分層讀法 · 上篇 · 2026-07

不是誰追上誰,
而是哪一層

2026 年夏天的每一則爆炸性新聞都是真的,K3、DUV 和開放權重連署信都是。而幾乎每一次誤讀,資料都沒有錯,錯在把不同的層壓成了同一層。

一份分層拆解 · 資料截至 2026-07-28 · 2026-11-13 改版 · 下篇《沒有匯率》

上篇與下篇

這篇問「哪一層」。六週後的《沒有匯率》問「哪一個分母」,把這裡帳本層留下的問題,拿去對賣方、買方與帳單三本帳。兩篇原本各自成文,用的是同一個讀法:一個數字先問清楚它量的是什麼,再談誰追上誰。文中標「接到下篇」的地方,下篇有底稿可查。

落差不是一個數字,是一疊數字

由表層至基底。每一層記它自己的讀數。

L5表層
應用與商業化
中國可能領先
但利潤正被內卷吃掉,領先未必轉成錢
L4
模型與演算法
4–7 個月
已接近收斂,且常被學術指標低估
L3
訓練算力
硬約束
走私解決推論,解決不了前沿訓練
L2
HBM 與先進封裝
良率約 25%
這一輪真正的瓶頸,卻最少人談
L1基底
微影與上游設備
約 15 年
DUV 開始收斂,EUV 仍在原型階段
條長沿用初版的示意比例,沒有對應的量測值。五層的讀數單位各不相同,有月,有良率,也有年,彼此不能換算。

導論 · 一個讀法

同一個詞,在不同的層意思不同

「追上」「便宜」「開源」「做出來」,這四個詞在這場辯論裡各有至少兩種意思,而混用它們的代價,是整條因果鏈失效。

過去兩週,三則新聞讓美中科技競賽重新變成頭條。Moonshot 7 月 16 日發表 2.8T 參數的 Kimi K3,十天後釋出權重。[1, 2]一家上海的國家背景公司開始小批次生產國產浸潤式 DUV 微影機,ASML 應聲重挫。輝達主導的開放權重連署信在 24 小時內從 25 家擴增到 50 家。[3]

三件事都是真的。而圍繞它們的評論,絕大多數的錯誤不在事實,在層次。

把中國在演算法工程上的真實強項,記在硬體自主的帳上。把總參數當成啟用參數。把 token 單價當成任務成本。把「做出來」當成「可用」。把「開放權重」當成「開源」。把技術有效當成資本不會被摧毀。這六種混淆,各自催生了一種流行論述,而每一種都在自己那一層是對的,跨層就崩了。

這場辯論裡幾乎每一次誤判,都是把一個有阻尼的系統,畫成了自由落體。

所以這篇不打算回答「中國追上了嗎」。那個問題沒有單一答案,因為每一層有自己的時鐘、瓶頸與收斂速度。它要給的是一組讀法:當你看到一條因果鏈,先問哪一環被假設成沒有摩擦力。

岩心 01 · 基底 L1–L2

做得出來,和跑得起來

7 月 27 日的 DUV 新聞是這一層的完美樣本:一則真實的里程碑,被讀成了一個並不存在的供給。

五台,對一百三十一台

The Information 報導,一家上海的國家背景公司首次小批次生產國產浸潤式 DUV,今年交付中芯、華虹、長鑫。Reuters 隔天點名這家公司是 Shanghai Aishengna。[4] ASML 在阿姆斯特丹盤中一度跌 6.5%,收跌 4.6%,美股掛牌的部分盤中跌逾 8%,收跌 5.8%,並拖累 AMAT、LRCX、KLAC。[5, 6]

但量體是這樣的:

中國國產(2026 年目標)

約 5 台

中國國產(2027 年目標)

約 20 台

ASML(去年實績)

131 台

而規格上,這台機器外觀類似 ASML 的 Twinscan NXT:1950i,那是 2008 年推出的機型。多數零件為中國製,但部分關鍵件仍來自日本。目標製程 28 奈米。報導自陳效能與製造品質仍落後,進產線前可能還需要數個月測試。[8]

所以「自製還是拆別人的」這個問法,答案是第三種:逆向工程加上關鍵件進口。那幾個「關鍵件」很可能就是最硬的部分:ArF 準分子雷射光源、精密光學鏡組、超精密工件台、光阻。這幾樣才是 ASML 護城河的實體。

而「做出來」到「可用」還有五道關

套刻精度與 CD 均勻性、每小時產出片數、稼動率、機台間一致性、製程整合。這五項的驗證週期以年計,而且沒有捷徑。良率爬坡需要跑過足夠多的批次,這是統計問題,不是努力問題。

最好的反例就擺在同一則新聞裡:SMEE 的 SSA800 系列據報已售出約十台,同樣對標 28 奈米浸潤式 DUV。你聽過任何一座中國晶圓廠說自己的產線靠 SMEE 在跑嗎?沒有。今天這則新聞該對照的不是 ASML,是 SMEE 自己。

