本文來自微信公眾號： 王智遠(yuǎn) ，作者：王智遠(yuǎn)
7月19日晚上，月之暗面發(fā)了一份公告，估計(jì)很多人都看到了。
標(biāo)題叫《關(guān)于算力緊缺與會(huì)員暫停開放的說明》。說三件事：
Kimi K3上線48小時(shí)，逼近集群承載極限；暫停C端新用戶訂閱，現(xiàn)有算力全部服務(wù)已訂閱用戶；后續(xù)新訂閱，Kimi主權(quán)益和Kimi Code權(quán)益拆開賣，「以方便更精準(zhǔn)匹配算力」。
同一個(gè)晚上，阿里千問官宣Qwen3.8即將發(fā)布開源，參數(shù)2.4萬億；對多數(shù)人來說，這就是條產(chǎn)品新聞?？赐炅?，劃走。
你要拿著算力股，里面有個(gè)反差，可以研究下。
被賣到停售的這個(gè)模型，三天來被用戶罵得最多的，恰恰是「貴」，發(fā)布博客把輸出定價(jià)寫到100元每百萬token，大概是上一代的4倍。
海外媒體直接拿這個(gè)說事，標(biāo)題叫「中國廉價(jià)AI時(shí)代的終結(jié)」，上手用戶曬的額度截圖，一天燒掉三五成，到處都是，抱怨列表的另一頭還掛著一個(gè)「慢」。
一邊貴到挨罵，一邊搶到關(guān)門，這兩件事同時(shí)成立，說明什么？「便宜」和「貴」這場架，兩邊吵的不是同一件事。
拆開來看，有三個(gè)刻度。
第一個(gè)刻度，單個(gè)token的標(biāo)價(jià)；K3確實(shí)便宜，輸入3美元、輸出15美元每百萬token，大約是GPT-5.6 Sol的一半，全部的價(jià)格優(yōu)勢，都長在這個(gè)刻度上。
第二個(gè)刻度不同了，干完一件事，到底花多少錢？
我查了第三方評測機(jī)構(gòu)Artificial Analysis的數(shù)據(jù)，截至7月21日口徑，跑完同一套智力測試，K3總共輸出約1.3億個(gè)token，是可比推理模型中位數(shù)6300萬的兩倍還多。
折到單個(gè)任務(wù)，K3約0.94美元，GPT-5.6 Sol開到最高檔呢？1.04美元。
幾乎打平，單價(jià)一半，話多一倍，賬單回到原點(diǎn)，用戶罵「額度燒得快」，罵的就是這個(gè)刻度的日常體感。
第三個(gè)刻度，總需求，停售公告本身就說明問題了，需求大到人家把門關(guān)了。
而且關(guān)門這家，手里本來就有閘，Kimi Code設(shè)著7天總量加每5小時(shí)滾動(dòng)窗口的雙層限流，幫助頁寫得清楚。
隔壁更直接，Qwen3.8預(yù)覽版壓根沒走「掛個(gè)API隨便買」的路子，只放在Token Plan訂閱里用，個(gè)人版掛兩層滑動(dòng)窗口，5小時(shí)、7天，觸頂即停，條款清清楚楚寫著：禁止當(dāng)API批量調(diào)用。
還有DeepSeek，六月底放了個(gè)消息，V4正式版要搞峰谷定價(jià)，高峰時(shí)段API價(jià)格翻倍，注意，用智能最貴的那個(gè)時(shí)段，恰好是你上班干活的時(shí)段。
幾周之內(nèi)，一家關(guān)門，一家裝閘，一家把電網(wǎng)的峰谷電價(jià)搬進(jìn)了API價(jià)目表；各干各的，指向同一件事：最強(qiáng)的智能，眼下是按份供應(yīng)的。
......
