Kimi K3 的發布，對美國的震撼似乎比我們想像的要大得多。上週末推特刷屏後，連黃仁勳也坐不住了，幾十年不使用社群媒體的人緊急開號，第一條也沒有廢話，直接發了封聯名信，要美國不要限制開源模型。
結合英偉達長時間未上漲的股價，黃仁勳可能真的有點著急，著急英偉達的增長敘事：
如果 AI 繼續由少數閉源模型公司主導，算力需求是否已經被市場充分預期；如果開放權重模型繼續擴散，英偉達能否將更便宜的模型轉化為更大的使用量和更多基礎設施需求。
黃仁勳的答案非常明確。他公開反對根據模型來源一概禁止，稱中國模型「非常優秀」，應允許美國企業使用。對英偉達來說，關鍵不在於為某一家閉源實驗室維持高價，而在於讓盡可能多的企業、開發者和雲廠商真正使用 AI。
這也是晶片股短期承壓與英偉達長期敘事之間的分歧。市場擔憂的是，低成本開放模型會壓縮美國 AI 服務商的利潤率，並讓單位推理更節省；英偉達押注的是，價格下降將開啟更多場景，最終帶來更大的總調用量、私有部署和算力消耗。
NVIDIA 所需的不只是閉源巨頭繼續購買晶片
過去兩年，英偉達的 AI 叙事很大程度上建立在一個清晰的邏輯上：前沿模型越來越大，訓練和推理都需要更多 GPU，雲廠商和模型實驗室會持續擴建基礎設施。
這個邏輯仍然成立，但它也帶來一個隱含問題：如果 AI 產業的使用入口、產品節奏和模型定價權都集中在少數閉源實驗室和大型雲平台手中，英偉達的需求增長就會更依賴少數大客戶的資本開支計劃，以及閉源服務商業化速度。
這並不是一門壞生意。閉源實驗室、雲廠商和平台公司仍然是 AI 基礎設施最重要的購買方之一。但對於已被市場高度定價的英偉達來說，投資者會繼續追問：下一階段的增量從哪裡來？
如果閉源模型持續維持高價，企業採用 AI 的速度可能受制於成本、數據邊界和部署方式。很多公司會先試用 API，但不一定把 AI 深度嵌入自己的業務系統。對上游晶片公司而言，這意味著算力需求雖然集中、規模大，但擴散速度更依賴少數平台的商業化節奏。
開放權重模型改變的是這個結構。它不一定立即取代最強的閉源模型，但它為企業、開發者和雲廠商提供了一條替代路徑：將模型拿到自己的環境中運行、微調、審計和整合。只要更多組織開始將 AI 應用於客服、編程、研究、流程自動化和私有部署，基礎設施層就有機會獲得更分散、更廣泛的需求來源。
因此，市場交易的不是「某個模型是否會打敗 OpenAI」，而是「AI 需求是否會從少數閉源入口擴散到更多企業和場景」。這才是英偉達最關心的問題。
開放權重削弱閉源定價權，也可能擴大算力池
開放權重可理解為將訓練好的「模型參數」交由外部使用。權重發布後，企業可在自己的伺服器或雲端環境中運行、微調和審計模型。
對於閉源模型公司而言，這將改變談判立場。過去，企業若想使用最強大的模型，往往只能接受閉源 API 的定價、數據邊界和功能節奏。現在，如果一個可自行部署的模型在特定任務上足夠優秀，閉源廠商就必須解釋，客戶為何還要為更昂貴的服務付費。
這也是 OpenAI、Anthropic、谷歌等閉源路線所面臨的壓力。它們仍可在產品體驗、代理能力、工具鏈、安全對齊、企業合規和生態分發上維持壁壘。Anthropic 於 6 月推出的 Claude Science 就是一個例子，它將模型包裝成面向科學家的 AI 工作台，強調工具整合與可審計成果。
但基礎推理能力越接近商品化，閉源模型就越需要證明自己賣的不是「更聰明的聊天介面」，而是更可靠的工作流程、更強的代理執行、更好的安全責任和行業整合。否則，低成本開放模型會把價格錨向下拉。
對英偉達來說，這種變化未必是壞事。閉源模型的定價權被削弱，可能影響 AI 服務商的利潤率；但如果更便宜的模型讓更多企業開始部署 AI，推理、微調、本地化和私有化的需求反而可能擴大總算力池。
在 DeepSeek 之後，市場已經歷過類似的爭論。更高效率的模型從短期來看像是「減少使用 GPU」，但如果價格下降帶動更多需求，中長期可能變成「在更多場景中使用 AI」。
NVIDIA 正是押注於後者。其核心業務並非模型 API，而是晶片、伺服器和資料中心。只要 AI 使用量上升，需求最終仍會落到基礎設施層。
黃仁勳反對將開放模型等同於風險
在這輪討論中，黃仁勳透過個人首條推文分享了一封由英偉達聯署的公開信《開放權重與美國 AI 領導力》。聯署方包括 Meta、微軟、Andreessen Horowitz、Hugging Face、IBM、Mistral AI、Palantir、Perplexity、Mozilla、NVIDIA、Y Combinator 等逾 20 家科技公司及機構。
公開信的核心表述是，美國既需要頂尖閉源模型，也需要頂尖開源模型，政府不應過早限制開源 AI。換句話說，簽署方並非否認安全風險，而是在反對將開放權重本身直接等同於風險來源。