查核 2026-11-13 這個對照比原本寫的更貼近。Asia Times 引中國分析師的說法:Aishengna、宇量昇與 SMEE 用的是同一批工程師,做的就是 SSA800 這一系的機器。[9] 所以新聞裡那台機器和 SSA800 是前後身,不是兩家的兩台。「已售出約十台」這次沒有查到出處。待查

真正的瓶頸在隔壁:HBM

絕大多數談中國半導體的文章花大篇幅談微影與 7 奈米,談雕花與堆疊,卻幾乎不提記憶體。而長鑫分給 HBM 的投片,SemiAnalysis 六月的模型估 2025 年約每月 5,000 片,2026 年約 3 萬片。[10] HBM3 樣品剛交付、預計 2026 年底才小規模試產,HBM4 研發才剛啟動。待查 HBM3 八層堆疊的前段良率估約 35%,後段約 70%,綜合僅約 25%。[11, 12]

更麻煩的是成本方向:國產 HBM3 因良率低與設備折舊,出廠價預估比國際同規格高出 30–50%。待查這買到的是昂貴的保險,稱不上便宜的替代品。

分層結論

設計、封裝、系統整合、演算法最佳化,可以用工程人力硬堆出來,中國最強的就是這一塊。EUV 光源、蔡司光學、光阻、量測設備,是幾十年累積的隱性知識加上極小的終端市場,商業上根本沒有誘因去複製。

所以長期約束在成本:東西做得出來,但做出來的成本結構永遠劣勢。全球分工的價值不在誰會做,在做一次賣全世界攤提。中國那條線是做一次只賣自己。

岩心 02 · 模型層 L3–L4

兩個字的差別:激活

DeepSeek 創辦人說中國最大的模型只有幾十 B,Kimi K3 卻是 2.8T。兩句話量的不是同一件事,矛盾感大半來自轉述時砍掉的兩個字。

梁文鋒的原話是:現在全球最大的模型,它的激活大概是 800B;國內最大的模型可能就幾十 B 激活。[13, 14] 這段話出自流出的投資人會議紀要,DeepSeek 沒有認證過。[15]

他講的不是總參數,是啟用參數(他說的「激活」),也就是 MoE 模型每處理一個 token,實際被叫醒去算的那部分。而 K3 是 2.8T 總參數、896 個專家每 token 只啟用 16 個、稀疏度約 98.2%。發表時外界照專家比例推算,啟用參數約 50B。[1] 7 月 26 日釋出的 model card 寫的是 104B。[2]

K3 的啟用參數是一百 B 出頭,比他說的「幾十 B」多,卻只有 800B 的八分之一左右。它是那句話的例證,不是反例。

MoE 是用記憶體換計算

順帶戳破一個常見前提:MoE 從來不是閉源的作法。它是公開發表的學術成果,出身就在西方大廠(Shazeer 2017、GShard、Switch Transformer),會給人閉源印象只是因為 GPT-4 被傳是 MoE 而從未證實。中國實驗室是把它推到極端稀疏度的人,不是發明者。

而它的本質是把參數量與每 token 的 FLOPs 解耦。在算力被卡死的處境下,這是唯一能用有限 FLOPs 買到大模型容量的路。梁文鋒把帳算得很白:要訓練同等規模的模型「應該需要 5 萬張 GB300,或者華為 950、20 萬卡,這只是訓練,還沒有考慮做研究」。[13]

但代價是把成本推到 HBM 上。MoE 對中國是部分脫困,不是脫困:從一個他們拿不到的瓶頸,搬到另一個他們也拿不到的瓶頸。K3 這個架構選擇本身,就是制裁留下的指紋。

K3 便宜的是 token,貴的是 turn

「中國模型便宜」是這一層第二個被壓平的說法。攤開實測就會發現,它取決於你的工作負載形狀:

Kimi K3 · 每任務成本
AA-Briefcase(agentic 知識工作)$10.57
Intelligence Index 一般套件$0.94
同在一般套件下的 Opus 4.8$1.80
列表定價(每百萬 token)$3 / $15

差別在 turn 數。K3 在 AA-Briefcase 每任務用掉 120k output tokens、83 個 turn,平均耗時是 Fable 5 的約 2.5 倍。而上一代 K2.6 只用 42k tokens、54 turns。AA 的歸因有三項:單價比上一代高,輸出 token 變多,turn 數偏高。[16]

反過來也成立:在長 terminal 任務上,Fable 會失控跑到 64 turns、1.5M tokens,有時直接 timeout。待查兩個模型都不是全面精簡,只是浪費的地方不同。

所以架構效率不等於經濟效率。KDA 把 forward/backward pass 從 283.6ms 壓到 114.4ms 是真的待查,但那是 kernel 層的成績,跟端到端任務成本之間隔著一整個「模型知不知道何時該停」的問題。那是後訓練的事,架構解決不了。

