合性能接近国际第一梯队，部分任务表现突出；成本较同类美国顶级模型低约40%，性价比优势显著。

KimiK3在模型基座规模、性能指标、长程任务实测等方面实现全面进步，再次证明国产模型与开源路线的持续突破，有望加速重构全球AI产业链的成本与竞争格局。

本文从算力基建和模型技术层等核心维度，拆解KimiK3产业链核心赛道。

01

Kimi K3 概况

K3总参数2.8万亿，支持百万Token上下文，面向长程编程、知识工作和推理等前沿智能场景而设计。这也是目前全球参数规模最大的开源大模型。马斯克也在X上发文表示“KimiK3令人印象深刻”。这也是目前全球参数规模最大的开源大模型。

据月之暗面介绍，K3的研发重点并非简单扩大参数规模，而是通过模型架构、训练方法协同优化，将规模优势转化为能力提升。

架构创新：自研KDA混合线性注意力架构创新：自研KDA混合线性注意力机制（KimiDeltaAttention） 注意力残差（AttentionResiduals），搭配896选16超稀疏MoE（每次推理仅激活16个专家，激活比例1.79%），扩展效率较K2提升2.5倍。

放到全球来看，这也是OpenAI、Anthropic、Google等海外头部模型公司持续演进的方向。从单一代码生成，到Agent协同，再到完整的软件工程能力，全球编程模型的竞争标准正在发生变化。

模态能力：原生支持视觉理解 文本输入，输出为文本，适配多模态复杂场景。

Kimi3定价：每百万Token-输入3美元、输出15美元、缓存命中0.3美元，与Claude Sonnet5一致。在行业普遍降价或分层定价的背景下，Kimi K3成为首个定位于双位数价位的国产模型，价格较自身此前版本翻了近4倍，较国产模型常规定价翻了3倍以上。根据第一波KimiK3的国内用户实际体验反馈，推理速度快，但是消耗Token也非常快，综合单价算正来还是较贵。

性能表现：在权威基准测试中表现优异，AI模型评测平台Arena显示，Kimi-K3已在FrontendCodeArena中以1679分位居第一，超越ClaudeFable5。AA（ArtificialAnalysis）智能指数全球第3，仅次于ClaudeFable5与GPT-5.6Sol。

从战略影响来看，算力需求从“堆海外高价GPU”转向国产算力 开源轻量化模型双主线，全产业链国产替代加速。

资料来源：Arena

02

算力基建

KimiK3为2.8万亿参数、896选16超稀疏MoE架构的开源大模型。

官方建议至少64卡超节点才能部署K3，开源≠自部署，红利落在互联与超节点这一层。

K3开源后，政企优先选择国产算力超节点部署，规避海外高溢价GPU。K3训练需数万卡集群，月之暗面已采用国产服务器与加速卡替代英伟达A100/H100集群，直接拉动国产服务器、芯片、高速互联与液冷需求。

超节点&国产加速卡：超节点由64~1024张国产加速卡（昇腾910、海光DCU、寒武纪、摩尔线程、沐曦等）通过高速互联（华为HCCS、曙光硅光）组成，具备统一调度、共享内存、低延迟通信能力。Atlas950SuperPoD（1024张昇腾910B）为官方推荐首选国产算力，已完成K3全链路适配；海光DCU3兼容CUDA生态，适配推理场景；寒武纪思元590优化稀疏计算，适配MoE架构。

服务器：KimiK3训练/推理依赖大算力集群，直接拉动国产AI服务器与芯片需求。K3稀疏架构进一步降低算力消耗，TCO显著下降。国产服务器厂商中，浪潮信息为Kimi训练集群核心供应商，推出NF5488A6超节点，支持64张国产加速卡。中科曙光国产算力全栈自研，“曙光8000”十万卡超集群适配超大模型训练，能提供万卡级液冷超集群。

高速互联

AI算力集群的信息高速公路，负责服务器之间、GPU之间、机柜之间的低延迟、高带宽数据传输。K3把通信瓶颈推到极致，机架间/跨机房用高速光模块800G/1.6T 交换机MoE模型（如K3）属于All-to-All密集通信，每一轮推理都要在数百专家间做海量数据交换，带宽需求是稠密模型的数倍到一个数量级。

