最近香港上市的在公布啟用大型的數據中心，完全採用了國內的AI晶片技術，並且宣佈研發ASIC晶片之後，股價一度反彈，而多家證券行亦調高了預測。
不過，類似智譜的策略可能成為中國AI產業出海的前奏，解釋了中國大模型產業如此堅持開源AI，致力於成為美國以外最重要的AI發展力量。中國具備了所有出口AI從Token，從Token到AI系統full stack能力，甚至全球普及AI，行業格局預計漸漸改變。香港的市場由於有更多的AI廠商內上市，另一個AI投資熱潮，可能亦隨之而展開。
隨著 K3 發布，月之暗面展示了在 48 小時內利用開源 EDA 工具自主設計出服務於微型模型的 ASIC 晶片，全程未使用國際商業 EDA 軟件 Cadence 與 ），對全球半導體設計產業鏈造成震盪。月之暗面發布 Kimi K3 後，因算力需求暴增一度暫停訂閱，兩者皆推動了中國 AI 產業對定製化 ASIC 晶片的探索。智譜已建成設計功率達 1 吉瓦（GW）的巨型數據中心，全部採用中國製造的國產晶片（如華為昇騰系列等本土加速器），支援 GLM 大模型平台的研發。
以往，不少人都質疑中國的大模型開源，等於雙手奉送知識產權，以訓練大模型的成本越來越高，中國的AI廠商遲早會無以為繼，不過中國的大模型水平越來越高，甚至已經追近閉源大模型，中國似乎在開源上沒有動搖，長遠如何可以與美國的模型競爭，實在耐人尋味。
有部份的美國YouTube的AI評論人員認為中國是要着眼於全球大模型的工業標準，情況就類似Google開放了Android和Chrome源碼，結果成為了智能手機和Chrome book標準。
不過，從近日的發展來看，由於長遠來說大模型可能能成為了運算的基座，甚至好像作業系統，而中國受到美國的出口管制，無法獲得最先進人工智能晶片，這看來是窒礙了中國AI發展，隨時變相鼓勵中國發展AI晶片，中國在晶片設計和製作，也是僅次於台灣地區及美國。上個月的統計數據顯示，中國的晶片出口大幅增長，對於人工智能來說是一個大機遇。
由於人工智能的訓練和推論並沒有標準的晶片設計，目前來說仍然是全球最大的晶片設計公司，在訓練超大模型時， AI廠商仍然沒有太多的選擇。但是在推論階段，中國的AI廠商除了可以選擇華為以外，還可以自研晶片。
目前以AI晶片來說，市場上最大的廠商是NVIDIA與，另外則可以利用FPGA的設計，另外可以考慮ASIC。
NVIDIA 屬於通用型的晶片，由於CUDA生態系統極其成熟，又可以通過NCCL建立超大集群，在一般的模型訓練與推論可說是無出其右。但是先進的NVIDIA晶片受到出口限制，目前中國處於缺乏算力的困局。
FPGA晶片除了受到管制，全球最先進的FPGA廠商在2022年被AMD收購，加上難於建立大規模的集群，故此亦不容易發展，另一個問題是開發工程極其困難， FPGA的流行程度受到限制。
最後一個選項就是ASIC，屬於專門用途的晶片，原理幾乎是將所有的軟件變成了硬件，優點是功耗特低，非常穩定，缺點當然是升級的時候非常困難，而且以往設計ASIC的時間相當長，而且設計的成本也不低，如果產品不是大規模生產的話，基本上不會考慮。
但是，人工智能完全改變了成本結構，中國以往缺乏EDA設計晶片的軟件系統，而美國亦限制出口，但是人工智能可以完全自行完成晶片的設計和測試過程，加上ASIC不需要最先進的製程，中國的晶片製造業完全可以掌握。
中國在人工智能的最大優勢，包括了低廉的電力成本，其次就是半導體的製造業非常成熟，如今再加上開源模型，三者相加起來，就變成一場完美風暴。
由於發展中國家根本沒有財力使用美國的高價閉源模型，所以中國的開源模型成為唯一的選擇，雖然目前可以安裝在通用的晶片，例如是NVIDIA、AMD、至是Apple Silicon 之上，不過長遠來說大模型的電力消耗相當驚人，唯一的方法就是利用專屬的晶片去運行，所以中國的大模型公司，遲早會推出自己的硬件生態，即使是這些模型開源，可以安裝在其他硬件上，但是從Token價格，以致每個Token運行的效率，都會在硬件層面上完全優化。
所以，一般消費者來說，最划算的方法依然是向這些大模型公司買API，而 Token 價格會越來越低，中國的模型公司變相將中國低廉電力出口，這也是月之暗面的口號，為轉化電力能源尋求最優解。