接到下篇 W/P 08 下篇拿 OSWorld 2.0 的九組模型與模式來算,得到一句看起來相反的話:決定帳單的是單價,不是步數。兩句並不衝突。這裡比的是同一個模型在兩種工作負載上的成本,單價沒有變,每任務從 0.94 美元到 10.57 美元,差在用量。下篇比的是不同模型,步數大約差三倍,每步成本卻差將近一百倍。帳單是用量乘單價,哪一項拉得開,哪一項就決定結果。

蒸餾:兩個指控要分開

Anthropic 二月的揭露指控三家實驗室透過約 24,000 個詐欺帳號產生超過 1,600 萬次交流,其中 Moonshot 超過 340 萬次,標的是 agentic 推理與工具使用、程式碼與資料分析、computer-use、電腦視覺,後期階段特別轉向擷取推理軌跡而非最終答案。[18]

關鍵判讀是:340 萬次當預訓練語料可以忽略,K3 預訓練吃的是兆級 token。但當後訓練的 agentic 軌跡資料,這是極有價值的量,因為這種資料自產極貴。而它對應的,剛好就是 K3 最強的地方。

所以較準確的說法是:蒸餾大概給不了 K3 基礎智慧,但很可能給了它行為的形狀。

校準

白宮 OSTP 主任 Kratsios 7 月 22 日指控 Moonshot 蒸餾 Fable 開發 K3,沒有附證據。[19, 20] 這是另一個指控,而它有時間問題。Fable 5 在 6 月 9 日首發,三天後因出口管制指令停用,7 月 1 日才恢復。[21, 22, 23] 到 K3 7 月 16 日發表前,Fable 能用的日子是六月的三天加上七月的十五天。窗口極短,多位專家質疑 K3 的表現難以主要歸因於此。[20]

二月那組(340 萬次、agentic 軌跡)時間上完全說得通,Kratsios 這組站不太住。把兩者混談,會讓後者沾了前者的可信度。

差距:4 到 7 個月,但月份的含金量在漲

Epoch 的 ECI 指標顯示,2023 年以來中國模型平均落後美國前沿 7 個月,區間 4 到 14。[24] 直接推算 K3 得到約 6.08 個月。待查 美國 CAISI 五月評估 DeepSeek V4 Pro,結論是落後約 8 個月,而且差距在擴大。[25] MCNAIR 認為兩邊都高估了資料能支撐的確定性,自己給 3–9 個月。待查

接到下篇 W/P 11 下篇在 9 月 10 日重量一次,用同一個 Epoch 指數,加上 CAISI 五月對 DeepSeek V4 Pro 的評估(約 8 個月),寫成五到八個月。兩個區間的快照與來源不同,引用時要帶日期。

但最少人講、也最重要的是這件事:月份這個單位本身在通膨。ECI 的進展速度從 2024 年前約每年 8 點,到 2026 年 5 月約每年 15.5 點,翻了一倍。[26]

同樣是「落後六個月」,2026 年的六個月所代表的能力差,比 2024 年的六個月大得多。維持同樣的月份數,需要的努力是逐年增加的。

還有一個有方向的偏誤:追趕者可以選發布時機,領先者不行。追趕方能壓著等到某條線能贏了才端出來,領先方受商業節奏驅動。K3 7 月 16 日發表時第三方檢驗只有幾天,權重還沒放,所有 serving 數字來自業者自己的基礎設施,權重到 7 月 26 日才釋出。同期的 Fable 5 從 6 月 9 日首發算起已經七週,中間停用了兩週半,實際公開可用約一個月。這會讓所有量到的差距系統性偏小。

岩心 03 · 另一座堆疊 · 帳本層

真的便宜、帳算得漂亮、有人先墊

中國模型的成本優勢是三件不同的事疊在一起被讀成一件。而美國那一邊的帳,有另一套問題。

第一桶:真實的工程效率。MLA、FP8 訓練、GRPO、MoE 稀疏化、KDA,這些都被獨立複現過,不是帳目遊戲。任何「中國只會抄」的論述在這裡會撞牆。

第二桶:會計上的排除。那個著名的 557.6 萬美元只算最後一次訓練跑,不含研發、失敗的跑、資料、人力,也不含卡的資本成本。[27]

第三桶:外部化的成本。電力與地方補貼、蒸餾指控,以及走私卡。而走私卡價格在半年內翻倍待查,那是讓成本變高不是變低。

而第一桶的紅利正在耗盡

V3(2024 年底)

約 557.6 萬美元

V4(估)

約 5 億美元

將近百倍。而更能說明問題的是行為:2026 年 4 月,DeepSeek 被曝尋求百億美元估值、至少 3 億美元戰略融資,「永不融資」這條鐵律在 V4 出來前一週破了。[28]一個真的把成本壓到別人做不到的公司,不需要在發新模型前一週去募資。