這封信之所以重要，是因為它將英偉達的商業利益與美國 AI 生態的結構問題結合在一起。英偉達關注 AI 使用量和基礎設施需求；Meta、微軟等平台公司需要更靈活的模型生態；Hugging Face、Mistral AI、Mozilla 等則更直接站在開放模型和開發者生態的一側。
這些公司的利益並不完全一致，但在一個問題上存在交集：如果過早開放權重被監管框架壓制，美國企業和開發者使用低成本模型的選擇將減少，AI 的普及也將更依賴少數閉源服務商。
對英偉達而言，這並不是最理想的市場結構。它需要的不只是少數前沿實驗室繼續訓練更大的模型，也需要更多企業真正把 AI 用起來。只有當 AI 從少數平台服務變成廣泛部署的基礎能力，英偉達才能繼續講「算力需求仍在擴張」的故事。
因此，黃仁勳對中國模型的表态和公開信並不是孤立事件。它們共同指向同一件事：英偉達不希望 AI 競爭被簡化為「禁止某類模型」，而是希望更多模型、更多場景和更多開發者進入算力需求池。
China-related restrictions may affect NVIDIA's expectations
另一個市場必須面對的問題是政策邊界，但這不只是「中國模式能否被限制」的問題，更是「限制是否會反過來削弱英偉達在中國 AI 產業鏈中的地位」。
Kimi K3 的關鍵不僅在於模型能力，也在於它並非建立在最新一代英偉達旗艦晶片之上。市場討論中更敏感的一點是，Kimi K3 使用的是 H800 這類已受到出口管制影響、並非最新規格的晶片。換句話說，即便在先進晶片供應受限的情況下，中國模型公司仍然能夠繼續訓練出有競爭力的前沿模型。
這也是黃仁勳長期反對對中國市場實施一刀切限制的核心邏輯。限制並不會讓中國的 AI 需求消失，只會迫使中國企業尋找替代路徑：更高效的模型架構、更低的成本訓練方式，以及更多國產晶片的適配。在 DeepSeek 之後，市場已見到中國模型公司於效率路線上的壓力測試；而 DeepSeek 開始適配華為晶片，也意味著中國 AI 生態並不會完全停留在英偉達 CUDA 和 GPU 體系之內。
對英偉達來說，這才是真正值得焦慮的地方。短期來看，限制中國可能影響的是某些晶片的銷售和訂單預期；中長期來看，如果中國的模型廠商、雲廠商和應用公司被迫加速適配非英偉達硬體，英偉達在中國 AI 基礎設施中的份額就可能被持續稀釋。競爭對手不一定馬上追平英偉達，但只要可用性持續提高，客戶遷移的動力就會增強。
因此，晶片股的波動不僅是對某個中國模型的反應，更是對英偉達長期預期的重新定價：閉源路線能否繼續支撐高增長，開放模型是否會開啟新增量，政策又是否會將潛在客戶推向英偉達之外的替代方案。
閉源實驗室仍有優勢，但估值敘事更難
開放權重模型的興起，並不意味著閉源前沿實驗室已經失去價值。
閉源模型仍具有明顯優勢。它們可以圍繞產品體驗、代理執行、工具鏈、安全對齊、企業合規和生態分發建立壁壘。對於許多企業客戶來說，可用性、穩定性、責任邊界和集成能力，可能比單個模型排名分數更重要。
但估值敘事將變得更困難。過去，閉源實驗室可以依靠「最強模型」來解釋高價格和高估值；現在，它們需要證明自己不僅模型更強，而且能提供更可靠、更完整、更難替代的企業級系統。
這對英偉達有雙重影響。一方面，如果閉源實驗室的利潤率受到壓力，市場可能擔心它們未來基礎設施投入的節奏。另一方面，如果開放模型降低採用門檻，更多企業、雲廠商和開發者加入部署，英偉達的需求來源反而更分散。
OpenAI、Anthropic、谷歌 未出現在公開報導的開放權重公開信簽署名單中，這不能推導為它們支持限制中國模型。它只能說明，閉源前沿實驗室與硬體、開源和平台公司在利益結構上並不完全一致。
NVIDIA 在硬體層面更希望看到多條模型路線並存。閉源模型持續衝擊前沿能力，開放模型則負責降低門檻、擴大使用場景。只要兩者共同推高 AI 使用量，NVIDIA 就是主要受益者之一。
投資者真正要盯的是使用量
這輪爭論不會只停在黃仁勳的一句表態上。影響定價的，是美國政策會把限制打到哪裡，以及開放模型能否真正進入企業部署。
如果開放權重模型僅引發輿論爭議，卻未能形成可持續的企業應用，英偉達的核心需求仍將回歸至少數閉源實驗室和大型雲平台的資本支出週期。這意味著市場對英偉達的增長預期，仍需由大客戶訂單來驗證。
如果開放模型持續進入企業環境，並帶來可觀察的推理、微調、私有部署和行業整合需求，英偉達的故事就會從「少數巨頭買更多 GPU」，擴展為「更多組織開始消耗 AI 算力」。
投資者更應關注兩個變量。一個是美國限制是否落實到可執行的採購、雲服務和實體清單層面。另一個是開放權重模型能否真正進入企業部署，並帶來可觀察的算力消耗。
前者決定政策風險，後者決定黃仁勳所說的市場誤讀，能否轉化為英偉達的真實訂單需求。晶片股交易的不是某個模型的勝負，而是 AI 需求能否繼續擴散。
律動 BlockBeats