當(dāng)然，我這話也不能說得太滿，一家公司停售，只是一個(gè)樣本，不等于一個(gè)趨勢。
你說月之暗面自己卡買少了，也完全講得通；而且這波需求里摻著補(bǔ)貼，Qwen預(yù)覽期Credits消耗打一折，等于十倍用量白送，K3訂閱套餐的定價(jià)能不能覆蓋推理成本，也得打個(gè)問號。
不過，有一件事是確定的：
補(bǔ)貼也好，真實(shí)需求也好，攪在一起的現(xiàn)狀就是算力已經(jīng)先不夠用了。
有意思的是，市場第一反應(yīng)完全沒往這個(gè)方向走。
7月17日，A股CPO概念批量跌停；持倉群里刷屏的那句話你應(yīng)該見過：「第二次DeepSeek時(shí)刻」。什么意思？
2025年1月那筆舊賬還記得吧：
中國模型太省算力了，那算力和光是不是買多了？高盛的Rich Privorotsky在K3發(fā)布當(dāng)天也往這個(gè)方向定性，說這可能是「算力擴(kuò)張時(shí)代」終結(jié)的信號。
48小時(shí)后，那份停售公告出來了，算是對這個(gè)定性，當(dāng)場來了個(gè)回話。
價(jià)格戰(zhàn)這事，隨時(shí)可能反轉(zhuǎn)；DeepSeek的V4預(yù)覽版4月起就在走省算力路線，正式版上線要同步調(diào)價(jià)；比誰便宜，這個(gè)行業(yè)里從來沒有過定局。
有一樣?xùn)|西，回不了頭，這一代模型到底長成了什么形態(tài)？需要什么樣的集群來伺候它？貴與便宜是策略，形態(tài)是宿命。
所以，標(biāo)價(jià)砍半的模型，用到停售的需求，翻倍的任務(wù)賬單；三件事放在一起，你很難不問一句：K3的便宜，到底省在哪里了？
......
我先說結(jié)論，不全是省出來的。
K3拿到低價(jià)的每一招，都押著一個(gè)前提，三招拆開看，前提是同一個(gè)東西。
先說怎么看這套系統(tǒng)，把它想成一座貨運(yùn)園區(qū)；token是包裹，推理是分揀加派送，顯卡是工位，園區(qū)里的高速互連是傳送帶，跨園區(qū)的網(wǎng)線是跨城干線。
記住這個(gè)畫面，我們拆第一招：稀疏。
K3是混合專家模型，896個(gè)專家，每個(gè)token只激活其中16個(gè)；什么意思？每件包裹進(jìn)園區(qū)，只叫醒該干活的那十幾個(gè)工人，其余人不動(dòng)，電費(fèi)自然省了。
但前提馬上就跟來了，幾百個(gè)專家攤在幾十張卡上，包裹要在工位之間寄出去、算完、再寄回來；這東西有個(gè)行話，叫all-to-all通信。
這類流量對帶寬和延遲極其敏感，差一點(diǎn)都不行。
有基準(zhǔn)可查，DeepSeek開源的通信庫實(shí)測，同一高帶寬域內(nèi)每卡能跑到約160GB/s；跨節(jié)點(diǎn)呢？掉到約50GB/s。
月之暗面顯然知道這個(gè)問題，應(yīng)對就寫在發(fā)布博客里：
訓(xùn)練階段就搞了「完全均衡的專家并行」設(shè)計(jì)，部署一節(jié)明確建議「64個(gè)或更多加速器組成的supernode」，理由是推理效率受益于更大的高帶寬通信域。
