硅谷AI成本革命：转向中国开源模型引发行业重构

近期，一则消息在Reddit社区掀起热烈讨论：硅谷科技界正逐渐从高价闭源AI模型转向更经济的开源替代方案。

被誉为“SPAC之王”的美国知名投资家Chamath Palihapitiya公开透露，其团队曾是亚马逊云科技Bedrock服务的头部用户，但现已将多数工作负载迁移至Groq平台上的中国模型Kimi K2，因为该模型性能卓越，且比OpenAI和Anthropic的解决方案便宜得多。

Kimi K2由月之暗面团队研发，采用混合专家（MoE）架构，总参数量高达1万亿，激活参数量为320亿。此前，多家知名平台如Vercel、AI编码助手Cline与Cursor、Perplexity及GensparkAI均已接入Kimi K2模型。

“最终选择开源模型，核心驱动力是成本。”Palihapitiya表示，其编程工具仍依赖Anthropic系统，虽技术出色但费用过高。而DeepSeek模型甫一推出便更具价格优势，但迁移过程需数周甚至数月。“AI模型迭代迅猛，突然切换至不同大语言模型并非易事，因为这些模型需经微调与工程适配才能协同工作。”

谈及模型所有权与风险时，Palihapitiya解释称，Groq接入中国模型的方式是：获取源代码，在美国本土数据中心进行部署、分支开发与优化，由美国团队操作。服务模式上，Groq将开源模型部署于自有基础设施，通过开放API实现“token输入、token输出”。

有网友称此举为“颠覆性行动”，另有人评论道，“真正的结构型转变”，“打赌OpenAI未预料此景”，“性能与成本正重塑AI生态格局！”

然而，也有网友指出，“Palihapitiya持有Groq大量股份，其推动行为或为投资利益站台。”

该消息源自Palihapitiya近期参与的播客节目，嘉宾包括白宫首任AI主管、前PayPal首席运营官David O. Sacks以及企业家David Freeberg、天使投资人Jason Calacanis。节目中，他们还探讨了DeepSeek等中国优秀开源AI模型对美国产业带来的挑战。

以下为对话内容，经InfoQ编辑整理：

1 “中国模型成本优势显著” 

Jason Calacanis： 中国大语言模型公司DeepSeek推出开源新模型DeepSeek 3.2 EXP，给美国AI行业施加压力。该模型速度更快、成本更低，并搭载DeepSeek稀疏注意力机制（DSA），加速大规模任务训练与推理。关键是其API成本大幅降低：每百万次输入28美分，每百万次输出42美分。对比Anthropic的Claude模型同类服务收费约3.15美元，DeepSeek价格仅为十分之一到三十五分之一。显然，市场价格战正愈演愈烈。

需说明的是，该模型为开源版本，已可在亚马逊云科技与谷歌云上使用。据多家初创公司反馈，他们正测试或已部署此模型，主因是其极致性价比。

Kimi模型则由另一家中国初创公司月之暗面开发。

David Freeberg： 当前AI领域正经历全面架构重构，从成本与能耗视角看，我们仍处于“每token成本优化”的早期阶段。据悉，美国实验室也在推进类似研究，预计将取得相近成果。中国或许略占先机，但更应关注技术趋势。若未来数月架构革新能使成本与能耗降低数个数量级，将对模型需求与token成本产生深远影响。

Chamath Palihapitiya： 作为Bedrock前20大用户，我们已将大量工作负载转移至Groq平台的Kimi K2模型，因其性能更强、价格远低于OpenAI与Anthropic。但编程工具仍运行于Anthropic系统，其技术优异可成本高昂。

当前困境在于：AI模型快速迭代，提示词切换至不同模型需经微调与工程适配，难以一蹴而就。例如，为优化Kimi或Anthropic模型代码生成所做的调整，无法直接应用于DeepSeek。即使DeepSeek价格更低，迁移也需数周至数月。这成为一场复杂博弈：是立即切换承受阵痛，还是等待其他模型追赶？

更棘手的是，上周末某大型模型公司提前展示下一代模型，性能出色却令我们无所适从：是弃用现有方案，还是投入资源重构迁移？任务越复杂，决策越困难。

2 美开源模型落后，中国领跑 

David O. Sacks： 开源话题颇具深意。我支持开源软件，因其能制衡科技巨头垄断。历史表明，关键技术常被少数公司控制，而开源提供替代路径，实现“软件自由”。