生產力:任務層是真的,企業層消失了

這是「AI 泡沫」爭論的核心。它不能寫成「有人說有、有人說沒有」,因為同一批研究同時得出了兩個結論。

同時成立的兩組數字
顧問完成任務數(BCG/哈佛田野實驗)+12.2%
完成速度+25.1%
低於平均者的提升+43%
企業 AI 試點失敗率(MIT NANDA)約 95%
諾貝爾獎得主估十年全要素生產率0.5–0.7%

中間漏掉的東西被量化了:史丹佛與 BetterUp 提出的「workslop」,也就是 AI 生成的低品質內容。40% 的工作者上個月收到過,每次要花將近 2 小時去解讀、修正或重做。[31]你在下游省的時間,被上游倒灌回來。

所以效果在個人層是真的,在組織層被組織自己吃掉了。問題出在流程重組,不在技術,而流程重組比買 GPU 慢得多。

但真正的泡沫論點不在生產力,在會計

技術有效與資本不會被摧毀,是兩件獨立的事。鐵路是真的、光纖是真的,投的錢照樣蒸發。目前被拿出來檢驗的是:超大規模業者用 5–6 年攤提可能只有 2–3 年經濟壽命的硬體;資本支出預估吃掉 2026 年約 94% 的營運現金流(先扣掉股利與回購)[32];約 6,620 億美元已簽約、尚未起租的資料中心租約在資產負債表外[33];未來三年估需再發行約 1.5 兆美元新債待查。

接到下篇 W/P 03 攤提年限這一項,下篇逐家列了變更紀錄。同一個產業裡有人延長、有人縮短,所以下篇把年限叫做會計選擇。

最赤裸的一張快照是 CoreWeave 2026 年 Q1:積壓訂單 994 億美元,單季營收 21 億,單季資本支出 68 億,GAAP 營業虧損 1.44 億。[34, 35]積壓訂單證明需求,不證明報酬。

而有個結構性事實常被略過:沒有 AI 投資,美國可能已經在衰退中了。28 檔直接 AI 股票佔 S&P 500 市值的一半,科技業資本支出在過去三季貢獻了美國 GDP 成長的 40–45%。待查這產生一個依賴悖論:批評者說是泡沫的那筆投資,正是撐住經濟不衰退的東西。

中美的風險形狀不同

美國的風險是金融傳染:折舊、槓桿與估值重估,快速、劇烈,而且可觀測。中國的風險是資源錯配:投了但用不起來,緩慢而隱形,以閒置產能的形式存在。中芯自己就警告過倉促建設的 AI 資料中心可能閒置。待查

有個諷刺的細節:中國其實已經先把自己的模型層利潤打到零了,靠的是開源與價格戰。所以他們比較不可能出現模型層估值崩盤,因為那裡本來就沒有估值可崩。

至於這是不是泡沫,分歧不在資料,在時間尺度。Solow 1987 年那句「電腦時代處處可見,就是不在生產力統計裡」講的就是這個:IT 的效果要到 1990 年代中期才顯現。如果 AI 走同一條曲線,那麼技術是對的、資本的時機是錯的,而這兩者可以同時成立。

岩心 04 · 另一座堆疊 · 政治層

當「開放」被兩邊同時當武器

一封連署信在 24 小時內從 25 家變成 50 家。這個翻轉本身,比信的內容更有資訊量。

7 月 24 日,輝達主導的《Open Weights and American AI Leadership》發布,首批 25 家簽署,黃仁勳把人生第一則 X 貼文獻給它。當時三家握有頂尖閉源模型的業者全數缺席。[36]

24 小時後,簽署方擴增到 50 家:OpenAI、Google、超微、思科、Cloudflare 補簽,另有 GitHub、Block、Ollama、Mozilla、Cohere 加入。[37, 3] 頂尖實驗室裡只剩 Anthropic 缺席,亞馬遜同樣未簽。到 7 月 28 日,輝達網站上的名單是 77 家,SpaceX 也在裡面。[38] 初版寫 xAI 未簽,這一點沒有查到出處。待查

一個被證偽的框架

在首批 25 家的名單上,可以觀察到一個乾淨的規律:沒有一個簽署者在賣閉源前沿模型。「跟著錢走」看起來完美解釋了名單。

而它在 24 小時內就被推翻了。這是分析上的錯誤,不是資料上的:把一張快照當成了結構。「跟著錢走」預測的是穩態下的利益排列,不是新聞週期第一天的行為。當政治成本高於商業成本時,政治成本會先發作。

翻轉的意義:簽署的訊號價值歸零

如果 OpenAI 和 Google 一天內就改變立場,說明簽署的成本很低,不簽的成本很高。信的訴求相當溫和:不要對可下載模型祭出過早限制,擴大新創的運算取得,投入公共資金建立共享資料集與評估框架。這種內容簽了幾乎不用付代價,而且兩家都有開放權重產品可主張言行一致。

