文章核心观点 - 中国两家AI公司DeepSeek和Kimi在技术发展上呈现出一种“竞合”关系，通过频繁的技术“偶遇”与相互借鉴，共同推动了中国大模型技术的快速进步，并构建了强大的开源基础设施 [3][4][5][8] - DeepSeek和Kimi不仅成功迈入万亿参数俱乐部并选择开源，还通过技术共享和生态建设，显著降低了企业部署大模型的门槛，并成为国际芯片厂商展示性能的标杆，推动了中国AI产业格局的形成 [2][21][22][28] 技术协同与相互借鉴 - 注意力机制共享：DeepSeek在V3中首创的MLA注意力机制被Kimi K2采用，该机制通过低秩压缩技术减少显存占用，使长上下文推理成为可能 [8][9] - 优化器技术跟进：Kimi在480亿参数的Moonlight模型上验证了Muon二阶优化器，并于2025年7月首次在万亿参数Kimi K2中大规模应用；DeepSeek V4随后也跟进了Muon优化器技术，提升了训练效率的稳定性 [12] - 架构对比：Kimi K2与DeepSeek-V3架构相似但规模更大，Kimi K2总参数量为1.04T，比DeepSeek-V3的671B高出54%，但激活参数量为32.6B，比后者低13% [11] 技术路线的差异化探索 - 残差连接方案：DeepSeek V4引入了mHC残差连接，提高了梯度流动效率，训练效率提升约30%；Kimi则提出了Attention Residuals（注意力残差）来优化信息流传递效率，获得了行业领袖的广泛认可 [14][16][17] - 长上下文推理路径：为解决长上下文成本问题，DeepSeek选择了稀疏注意力方案以降低计算量；Kimi则推出了线性注意力架构，将计算复杂度从O(n²)降至O(n)，从理论上大幅降低成本 [20][24] 产业影响与生态建设 - 开源与成本革命：DeepSeek和Kimi将万亿参数模型全部开源，使得企业私有化部署成本降至原来的1/10，让中小企业能在自有服务器上运行万亿模型成为现实 [21][22] - 生态形成与国际认可：在OpenRouter平台上，两家公司的API调用量稳居中国前两名；Kimi被海外编程工具接入，DeepSeek被日本乐天集团包装成Rakuten AI 3.0；Meta和英伟达均将两家公司的模型作为性能对比的标杆 [22][25][28] - 国产芯片适配：DeepSeek V4深度适配华为昇腾芯片；Kimi的Prefill-as-a-Service方案提出跨数据中心异构硬件推理框架，实测吞吐量提升54%，首token延迟降低64%，为国产芯片进入推理链条提供了切入口 [27][29] 公司背景与行业地位 - 创始人背景：DeepSeek创始人梁文锋和Kimi创始人杨植麟均来自广东，是技术的狂热信徒，也被视为中国AI的国家队代表 [4][31][32] - 发展速度与定位：两家公司均于2023年起步，以极快速度成为百亿美金估值的“十角兽”，并保持精简而顶尖的人才配置；DeepSeek以“思维链”技术闻名，Kimi则在国内引领了“智能体”的落地 [31][32] - 行业意义：两家公司的技术互通与开源生态，展现了中国AI发展的真正底气在于技术火花的碰撞与互利共生，而非单打独斗，共同开启了中国大模型的“万亿级航海时代” [8][32][33]