但现状是，领先的开源大模型均来自中国。中国在开源领域投入巨大，如DeepSeek、Kimi、阿里巴巴通义千问等。若美国欲赢AI竞赛，需面对矛盾：开源替代闭源是好事，但优秀开源模型全来自中国。美国虽有Meta投入数十亿美元于Llama，但Llama 4发布后反响平平，且传言Meta可能转向闭源。OpenAI的开源模型性能亦不及前沿版本。

一些初创公司如Reflection正开发美国本土开源模型，然目前开源领域是美国唯一落后于中国的板块。闭源模型、芯片设计制造、数据中心等其他环节，美国仍领先。

Jason Calacanis： 两点值得注意：其一，OpenAI名中“开放”原意指开源，现显讽刺；其二，苹果在AI领域落后，却推出开源模型Open ELM。规律似是：落后时开源（如中国、苹果），领先时闭源（如OpenAI）。

Chamath Palihapitiya： 开源与闭源竞争实已演变为中美对抗：美国主闭源，中国主开源，至少规模落地模型如此。

David O. Sacks： 但美国亦可推出开源模型。

Chamath Palihapitiya： 确实。然当前高性能闭源模型属美国，高性能开源模型属中国。随之而来的是token生成能耗与成本问题。昨日与能源企业CEO交流，其称若未解决之道，电价五年内必翻倍。

消费者将如何看待AI？为控下游成本，我们选用最廉模型。但成本问题将转为能耗危机，科技巨头或面临公关灾难：若被指导致电费翻倍，形象将受损。能源CEO提出两方案：一是“交叉补贴”，让科技公司以更高费率支付电费，补贴家庭用户；二是在数据中心周边家庭安装储能设备，缓冲电价冲击。

Chamath Palihapitiya： 选择开源模型经济逻辑更合理，因无法承担高额token成本及后续费用。

3 中国模型在美安全部署策略 

David O. Sacks： 请详解使用Kimi等模型的具体运作。许多人误以为开源模型所有权仍属中国公司，实则不然。一旦发布，代码可任意使用，无需在中文云运行，数据不传回中国，而是部署于自有基础设施。

Chamath Palihapitiya：初创8090公司时，唯一选项是Bedrock，即亚马逊云科技的推理服务。我们所有推理需求均由其承接。为优化成本，我们寻求Bedrock外其他模型供应商。后参与孵化Groq，其自有云平台接入Llama、OpenAI开源模型及中国模型。做法是：获取源代码，在美数据中心部署分支开发，由美国团队运营。中国提供“蓝图”，美国公司“建造”并服务。

故转向开源模型核心为成本，其价廉物美。Groq对我们如第二亚马逊云科技，提供API实现“token进、出”，但基于自有基础设施部署开源模型。用户选择纯看价格，如同以往对比云服务商。

David O. Sacks：自建基础设施运行模型更廉，且企业喜好因可定制性强，未来必现大量场景微调。企业常望模型部署于自有数据中心以保数据安全。然问题在于：分支开发后模型已非“中国模型”，由美公司运营却源自中国，若用于关键基础设施则存风险。Groq如何测试模型安全性、防范后门？

Chamath Palihapitiya： Groq有完整流程处理，但细节未询。若用编译版本或存风险，但基于开源代码自部署则无虞。漏洞发现将迅速社区共享。顶尖安全公司、云商与模型开发商皆在竞相揭露缺陷，此竞争循环有益，目前尚未现重大问题。

昨日与某模型公司首席安全专家交流，其团队测试所有内容以找漏洞，拖慢对手进度。此令人乐观，迄今模型均显负责。

David O. Sacks： AI本质是消费产品，将日益普及。故需应对其国家安全风险。数年前政策制定者曾想阻止AI发展、由少数公司掌控，此思路现看甚荒唐。AI已高度去中心化：美有五家闭源模型公司，中有八款主流模型，无数初创涌入。未来AI将去中心化、垂直化，多数应用无害，如商业方案、消费产品、热门视频，远非“核武”级威胁。

参考链接：

https://www.youtube.com/watch?v=ddAwgZ6ietc&t=2704s

https://www.reddit.com/r/LocalLLaMA/comments/1ohdl9q/silicon_valley_is_migrating_from_expensive/