当前800G已大规模商用，成为AI集群标配。1.6T进入放量前夜，头部厂商已送样/小批量，预计2027年规模上量。

CPO共封装光学把光模块和交换机芯片封装在一起，进一步提升带宽、降低功耗，适配万卡级超集群。光通信是国产厂商核心优势赛道，中际旭创、新易盛、天孚通信、源杰科技、光迅科技等为代表的厂商基本实现自主可控。

液泠散热

超大算力集群散热依赖液冷技术。

AI芯片尤其国产卡 高负载MoE单卡功耗500–700W，单机柜功耗从传统10kW涨到40–120kW，风冷已接近极限，液冷成为核心方案。

以K3为例，其训练要数万卡连续跑数月，推理要7×24小时高并发，液冷能把温控稳定在±1–2℃，保障性能不衰减。

当前液冷两大核心技术路线为冷板式液冷和浸没式液冷。

冷板式液冷：冷却液在金属板内流动，贴合GPU表面，成本低、易改造，占市场93.5%。

浸没式液冷：服务器直接泡在绝缘冷却液里，散热最强，适配万卡级超高密度训练。

国内头部云厂商、运营商新建智算中心全部标配液冷，风冷逐步退出高密度AI场景。英维克、高澜股份等为代表的头部厂商已实现万卡集群规模化交付，适配国产昇腾/海光/寒武纪集群。

AIDC智算机房（数据中心）

智算机房和集群运维是模型稳定运行的基础。

K3必须≥64卡超节点，普通IDC机柜密度不够、散热不行，只有高端智算中心能承接。

智算中心AIDC是专门为AI大模型优化的高密度、高算力IDC。

传统IDC5–8kW/柜；AI智算中心40–120kW/柜，未来可达兆瓦级。

国产算力IDC润泽科技、世纪互联、数据港等大规模建设国产算力集群，承接K3等开源模型私有化部署需求。例如，润泽科技为月之暗面长期专属智算机房服务商，机柜上架率受益K3扩容。算力运维厂商亚康全程负责Kimi服务器上架、集群运维全栈服务。世纪互联、亚康股份等厂商均有所布局。

随着算力外溢以及租赁需求爆发，中小公司只能向IDC租赁K3算力，因此相关厂商的上架率和租金有望双升。

02

大模型技术层

KimiK3是国产大模型从闭源、依赖海外生态转向开源、国产软硬件闭环的关键拐点。

模型配套工具链：2.8万亿MoE 100万上下文需定制优化，带动框架、编译、推理加速、向量数据库升级。7月27日开放完整权重，支持本地私有化部署、微调与二次开发。K3原生适配国产芯片，兼容CUDA生态；自研MiniTriton编译器，性能对标OpenAITriton；华为CANN、寒武纪CNToolkit优化稀疏计算，推理延迟降低30% 。

国产深度学习框架：华为昇思、百度飞桨适配K3训练与推理；旷视MegEngine、清华Jittor适配轻量化版本，主打推理加速与低功耗场景。

模型安全与私有化部署：开源模型普及带动标注数据、内容审核、安全防护需求。深信服（琥珀资本投资月之暗面）、第四范式、商汤科技、奇安信提供模型水印、溯源、恶意指令拦截与内容审核服务。

MaaS模型服务分发：阿里云、腾讯云首批上线K3企业API，提供算力租赁、私有化部署与微调托管；华为云CodeArts集成K3，强化代码生成能力；软通动力、润和软件承接行业定制化部署。

国产大模型正从基础模型竞争迈向AGI与智能体融合新阶段。

Kimi K3的发布是国产大模型在高端化、差异化定价和底层能力建设上的里程碑事件，表明国产模型与海外顶级的差距正在持续缩小。同时，模型能力的提升和价格的丰富化，有望推动下游AI应用的春天加速到来。K3有望持续提升中国AI产业全球影响力，加速重构全球AI产业链格局。