Kimi K3 的发布，对美国的震惊似乎我们想象的要大的多。上周末推特刷屏后，连黄仁勋也坐不住了，几十年不用社交媒体的人紧急开号，第一条也没有废话，直接发了个联名信，要美国不要限制开源模型。

结合英伟达已经许久不涨的股价，黄仁勋可能真的有点着急，着急英伟达的增长叙事：

如果 AI 继续由少数闭源模型公司主导，算力需求是否已经被市场充分预期；如果开放权重模型继续扩散，英伟达能否把更便宜的模型，转化成更大的使用量和更多基础设施需求。

黄仁勋给出的答案很明确。他公开反对按模型来源一概禁止，称中国模型「非常优秀」，美国企业应被允许使用。对英伟达来说，关键不是替某一家闭源实验室维持高价，而是让尽可能多的企业、开发者和云厂商真正使用 AI。

这也是芯片股短期承压与英伟达长期叙事之间的分歧。市场担心的是，低成本开放模型会压缩美国 AI 服务商利润率，并让单位推理更省；英伟达押注的是，价格下降会打开更多场景，最终带来更大的总调用量、私有部署和算力消耗。

英伟达需要的不只是闭源巨头继续买卡

过去两年，英伟达的 AI 叙事很大程度上建立在一个清晰逻辑上：前沿模型越来越大，训练和推理都需要更多 GPU，云厂商和模型实验室会持续扩建基础设施。

这个逻辑仍然成立，但它也带来一个隐含问题：如果 AI 产业的使用入口、产品节奏和模型定价权都集中在少数闭源实验室和大型云平台手中，英伟达的需求增长就会更依赖少数大客户的资本开支计划，以及闭源服务商业化速度。

这并不是一个坏生意。闭源实验室、云厂商和平台公司仍然是 AI 基础设施最重要的购买方之一。但对已经被市场高度定价的英伟达来说，投资者会继续追问：下一阶段增量从哪里来？

如果闭源模型持续维持高价，企业采用 AI 的速度可能受制于成本、数据边界和部署方式。很多公司会先试用 API，但不一定把 AI 深度嵌入自己的业务系统。对上游芯片公司而言，这意味着算力需求虽然集中、规模大，但扩散速度更依赖少数平台的商业化节奏。

开放权重模型改变的是这个结构。它不一定马上替代最强闭源模型，但它给企业、开发者和云厂商提供了另一种路径：把模型拿到自己的环境里运行、微调、审计和集成。只要更多组织开始把 AI 放进客服、编程、研究、流程自动化和私有部署，基础设施层就有机会获得更分散、更广泛的需求来源。

所以，市场交易的不是「某个模型会不会打败 OpenAI」，而是「AI 需求会不会从少数闭源入口，扩散到更多企业和场景」。这才是英伟达最关心的问题。

开放权重削弱闭源定价权，也可能扩大算力池

开放权重可以理解为把训练好的「模型参数」交给外部使用。权重发布后，企业可以在自己的服务器或云环境中运行、微调和审计模型。

对闭源模型公司来说，这会改变谈判位置。过去企业如果想用最强模型，往往只能接受闭源 API 的价格、数据边界和功能节奏。现在，如果一个可自部署模型在特定任务上足够好，闭源厂商就必须解释，客户为什么还要为更贵的服务付费。

这也是 OpenAI、Anthropic、谷歌这类闭源路线面临的压力。它们仍然可以在产品体验、代理能力、工具链、安全对齐、企业合规和生态分发上维持壁垒。Anthropic 6 月推出的 Claude Science 就是一个例子，它把模型包装成面向科学家的 AI 工作台，强调工具集成和可审计产物。

但基础推理能力越接近商品化，闭源模型越需要证明自己卖的不是「更聪明的聊天接口」，而是更可靠的工作流、更强的代理执行、更好的安全责任和行业集成。否则，低成本开放模型会把价格锚向下拉。

对英伟达来说，这种变化并不一定是坏事。闭源模型定价权被削弱，可能影响 AI 服务商利润率；但如果更便宜的模型让更多企业开始部署 AI，推理、微调、本地化和私有化需求反而可能扩大总算力池。

DeepSeek 之后，市场已经经历过类似争论。更高效率的模型短期看像是「少用 GPU」，但如果价格下降激活更多需求，中长期可能变成「更多场景使用 AI」。

英伟达押注的正是后者。它的核心生意不是模型 API，而是芯片、服务器和数据中心。只要 AI 使用量上升，需求最终仍会落到基础设施层。

黄仁勋反对把开放模型等同于风险

在这轮讨论中，黄仁勋以个人首条推文分享了一封由英伟达联署的公开信《开放权重与美国 AI 领导力》。联署方包括 Meta、微软、Andreessen Horowitz、Hugging Face、IBM、Mistral AI、Palantir、Perplexity、Mozilla、NVIDIA、Y Combinator 等逾 20 家科技公司及机构。

公开信的核心表述是，美国既需要顶尖闭源模型，也需要顶尖开源模型，政府不应过早限制开源 AI。换句话说，签署方并不是否认安全风险，而是在反对把开放权重本身直接等同于风险来源。