除了消費端的客戶，不少企業也在質疑美國大模型公司正利用推論數據進行訓練，變相盜竊知識產權。另一方面有關敏感數據以及訓練數據的出口，又越來越嚴格，據報中國政府亦正與模型公司商討限制數據出口。各國企業在部署模型是傾向於本地化部署，除了出於成本考慮，亦是保護本身知識產權和符合法規。
如果美國的企業保持以閉源方式，只是着眼於出售token，中國AI方案就成為唯一的選擇。企業可以選擇利用通用的晶片進行部署中國的開源模型，亦可考慮利用中國大模型公司的ASIC晶片，由於ASIC 成本和電力消耗都有明顯優勢，加上以整個技術stacks出貨，在性價比上很容易將通用晶片排擠出市場。
目前，大模型公司已經形成了一種閉環式升級的狀態，月之暗面的K3就是由K2幫助訓練，未來亦可以自行設計晶片，形成同樣的循環。智譜正探索為其模型開發專屬的定製化 ASIC 晶片，以提升推理效率並擺脫對單一硬體的依賴。相信其他大模型公司亦會緊隨其步伐。
K3 因性能優異引發大量訂閱，月之暗面啟動熔斷機制，暫停新用戶訂閱以保障算力供應。不少開發人員在指出， K3在某些長編程任務，表現甚至超越了GPT 5.6 sol，但是在速度經常會卡頓，甚至利用kimi code也會突然出現卡着的情況。不少原本利用Claude Code和Codex 用戶，正在嘗試以更低價的kimi作為替代。
Anthropic 和 OpenAI兩間公司都是預計在今年內上市，估值近 9000 億美元，巧合的是近期多間風險投資不約而同唱淡，鼓吹企業利用低價Token的大模型，以減低AI的成本支出。事實上，部份企業人工智能開支也確是失控，較早前就表示，公司的員工在四個月內已經花光了2026年全年的AI預算。部份企業的開發和軟件維護，已經完全交給AI，可以說是沒有回頭路。
這些公司都是Anthropic 和 OpenAI兩間公司的主要收入來源，長遠是否願意不計成本採購Token，實在令人懷疑。美國AI企業缺乏整個晶片製造生態，所有硬件開發完全倚賴NVIDIA和AMD兩家企業，晶片生產就依賴台積電。Anthropic 和 OpenAI兩間公司收入，如果不是售賣Token，就可能只有倚靠廣告收入，如此一來有與Google及Meta 正面交鋒，另外SpaceX則有龐大的自動駕駛以及太空發射，再加上Cursor以及其他初創作用家後盾，Grok幾乎是立於不敗之地。
Anthropic 和 OpenAI兩間公司表面風光，處境亦有危機，原因之一是收入過於單一。不過，Anthropic 本身有全球最大雲服務商 AWS 作後盾，通過雲服務銷售 Tokens，保證了大量客源，這個也是阿里雲等開發Qwen的有利原因，雲端應用可消耗大量 AI 服務，確保了銷售。而不少初創亦可以利用云服務的基建去開創新的應用和服務，間接為AI廠商帶來收入， AWS作為全球最大的雲服務商，長期銷售Anthropic的API，加上有研發自家的AI晶片，並大規模部署，大大降低了成本，雖然AWS本身的大模型，如Nova的性能只是聊備一格，可幸投資了Anthropic，彼此可說互贏。
OpenAI開始時獲得Microsoft大量投資，但是Azure在雲服務市佔率遠不如AWS，加上漸行漸遠。目前來說，OpenAI 規劃了大量的算力，目前還是沒有開發出本身AI晶片，完全倚賴NVIDIA的循環投資，未來如果市場不如預期，這些已經規劃並部署的算力如何消耗，實在令人憂慮。
當然，另一間完全具備full stack的企業就是Google，具備了雲服務以及AI晶片，但是規模上與AWS仍然是有距離，但是Google旗下DeepMind在AI的前沿研究有多項突破，加上廣告收入強勁，競爭力可輾壓其他對手。
雖然，美國的AI廠商在能力上仍然是一線地位，但美國制裁中國，限制廠商向中國銷售AI算力，但是另一方面又很難限制本身的企業購買，或間接應用中國的開源模型，結果是形成了一種單向的滲透現象半透膜現象，中國的模型滲透到美國去，美國的模型卻很難滲透到中國內地。美國的論點是防止中國抄襲美國的先進技術，問題在於AI的研究大部份都是通過學術論文發佈，非常公開。此外全球的AI研發者不少都是中國人，這個圈子非常細小，難於防守秘密，即使是如此，中國的研究人員亦自行開發了新的訓練技巧，數個月前月之暗面創辦人楊植麟在 GTC 大會上以詳細闡述訓練K3的策略。通過限制中國使用先進大模型，阻止中國發展策略，無助長遠遏制中國，長遠只會打擊美國企業利益，問題在美國華盛頓大部份的政客，昧於技術發展，決策想當然矣，缺乏謀略，中國基本上是工程師治國，類似的決策上，不會陷於美國自相矛盾。