一個同時包含開源純粹派與閉源前沿實驗室的 50 家聯盟,談不上信念聯盟,它的共同點是「沒人想當那個被說支持審查的人」。

而「開源」從來不是公司層級的立場

Google 就是現成的例子:Gemma 4 開放權重、Apache 2.0,Gemma 系列歷代累計超過 4 億次下載。[39, 40] Gemini 3.1 完全閉源、登頂排行榜。待查兩者並行,不是立場轉變。

規律是:大家只開源自己前沿的下一層。把下面那層商品化,護住上面那層的利潤。這在軟體業有幾十年歷史,不是理想主義。

輝達最賣力鼓吹,動機也最結構性:黃仁勳在 CES 2026 給的數字是每 4 個生成的 token 就有 1 個來自開放模型待查,而這些部署在企業叢集與地端機櫃的買家沒有自家 TPU 或 Trainium 可選。順帶一提,輝達 6 月釋出的 5,500 億參數 Nemotron 3 Ultra[41] 得到 47.7 分,落後 Kimi 的上一代 K2.6 的 53.9 分。待查

而 K3 就算開源,也幾乎沒人跑得起

實務最低配置是 8 節點、每節點 8 張 80GB GPU,共 5.12TB 記憶體,也就是 64 張卡起跳,兩三百萬美元的硬體。[42]

這戳破了那封信最弱的類比。開源軟體的門檻是授權,拿掉授權就人人可用。K3 的門檻是資本,權重免費但入場費兩百萬美元。所以在前沿尺度上,開源做到的是把壟斷租金從模型層擠到基礎設施層,離還權於民還很遠。那是另一批寡頭,只是換了一批。

真正的價值流出在別處:託管商的競爭(十家供應商決定價格地板,而非模型作者),蒸餾出來的小模型與領域微調版,以及資料不能外送的主權客戶。

缺席者的說法

7 月 27 日,Anthropic 執行長發表立場文,核心是一句可證偽的否認:從未主張禁止開放權重模型。文中支持三項措施:不賣晶片與設備給中國並打擊走私,打擊工業規模的蒸餾,所有足夠強大的模型(開源與閉源)都應強制安全測試。[43]

有幾處明顯對自己不利:關於「威權政府造出更強模型」這個主要威脅,文中明說開放與否無關、美國企業有沒有使用也無關,並直接寫道禁令「確實會保護美國 AI 公司免於競爭,但那從來不是我的目標」。[44]第三項措施也打到自己。

該懷疑的地方同樣清楚。打擊蒸餾是三項裡最符合自身利益的一項。文中「幾個月」的差距估計連向自家研究,而獨立估計分布更寬。而「因為 scaling laws,沒有美國晶片就造不出更強模型」與「蒸餾能部分規避晶片禁令逼到幾個月內」之間,存在未解決的張力。最重要的一點:「不是禁令」不等於「沒有負擔」。強制發布前測試對開源方的成本結構是不對稱的,而「足夠強大」的門檻沒有定義。所有實質影響都藏在那個門檻裡。

兩邊都在搶同一個詞

7 月 17 日,習近平在上海世界人工智慧大會高舉「開放」,呼籲全球合作的交響樂而非單一國家的獨奏,並要求共同反對在 AI 領域泛化國家安全概念,這被讀為直指美國出口管制。[45, 46]

而美國的政策同時在往兩個方向走:眾議院 1 月 12 日以 369 比 22 通過《遠端存取安全法》,把雲端算力比照實體晶片管。[47] 同時 BIS 在 1 月把 H200 對中國的審查從推定拒絕改成個案審查,據報導原因正是華為 Ascend 起來了。待查

當一個詞被競爭雙方同時當武器使用,它的資訊量就趨近於零。

尾聲 · 可證偽的觀察點

與其預測,不如訂好會改變判斷的訊號

下面每一項的共同點是:它只驗證單一層,不會被跨層敘事污染。

最後一個不屬於任何一層,但可能最有用:當你讀到一條崩盤論或超車論,找出它假設沒有摩擦力的那一環。「中國傾銷 AI 導致美股崩盤」那條鏈的牆是合規與資料落地。「中國彎道超車」那條鏈的牆是 HBM 與 EUV。「開源讓技術民主化」那條鏈的牆是兩百萬美元的入場費。

這些論述用的資料往往沒有錯,毛病出在把有阻尼的系統,畫成了自由落體。

對讀 · 接到下篇

這篇留下的,下篇接在哪

這篇把落差拆成層,每一層換一個單位。下篇《沒有匯率》往下再問一步:同一層裡,賣方、買方與帳單算的也不是同一個分母。

這篇留下的下篇接在哪下篇怎麼說
token 單價不等於任務成本岩心 02 · 模型層W/P 08、10把每次成功成本與人工兜底算進去,長任務、完成率低的時候,預算由失敗率乘上人工決定
攤提年限與積壓訂單岩心 03 · 帳本層W/P 02–04回本期是會計選擇,賣方只公開鏈的兩端
「追上多少」沒有單一答案導論 · 岩心 02W/P 11同一組尺量中國實驗室,每把尺的答案不同

