谁害怕中国模型？

引言

文章从作者在凯洛格商学院的第一课谈起，指出技术行业因零边际成本而颠覆传统商业原则。然而，AI领域正让这些通用原则回归：边际成本再次成为关键，无论是短期免费模型的冲击，还是长期行业结构的变化。

COGS 与 R&D 的区分

开源模型常被误认为“免费”，但免费仅指研发（R&D）成本——固定支出，与收入无关。真正与收入挂钩的是销售成本（COGS），即推理成本。例如，若每1美元收入需0.5美元推理成本，则1亿美元收入对应5000万美元COGS。Kimi K3的定价（输入每百万token 3美元，输出15美元）虽低于Sol（输入5美元，输出30美元），但仅凭token价格不足以衡量真实成本。

Token 与智能的差异

英伟达CEO黄仁勋将GPU视为“token工厂”，但token并非商品。不同模型生成相同智能所需的token数量不同：Kimi K3可能比Sol消耗更多推理token，从而抵消价格优势。智能才是可互换的商品——只要输出正确答案，其价值相同。COGS取决于模型体积、推理效率、内存效率、服务效率及token效率。对于许多经济任务，智能正快速成为商品，此时盈利路径不是提价，而是拥有更优成本结构。

理解商品市场

在商品市场中，所有供应商以相同价格出售同质产品，价格由供需决定。边际成本最低的供应商获利最多，而成本最高的供应商面临破产风险。固定成本（如R&D）虽不直接影响定价，但可能压垮企业。例如：

• 供应商A以10美元成本生产10单位，售价20美元，每单位赚10美元。
• 供应商B以15美元成本生产10单位，每单位赚5美元。
• 供应商C以20美元成本生产5单位，每单位赚0美元。

当需求为25单位时，A和B可略微降价，迫使C承担短缺，最终C可能破产。

智能市场现状

目前前沿模型供不应求，计算资源稀缺。英伟达及其客户（如SpaceXAI）可转售计算资源获利，而Anthropic和OpenAI因模型能力、服务规模和token效率，拥有最低的每单位智能成本。它们能在竞争对手数月前提供特定能力水平的模型，并持续优化成本。市场尚未将智能视为完全商品：客户更青睐Anthropic和OpenAI，而非较弱模型。长期看，前沿模型制造商将主导非前沿市场，因为后者只是前沿减去数月优化时间。

前沿实验室的恐慌

前沿实验室对中文模型的恐慌源于两点：

1. 训练成本锚定：过去训练消耗GPU多于推理，实验室依赖高推理定价来资助下一轮训练。但未来推理市场增速将远超训练成本（即使训练成本持续飙升），实验室可通过规模盈利。
2. 智能尚未完全商品化：但智能正快速商品化，实验室需适应低价竞争。

作者认为，对Kimi等中文模型的反应过度。当前价格伞源于计算短缺，而非中文模型成本更低。前沿实验室应专注于开放美国替代方案，而非恐惧竞争。

原标题：Who's afraid of Chinese models?。 HN 原始发布时间：2026年7月20日星期一。当前记录为 946 分、835 条评论。

阅读原文 · 查看 HN 讨论