这封信重要，是因为它把英伟达的商业利益和美国 AI 生态的结构问题放到了一起。英伟达关心 AI 使用量和基础设施需求；Meta、微软等平台公司需要更灵活的模型生态；Hugging Face、Mistral AI、Mozilla 等更直接站在开放模型和开发者生态一侧。

这些公司利益并不完全一致，但在一个问题上有交集：如果开放权重过早被监管框架压住，美国企业和开发者使用低成本模型的选择会变少，AI 扩散也会更依赖少数闭源服务商。

对英伟达而言，这并不是最理想的市场结构。它需要的不只是少数前沿实验室继续训练更大的模型，也需要更多企业真正把 AI 用起来。只有当 AI 从少数平台服务变成广泛部署的基础能力，英伟达才能继续讲「算力需求仍在扩张」的故事。

因此，黄仁勋对中国模型的表态和公开信并不是孤立事件。它们共同指向同一件事：英伟达不希望 AI 竞争被简化为「禁止某类模型」，而是希望更多模型、更多场景和更多开发者进入算力需求池。

中国相关限制会影响英伟达预期

另一个市场必须面对的问题是政策边界，但这不只是「中国模型能不能被限制」的问题，更是「限制会不会反过来削弱英伟达在中国 AI 产业链中的位置」。

Kimi K3 的关键不只在于模型能力，也在于它并不是建立在最新一代英伟达旗舰芯片之上。市场讨论中更敏感的一点是，Kimi K3 使用的是 H800 这类已经受到出口管制影响、并非最新规格的芯片。换句话说，即便在先进芯片供应受限的情况下，中国模型公司仍然能够继续训练出有竞争力的前沿模型。

这也是黄仁勋长期反对一刀切限制中国市场的核心逻辑。限制并不会让中国 AI 需求消失，只会迫使中国企业寻找替代路径：更高效的模型架构、更低成本的训练方式，以及更多国产芯片适配。DeepSeek 之后，市场已经看到中国模型公司在效率路线上的压力测试；而 DeepSeek 开始适配华为芯片，也意味着中国 AI 生态并不会完全停留在英伟达 CUDA 和 GPU 体系之内。

对英伟达来说，这才是真正值得焦虑的地方。短期看，限制中国可能影响的是某些芯片销售和订单预期；中长期看，如果中国模型厂商、云厂商和应用公司被迫加速适配非英伟达硬件，英伟达在中国 AI 基础设施中的份额就可能被持续稀释。竞争对手不一定马上追平英伟达，但只要可用性持续提高，客户迁移的动力就会增强。

所以，芯片股的波动不只是对某个中国模型的反应，而是对英伟达长期预期的再定价：闭源路线能否继续支撑高增长，开放模型会不会打开新增量，政策又会不会把潜在客户推向英伟达之外的替代方案。

闭源实验室仍有优势，但估值叙事更难

开放权重模型的兴起，并不意味着闭源前沿实验室已经失去价值。

闭源模型仍然拥有明显优势。它们可以围绕产品体验、代理执行、工具链、安全对齐、企业合规和生态分发建立壁垒。对于很多企业客户来说，可用性、稳定性、责任边界和集成能力，可能比单个模型榜单分数更重要。

但估值叙事会变得更难。过去，闭源实验室可以依靠「最强模型」解释高价格和高估值；现在，它们需要证明自己不仅模型更强，而且能提供更可靠、更完整、更难替代的企业级系统。

这对英伟达有双重影响。一方面，如果闭源实验室利润率受压，市场可能担心它们未来基础设施投入节奏。另一方面，如果开放模型降低采用门槛，更多企业、云厂商和开发者加入部署，英伟达的需求来源反而更分散。

OpenAI、Anthropic、谷歌未出现在公开报道的开放权重公开信签署名单中，这不能推导为它们支持限制中国模型。它只能说明，闭源前沿实验室与硬件、开源和平台公司在利益结构上并不完全一致。

英伟达站在硬件层，更希望看到多条模型路线并存。闭源模型继续冲击前沿能力，开放模型负责降低门槛、扩大使用场景。只要两者共同推高 AI 使用量，英伟达就是主要受益者之一。

投资者真正要盯的是使用量

这轮争论不会只停在黄仁勋的一句表态上。影响定价的，是美国政策会把限制打到哪里，以及开放模型能否真正进入企业部署。

如果开放权重模型只是引发舆论争议，却没有形成可持续的企业使用，英伟达的核心需求仍会回到少数闭源实验室和大型云平台的资本开支周期。那意味着市场对英伟达的增长预期，需要继续由大客户订单来验证。

如果开放模型持续进入企业环境，并带来可观察的推理、微调、私有部署和行业集成需求，英伟达的故事就会从「少数巨头买更多 GPU」，扩展为「更多组织开始消耗 AI 算力」。

投资者更该盯住两个变量。一个是美国限制是否落到可执行的采购、云服务和实体清单层面。另一个是开放权重模型能否真正进入企业部署，并带来可观察的算力消耗。

前者决定政策风险，后者决定黄仁勋所说的市场误读，能不能变成英伟达的真实订单需求。芯片股交易的不是某个模型的胜负，而是 AI 需求还能不能继续扩散。

原文：律动 BlockBeats