兩篇的寫法不同。這篇初版沒有逐筆出處,2026 年 11 月 13 日補查了一輪,查到的掛上編號,查不到的標「待查」,數字仍停在 7 月 28 日。下篇每個數字都標了來源等級。兩篇數字對不上的地方,先看下篇的出處。

出處 · 2026-11-13 補查

查到的,更正的,還沒查到的

初版沒有逐筆出處。這一輪把各層的數字與事件重查一次,共掛上 47 筆。來源等級沿用下篇的排序:揭露(財報、官方文件、論文)> 調查 > 分析師 > 轉述 > 部落格。標「當事人」的是 Anthropic 自己的公告,利益關係見附記。

更正紀錄

  1. Fable 5 時間線:6 月 9 日首發,6 月 12 日停用,7 月 1 日恢復。初版寫「遲至 7 月 1 日才公開」與「已被公開檢驗五週」。
  2. K3 啟用參數:model card 是 104B。初版寫估計 50–60B,並說它「正正好」落在幾十 B。
  3. K3 時間:7 月 16 日發表,7 月 26 日釋出權重。初版寫「過去一週」與「承諾開源權重」。
  4. ASML 跌幅:阿姆斯特丹盤中 6.5%、收跌 4.6%,美股盤中逾 8%、收跌 5.8%。初版寫 6.6% 與 4.5%。
  5. Twinscan NXT:1950i 是 2008 年推出的機型。初版寫 2010 年前後。
  6. AA 每任務成本表:Opus 4.8 的 $1.80 屬於一般套件。初版把它列在 AA-Briefcase 下。
  7. K3 成本偏高的原因改引 AA 的三項歸因。初版寫「只有一檔最大推理強度」,AA 另列有 low 檔。
  8. DeepSeek 訓練成本左格是 V3 的 557.6 萬美元。初版標成 R1 約 587 萬。
  9. HBM:每月 5,000 片是 2025 年的投片估計,35% 是前段良率。初版寫成現況產能與「另有報導給 35–50%」,柱狀圖讀數同步改為約 25%。
  10. 94% 的分母要先扣股利與回購,6,620 億美元是尚未起租的租約。初版寫「未開工」。
  11. 4 億次下載是 Gemma 歷代累計。初版寫成 Gemma 4 的數字。
  12. Kratsios 的指控在 7 月 22 日。初版寫「本週」。
  13. 連署信的未簽名單拿掉 xAI,改列待查。7 月 28 日的名單上有 SpaceX。

這一輪沒有查到的

內文標「待查」的地方共十六處,都保留初版原文。

另外,企業 AI 試點 95% 失敗一項來自 MIT NANDA 的報告,這次沒有附連結。BCG、Acemoglu 與 workslop 三筆用的是已知的原始頁面,這一輪沒有重新開頁核對。

