上周很多人在讨论 Kimi K3 —— 中国月之暗面发布的这个开源大模型，是不是意味着 AI 硬科技要凉了。 我真正关心的，其实不是模型本身。 因为我越来越相信一个判断，一直没变过：AI 时代的钱，不会消失，它只会不断地迁移。 所以 K3 发布，我第一个想的不是"谁赢了、谁输了"，而是一个问题：这件事，会把钱推着往哪个方向流？ 今天，我们就用这个视角，来看 Kimi K3。 先看看上周到底发生了什么 上周有两件看起来互相矛盾的事，凑到了一块。 一件是 K3 发布。它有 2.8 万亿参数（这是它的总参数，实际每次干活只调动其中一小部分，属于业内说的"混合专家"架构）。在第三方的综合能力榜单上，它排到全球第三，已经很接近排前面的两个顶尖闭源模型 —— Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol，差距只有几分。而调用价格，大约是 Fable 5 的三分之一、GPT-5.6 Sol 的一半。它还承诺 7 月 27 号完全开源，让企业能下载回家自己部署。 另一件是：就在同一周，美国的半导体股票全线重挫。费城半导体指数一周跌了约 10%，从六月的高点已经跌超两成，正式进入了"技术性熊市"，英伟达、AMD 这些 AI 芯片龙头全线下挫。 很多人一下就把这两件事连起来了，得出一个特别顺的结论： 中国人用便宜不少的成本，就做出了这么强的模型 —— 这说明 AI 根本不需要烧那么多钱、买那么多芯片。所以 AI 硬科技要凉了，该跌。 这个逻辑听起来天衣无缝。但如果你顺着"钱往哪流"这个视角看，会发现可能正好相反了。 第一个提醒：效率变高，历史上往往让人"用得更多" 这里有个反直觉、但反复被验证的规律，经济学上叫"杰文斯悖论"。 十九世纪，蒸汽机效率大幅提升，烧同样的煤能干更多的活。按直觉，煤该用得更少了吧？结果正相反 —— 因为用煤变划算了

你好，我是熊猫校长 Ming。 先用一句话说清楚我是谁，再说我每天在研究什么。 过去 20 年，我做 IT 教育创业，手里有一张互联网络专家认证（CCIE#9748），带过二十几万 IT 学员。这 20 年我一直在研究同一样东西：IT 基础设施 —— 网络、服务器、存储、云、数据中心。 今天，我把研究的对象，从"旧世界的 IT 基础设施"，扩展到了"整个 AI 时代的新基础设施"。 一、我到底在研究什么 这两年，所有人都在追大模型、盯着聊天框。 但我越研究越确定一件事：大模型当然重要，可它只是最上面那一层。真正撑起整个 AI 时代、也真正让钱一层层往上流的，是它底下的那几层 —— 算力、存储、网络、电力、支付、数字资产…… 它们一层一层，拼出了一整个 AI 新世界。钱，正沿着这条链，一层层往上游流。 AI 时代最大的机会，可能不是 AI 本身，而是看懂 AI 时代的钱，会往哪里流。 瓶颈在哪，钱就往哪迁。 这句话，是我所有研究的那根主线。 我研究这个 AI 新世界，主要靠两张图。 一张是《AI 时代世界地图》—— 这是整个 AI 新世界的全景，接下来十年，我会一直画、一直更新它。 可这片大陆太大了。所以我得给自己找一条主线。 后来我找到了，就是钱。技术会骗人，概念会骗人，估值也会骗人 —— 但钱不会。钱往哪里流，藏不住。 所以我又画了第二张：《钱的河流》—— AI 的钱，是怎么一层层往上游流的。它是那张大地图里，我现在正走着的一条河。 地图我会画很多年，河流我每天都在看。因为对我来说，看懂 AI 时代的钱往哪里流，比知道今天哪只股票涨了，更重要。 二、我每天到底在做什么 我不想在这里堆头衔。我更想让你看到，我最近每天真在干嘛。 每天早上，我会花几个小时研究 AI 产业。最近看比较多的，是这几家公司：英伟达、谷歌、Meta、美光、台积电、博通、应用材料…… 我每天大概做三件事