DeepSeek之后，华尔街以为自己能喘口气了。结果又被一个，几个月前还被嘲笑“掉队”的90后，吓得一激灵。他叫杨植麟。谁能想到，第二个震动硅谷的“梁文峰”，会以这样的方式登场。
 
一家公司几年前才成立，一个创始人一度被质疑掉队，如今突然让最新模型供不应求。月之暗面甚至不得不暂停部分新订阅，因为短时间涌入的需求已经把算力资源逼到极限。
 
这才是真正让硅谷不舒服的地方。
 
过去美国AI公司的优势很清楚：模型强、芯片多、资金厚、生态成熟。中国创业公司即便做出不错的产品，也常被认为只能跟跑。
 
可Kimi K3带来的变化，不只是又多了一个大模型名字。
 
根据月之暗面公布的信息，Kimi K3采用总参数约2.8万亿的混合专家架构，重点强化编程、智能体和复杂知识工作能力。公司还准备开放权重，让开发者能在自己的业务中修改、部署和继续训练。
 
模型到底是不是所有项目都超过美国头部产品，还要看独立评测、使用场景和长期稳定性，不能只看一张排行榜。
 
但资本市场担心的也不是“Kimi是否全面第一”。
 
它们真正害怕的是另一件事：如果中国公司用更低成本提供足够接近顶级闭源模型的能力，原来那套靠巨额算力投入、封闭模型和高价订阅维持的商业逻辑，会不会被迫重写？
 
这就是DeepSeek之后，美国市场最敏感的问题。
 
大模型行业过去几年形成了一种近乎固定的叙事：模型越强，参数越大，训练费用越高，只有少数掌握高端芯片和巨额资本的公司能留在牌桌上。
 
如果这个前提成立，英伟达卖更多芯片，云厂商建设更多数据中心，头部模型公司不断融资，一切都说得通。
 
可开放模型一旦追上来，事情就变了。
 
企业客户并不一定需要每个指标都全球第一。很多公司只要求模型足够稳定、成本可控、能部署到自己的数据和流程里。只要开放模型达到“够强、够便宜、够好改”，它就可能抢走大量实际订单。
 
这不是面子之争，是利润之争。
 
《华尔街日报》把Kimi K3与近期美国芯片、科技股承压联系起来，但股市下跌从来不是单一模型造成的。估值过高、盈利预期、宏观资金轮动和其他科技公司消息，都在同时起作用。
 
把美国科技股下跌全算到杨植麟头上，当然是标题党。
 
但说华尔街开始重新评估中国开放模型的冲击，并不夸张。
 
Kimi K3上线后需求激增，月之暗面暂停新订阅并扩充算力；公司同时推进融资和香港上市准备。路透社的报道显示，资本已经不再把它当成一场短期流量游戏。
 
杨植麟的履历同样容易制造传奇感。
 
他本科毕业于清华大学，后来在卡内基梅隆大学攻读博士，研究方向一直围绕自然语言处理和大模型。他参与过Transformer-XL、XLNet等项目，也有海外科技公司的研究经历。
 
但真正值得关注的不是“天才回国”这四个字。
 
而是中国AI创业正在形成第二种路径。
 
第一种路径是拼资源，尽可能复制美国大公司的研发规模。第二种路径则是把算法、工程效率、开放生态和本土应用结合起来，用更低价格把能力迅速铺开。
 
DeepSeek证明了高性能模型不一定只能靠最昂贵的方式训练。月之暗面则试图证明，开放模型不仅能做技术展示，也能进入编程、智能体和企业工作流。
 
这条路能不能一直走通，仍有不少问题。
 
首先是算力。订阅刚上线就因为资源吃紧而限流，说明热度很高，也说明基础设施仍是短板。产品想真正进入大规模商业市场，不能每次爆红都靠排队解决。
 
其次是收入。开放权重能换来生态，却不自动等于利润。开发者可以使用模型，企业为什么还要付费？云服务、企业部署、智能体平台和定制服务，哪一个能真正撑起估值，还需要时间验证。
 
最后是持续研发。大模型不是发布一次就结束。对手会升级，开源社区会复制，用户的耐心也很有限。今天的惊艳，只是下一轮竞争的入场券。
 
所以我不愿意简单把杨植麟称为“第二个梁文锋”。
 
这种称呼听着热闹，却容易抹掉两家公司不同的路线。DeepSeek更强调基础模型和训练效率，月之暗面从一开始就带着强烈的产品与长文本基因，如今又把重心推向智能体和开放权重。
 
他们真正相似的地方，不是谁像谁。
 
而是都让美国科技行业意识到，中国AI公司不再满足于做一个本土替代品，而是在直接参与全球能力和价格标准的制定。
 
这才是华尔街反复紧张的原因。
 
过去它担心中国没有高端芯片，会不会做不出顶级模型。现在它开始担心，中国公司在芯片受限的情况下，反而被逼着把效率、架构和成本磨得更狠。
 
一个对手资源充足并不可怕，商业世界早已习惯。
 
真正可怕的是，一个资源受限的对手，突然学会用更少的钱交出足够好的答案。