出處

  1. Moonshot unveils Kimi K3, the world’s largest open AI model · The Next Web,2026-07 轉述
    https://thenextweb.com/news/moonshot-kimi-k3-largest-open-model
  2. Moonshot AI Releases Kimi K3 Open Weights(轉述 model card) · Let’s Data Science,2026-07 轉述
    https://letsdatascience.com/news/moonshot-ai-releases-kimi-k3-open-weights-099c256f
  3. Huang’s open-weights letter doubles to 50, Anthropic still out(轉述 Forbes) · AI Weekly,2026-07 轉述
    https://aiweekly.co/alerts/huangs-open-weights-letter-doubles-to-50-anthropic-still-out
  4. China starts production of home-grown immersion DUV lithography tools · Reuters(Business Day 轉載),2026-07-28 調查
    https://www.businessday.co.za/world/international-companies/2026-07-28-china-starts-production-of-home-grown-immersion-duv-lithography-tools-source/
  5. ASML shares fell 6.5% after a report that China has started mass-producing DUV lithography tools · The Next Web,2026-07 轉述
    https://thenextweb.com/news/asml-slides-china-duv-lithography-tool-production
  6. China’s home-grown DUV progress not biggest threat to ASML, analysts say · South China Morning Post,2026-07 調查
    https://www.scmp.com/tech/tech-trends/article/3362139/chinas-home-grown-duv-progress-not-biggest-threat-asml-analysts-say
  7. ASML 去年出貨 131 台浸潤式 DUV,中國今年約 5 台、明年約 20 台 · The Korea Herald,2026-07 轉述
    https://mbiz.heraldcorp.com/article/10822959
  8. Chinese chipmaking tool roadmap examined · Tom’s Hardware,2026 轉述
    https://tomshardware.com/tech-industry/semiconductors/chinese-chipmaking-tool-roadmap-examined
  9. China’s DUV lithography still lags ASML by four generations · Asia Times,2026-07 轉述
    https://asiatimes.com/2026/07/chinas-duv-lithography-still-lags-asml-by-four-generations/
  10. CXMT 條目(轉述 SemiAnalysis 2026 年 6 月的投片估計) · AI Wiki,查於 2026-11-13 轉述
    https://aiwiki.ai/wiki/cxmt
  11. China’s CXMT begins HBM3E production as chip battle with Korean powerhouses widens · Korea JoongAng Daily,2026 轉述
    https://www.koreajoongangdaily.com/business/chinas-cxmt-begins-hbm3e-production-as-chip-battle-with-korean-powerhouses-widens/12854260
  12. CXMT HBM3 良率:ChosunBiz 與 SemiAnalysis 兩組數字的對照 · XenoSpectrum,2026-09 轉述
    https://xenospectrum.com/en/cxmt-hbm3-yield-stacking/
  13. 梁文鋒會議紀要曝光:英偉達護城河正瓦解 華為超節點可完全平替 · 巴士的報,2026-07 轉述
    https://bastillepost.com/hongkong/article/16427311-%E6%A2%81%E6%96%87%E9%8B%92%E6%9C%83%E8%AD%B0%E7%B4%80%E8%A6%81%E6%9B%9D%E5%85%89%EF%BC%9A%E8%8B%B1%E5%81%89%E9%81%94%E8%AD%B7%E5%9F%8E%E6%B2%B3%E6%AD%A3%E7%93%A6%E8%A7%A3-%E8%8F%AF%E7%82%BA%E8%B6%85
  14. DeepSeek 創辦人梁文鋒放話華為一年就可擺脫輝達,美中差距只在算力 · TechNews 科技新報,2026-07-24 轉述
    https://technews.tw/2026/07/24/deepseeks-liang-wenfeng-tells-investors-restraint-is-the-business-model/
  15. 梁文鋒會議實錄遭刪帖(DeepSeek 未認證會議紀錄) · Ruibao,2026-07 轉述
    https://ruibao.news/deepseek-liang-wenfeng-leaked-investor-meeting-huawei-nvidia-en/
  16. Kimi K3: second only to Fable 5 on AA-Briefcase · Artificial Analysis,2026-07-21 分析師
    https://artificialanalysis.ai/articles/kimi-k3-agentic-knowledge-benchmark
  17. Kimi K3 achieves #3 in the Artificial Analysis Intelligence Index · Artificial Analysis,2026-07-17 分析師
    https://artificialanalysis.ai/articles/kimi-k3-achieves-3-in-the-artificial-analysis-intelligence-index-comparable-to-opus-4-8-and-gpt-5-5
  18. Detecting and preventing distillation attacks · Anthropic,2026-02-23 揭露(當事人)
    https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
  19. Kratsios 指控 Moonshot 以蒸餾 Fable 開發 Kimi K3 · The Register,2026-07 轉述
    https://www.theregister.com/a/5276804
  20. White House accuses Moonshot of distilling Fable and using banned Nvidia chips · Implicator,2026-07-22 轉述
    https://www.implicator.ai/white-house-accuses-moonshot-of-distilling-fable-and-using-banned-nvidia-chips/
  21. Claude Fable 5 與 Mythos 5 發布公告 · Anthropic,2026-06-09 揭露(當事人)
    https://www.anthropic.com/news/claude-fable-5-mythos-5
  22. Statement on the US government directive to suspend access to Fable 5 and Mythos 5 · Anthropic,2026-06 揭露(當事人)
    https://www.anthropic.com/news/fable-mythos-access
  23. Redeploying Claude Fable 5 · Anthropic,2026-06-30 揭露(當事人)
    https://www.anthropic.com/news/redeploying-fable-5
  24. Chinese AI models have lagged the US frontier by 7 months on average since 2023 · Epoch AI,2026-01 分析師
    https://epoch.ai/data-insights/us-vs-china-eci