這里我要說一點(diǎn)，64卡是跑得經(jīng)濟(jì)的門檻，是把token賣到這個(gè)價(jià)的前提；傳送帶不夠長，工人再省電，包裹也堵在路上。
第二招：緩存。
發(fā)布博客里有句話容易滑過去，借助Mooncake分離式推理架構(gòu)，編程場景緩存命中率超過90%，實(shí)際輸入價(jià)格僅為標(biāo)價(jià)的四分之一。
Mooncake是月之暗面自研的推理底座，它干的事是什么呢？
把緩存（行話叫KV cache）從單卡顯存里解放出來，在集群的處理器、內(nèi)存、硬盤之間流轉(zhuǎn)；翻譯一下：包裹不必每次回總倉重新打包，去就近的中轉(zhuǎn)倉取就行。
這東西有多能搬？
我查了它的開源基準(zhǔn)，一臺(tái)插滿8張400G網(wǎng)卡的節(jié)點(diǎn)，搬運(yùn)40GB緩存能跑到190GB/s。
四分之一的輸入價(jià)不是白來的，它建立在集群內(nèi)部大規(guī)模搬數(shù)據(jù)的能力上，網(wǎng)絡(luò)帶寬是這門生意的效率變量。
第三招：壓縮。
K3用自研的KDA線性注意力，把緩存體積大幅壓小。官方說法是，借助帶緩存的KDA，「即使在大模型規(guī)模和長上下文條件下，也能以很有競爭力的token價(jià)格提供服務(wù)」。
你看，壓小的包裹還是要搬，月之暗面今年掛出一篇系統(tǒng)論文，標(biāo)題就很說明態(tài)度了：
「下一代模型的KVCache可以跨數(shù)據(jù)中心」，把緩存當(dāng)一等公民資源，在更大的網(wǎng)絡(luò)里調(diào)度。方向直接寫在了論文標(biāo)題上。
三招放在一起，答案完整了。
稀疏省算力，前提是域夠大，緩存省重復(fù)計(jì)算，前提是搬得動(dòng)；壓縮省顯存，前提是緩存設(shè)施接得住，省錢的每一招，都建在網(wǎng)絡(luò)上。
很多人覺得推理是輕量活，訓(xùn)練才是重體力。不是的。這一代推理集群，長成了過去只有訓(xùn)練集群才有的形狀。
而且，這也不是一家的偏好，開源旗艦的「最小服務(wù)單元」，代際之間在變大。
上一代K2，官方部署指引最少16卡；K3推薦64卡起步。DeepSeek-V3的技術(shù)報(bào)告里，解碼階段最小部署單元是320卡。
再看過去一周的牌桌，已開源的V4-Pro站在1.6萬億參數(shù)，Qwen3.8官宣2.4萬億即將開源，MiniMax被曝下一款2.5到3萬億，這一代模型，都長這個(gè)形狀。
SemiAnalysis給K3的判詞也通了：它需要「更多的GPU、HBM、DRAM和網(wǎng)絡(luò)」。
回頭再讀那份停售公告，可以從技術(shù)角度換個(gè)讀法了：
卡不是問題，市面上買得到；問題是把幾十張卡綁成一個(gè)域；能同時(shí)跑稀疏、緩存、壓縮的那種集群，臨時(shí)拼幾臺(tái)機(jī)器湊不出來。
緩存要在網(wǎng)絡(luò)里流轉(zhuǎn)，隨便拉根網(wǎng)線也搬不動(dòng)；公告里那句「承載極限」，說白了，是長成這個(gè)形狀的算力池不夠用。
......