  25. China is falling behind in the AI race, according to a US government benchmark(轉述 NIST CAISI) · The Decoder,2026-05 轉述
    https://the-decoder.com/china-is-falling-behind-in-the-ai-race-according-to-a-us-government-benchmark/
  26. Frontier AI capabilities accelerated · Epoch AI,2026 分析師
    https://epochai.substack.com/p/frontier-ai-capabilities-accelerated
  27. DeepSeek seeks $300M in first-ever external raise(V3 與 V4 訓練成本為轉述) · Noqta,2026-04-20 轉述
    https://noqta.tn/en/news/deepseek-first-external-funding-300m-10b-valuation-2026
  28. DeepSeek rumored to raise USD 300 million at over USD 10 billion valuation(轉述 The Information) · TrendForce,2026-04-22 轉述
    https://www.trendforce.com/news/2026/04/22/news-deepseek-rumored-to-raise-usd-300-million-at-over-usd-10-billion-valuation/
  29. Navigating the Jagged Technological Frontier(Dell’Acqua 等,工作論文 24-013) · Harvard Business School,2023 論文
    https://www.hbs.edu/faculty/Pages/item.aspx?num=64700
  30. The Simple Macroeconomics of AI(Acemoglu,w32487) · NBER,2024 論文
    https://www.nber.org/papers/w32487
  31. AI-Generated “Workslop” Is Destroying Productivity · Harvard Business Review,2025-09 調查
    https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
  32. AI Capex Arms Race: Who Blinks First?(轉述 BofA) · Philipp Dubach,2026 部落格
    https://philippdubach.com/posts/ai-capex-arms-race-who-blinks-first/
  33. Moody’s flags $662 billion risk at the heart of the data-center buildout by just 5 companies · Fortune,2026-02-25 轉述
    https://fortune.com/2026/02/25/hyperscaler-risk-off-balance-sheet-662-billion-data-center-commitments-meta-amazon-microsoft-oracle-alphabet/
  34. CoreWeave Reports Strong First Quarter 2026 Results · CoreWeave,2026-05-07 揭露
    https://investors.coreweave.com/news/news-details/2026/CoreWeave-Reports-Strong-First-Quarter-2026-Results
  35. CoreWeave Q1 earnings call highlights(資本支出 68 億美元) · Nasdaq,2026-05 轉述
    https://www.nasdaq.com/articles/coreweave-q1-earnings-call-highlights
  36. Nvidia and 24 other companies sign open-weights letter · Tom’s Hardware,2026-07 轉述
    https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-and-24-other-companies-sign-open-weights-letter-as-washington-weighs-chinese-ai-model-ban
  37. 黃仁勳催生的開放權重連署信一天翻倍破 50 家 · INSIDE,2026-07 轉述
    https://www.inside.com.tw/article/41929-nvidia-open-weights-letter-50-signatories
  38. Open weights, open questions: the letter that redrew the AI policy fight · ComplexDiscovery,2026-07 轉述
    https://complexdiscovery.com/open-weights-open-questions-the-letter-that-redrew-the-ai-policy-fight/
  39. Gemma 4: Byte for byte, the most capable open models · Google,2026-04-02 揭露
    https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/
  40. Gemma 4 Launch Announcement(歷代累計下載 4 億次) · Google AI Developers Forum,2026-04 揭露
    https://discuss.ai.google.dev/t/gemma-4-launch-announcement/138069
  41. Nemotron 3 Ultra 550B A55B 模型比較頁 · Artificial Analysis,查於 2026-11-13 分析師
    https://artificialanalysis.ai/models/comparisons/nvidia-nemotron-3-ultra-550b-a55b-vs-gemma-4-26b-a4b
  42. Kimi K3 Weights: Self-Host GPU Specs & Cost · Oflight,2026 部落格
    https://www.oflight.co.jp/en/columns/kimi-k3-open-weights-self-host-2026
  43. Anthropic CEO Dario Amodei says he does not support open-weight AI ban · Axios,2026-07-27 轉述
    https://axios.com/2026/07/27/anthropic-open-weight-ban-china-dario-amodei
  44. Anthropic wants tests, not bans, as OpenAI and Google back open weights · The New Stack,2026-07 轉述
    https://thenewstack.io/anthropic-wants-tests-not-bans-as-openai-and-google-back-open-weights
  45. 暗批美國?習近平 WAIC 大會致詞:反對 AI 領域泛化國安 · 世界日報,2026-07-18 轉述
    https://www.worldjournal.com/wj/story/121339/9635975
  46. 習近平首次出席 WAIC 開幕式並發表主旨講話 · 經濟日報,2026-07-17 轉述
    https://money.udn.com/money/story/5603/9633744
  47. Congress votes to kick China off remote GPU services · The Register,2026-01-13 轉述
    https://www.theregister.com/2026/01/13/congress_votes_china_gpu_cloud/

附記 · 揭露與時效

利益揭露

本文由 Claude(Anthropic 開發的 AI)整理撰寫。文中大量篇幅涉及 Anthropic 自身的商業利益與公開立場,包括蒸餾指控、開放權重之爭、前沿模型定價與泡沫討論。在這些段落上,本文的中立性應被打折閱讀。

文中所有涉及 Anthropic 立場的陳述,都同時附上最強的反面讀法,但讀者仍應自行查證原始來源。

資料與時效

資料截至 2026 年 7 月 28 日。DUV 量產、連署信擴增、Anthropic 立場文均為 48 小時內的即時新聞,多為單一媒體引述知情人士,尚未經獨立證實。K3 發表不到兩週,權重釋出才兩天,之後的獨立測試會提供更可靠的數字。

Gemini 3.5 Pro 延期與「重啟預訓練」的說法全部來自未具名消息來源,Google 未曾證實。中國青年失業與博士職缺的數字方向可信、精度不可信,不宜作為精算基礎。

分層讀法 · 上篇 · 初版 2026.07.28(單頁版)· 2026.11.13 改版:換版面、補對讀接點、標點與用詞修訂、補查出處並更正十三處