需求是真的，形態(tài)也定死了，這筆錢，落到產(chǎn)業(yè)鏈上，會(huì)記到哪一段的頭上？
這份需求能兌現(xiàn)多少，第一道閘門，就在剛才那句判詞里：HBM，高帶寬內(nèi)存。
SemiAnalysis給K3算過一筆硬件賬；2.8萬億參數(shù)的權(quán)重超過1.5TB，單臺(tái)機(jī)器的顯存根本裝不下，注定要攤在集群里。
如果國產(chǎn)承接這頭，閘門更窄。
同一家機(jī)構(gòu)拆過長鑫存儲(chǔ)的口徑：HBM晶圓產(chǎn)能去年底約5000片每月，今年底爬到約3萬片，綜合良率約25%。
對比一下，國際大廠良率在85%以上；此前囤了約1300萬堆庫存，按他們的測算，約夠160萬顆910C級芯片用。
我翻譯下啊：地和鋼材是限量的。今年明年能蓋幾座園區(qū)，基本已經(jīng)寫死了，這一段的賬，最確定，也最沒有彈性。
量看完，再說形態(tài)，采購的單位在變。
以前叫「買卡」，現(xiàn)在叫「買超節(jié)點(diǎn)」。剛閉幕的世界人工智能大會(huì)上，我去逛一圈，燧原、沐曦、摩爾線程、中興、百度、平頭哥，各家的超節(jié)點(diǎn)扎堆亮相。
園區(qū)里的傳送帶怎么修，取決于一個(gè)工程邊界：銅的半徑。
銅纜便宜、穩(wěn)定，問題是它只夠在一個(gè)機(jī)柜內(nèi)部把卡連起來；阿里的磐久128單柜方案，柜內(nèi)全銅，一只光模塊不用。
英偉達(dá)NVL72同樣柜內(nèi)全銅，域一大過一個(gè)機(jī)柜，故事就換了。
華為CloudMatrix 384用十六個(gè)機(jī)柜拼一個(gè)域，柜內(nèi)走銅，柜間走光；SemiAnalysis拆出來，整機(jī)約6912只400G光模塊，芯片和光模塊的配比約1比18。
注意，這個(gè)配比只屬于多柜形態(tài)，不能套到所有超節(jié)點(diǎn)頭上。
K3建議的64卡，今天恰好壓在這條銅光邊界上，單柜方案還兜得住；往前看一代呢？V3的320卡早就在柜外了。
最小服務(wù)單元16、64、320這條代際曲線，正在把負(fù)載往機(jī)柜外面推；域每跨出一個(gè)機(jī)柜，光的賬就跳一級。
最后說彈性，眼下最實(shí)的一段賬，在園區(qū)之間。
跨集群的高速以太網(wǎng)，吃的是800G和1.6T光模塊；我查了LightCounting今年2月的預(yù)測：800G出貨量今年再翻一倍以上，1.6T增長到數(shù)千萬端口量級，1.6T芯片組銷售額今年突破20億美元。
墊在這批訂單底下的，是貨運(yùn)總量本身，谷歌在I/O上自報(bào)，單月處理token達(dá)3200萬億，一年漲了7倍。
OpenRouter的官方博客說：
今年2月起，agent產(chǎn)生的流量超過了人類，單條agent請求消耗約是人類的15倍；包裹越來越多，寄件的還從人換成了不知疲倦的機(jī)器。
當(dāng)然，我前面說的全是需求往上走，這事還有另一面。
效率也在往前走，K3自己的輸出token比上一代少了21%；橫向比，仍是同行的兩倍；DeepSeek的V4，前面提過，走的稀疏注意力就是奔著省去的。
華為去年發(fā)了篇UB-Mesh論文，研究的東西更直接：機(jī)柜里用電纜直連，能少用光模塊就少用。
還記得那個(gè)貨運(yùn)園區(qū)的比方嗎？單件包裹在變小，包裝在變省。
所以，這其實(shí)是一場賽跑；總貨量跑在前面，光互連的賬就成立；哪天單件瘦身反超了總量，單位算力配多少光，就會(huì)掉頭。
兩邊都是真的，誰能跑贏，沒人知道。
有幾個(gè)東西可以盯著，按計(jì)劃，7月27日，K3的權(quán)重和技術(shù)報(bào)告放出來，看看誰第一個(gè)用64卡以上的國產(chǎn)集群把它跑起來。
Qwen3.8正式開源后，看它的部署指引推不推類似的大通信域；月之暗面全速擴(kuò)容，看采購?fù)姆N形態(tài)的集群流。
回到開頭那個(gè)反差：罵它貴的，罵的是token的標(biāo)價(jià)；把它搶到關(guān)門的，搶的是長成這個(gè)形狀的算力。
參考來源：
[1].月之暗面、千問、DeepSeek官方公告與文檔，Artificial Analysis、SemiAnalysis、LightCounting，DeepSeek-V3技術(shù)報(bào)告及Mooncake、DeepEP、UB-Mesh等公開論文與開源倉庫（數(shù)據(jù)截至2026-07-21）
[2].個(gè)人觀點(diǎn)，僅供參考，不構(gòu)成投資建議