行业核心观点 - 2025年AI的范式、价值与能力已得到充分确认，2026年将出现技术大投入、竞争大分化、市场大分流 [1][3] - 行业共识是必须硬核地活下去，技术、商业化场景和生态优势缺一不可，单纯依靠PPT融资的时代已经结束 [2] - 大厂已告别技术军备竞赛思维，转向由场景定义技术 [5] 竞争格局与市场动态 - 头部科技公司将AI竞争拉回流量战争，通过红包营销争夺用户：腾讯元宝发放10亿现金红包，阿里千问发放30亿红包，字节豆包计划在春晚派发礼包 [2] - 专家观点认为，撒钱式营销在AI领域难长久，短期下载量与用户真实留存、深度使用之间存在巨大鸿沟 [2] - 大厂同时争夺终端入口，未来智能体（Agent）可能会接管手机、电脑等终端，实质是生成式AI技术重构智能硬件与软件行业 [3] - 2026年被视为分水岭，AGI多模态基础模型将形成马太效应，通用智能体入口将屈指可数，未来可能产生一个智能体互联网 [5] 技术投入与资本开支 - 科技大厂对算力与底层技术的投入近乎狂热：腾讯全年投入达千亿级别，阿里巴巴宣布未来3年投入3800亿元（超过去10年总和），字节跳动2025年实际资本开支1500亿元，2026年计划增至1600亿元 [3] - 巨额资金流向了算力、人才、超级智能体入口 [3] - 华为提出“AI应用价值/算力能源成本>10”为爆发临界点的战略，并锚定做AI时代的中国英伟达，为所有AI公司生产“铲子” [4] 技术发展与生态构建 - 阿里通过平头哥自研“真武810E”芯片，已在阿里云部署多个万卡集群，服务超400家客户 [3] - 字节跳动正在自研AI芯片，其豆包大模型日均Tokens使用量超16.4万亿 [4] - DeepSeek-R1证明算力并非驱动AGI的唯一路径，促使国内大模型竞争加速分化 [4] - 国产大模型聚焦性价比，开源模型在2025年从非共识变为标配：阿里Qwen3开源后衍生出超17万个细分场景应用，腾讯混元、字节豆包也相继开源核心模型 [4] - 专家强调，开源模型衍生率比日活跃用户数更能反映模型生态的活力，生态护城河远比单一参数排名更难逾越 [4] - 具体技术优化案例：阿里云通过动态路由MoE降低42%的推理能耗，MiniMax M1以30%算力实现DeepSeek同等性能 [4] 公司战略与组织调整 - 阿里数字生态下的传统APP正逐步变为千问随时调用的工具菜单 [3] - 腾讯元宝红包链接一度被微信封杀，暴露了公司内部探索超级入口的野心 [3] - 字节跳动的手机助手获得操作系统级权限，直击传统超级App的命门 [4] - 大厂投入遵循两大标尺：能否重构现有商业闭环，或能否开辟下一代交互入口 [5] - 关键人才任用呈现年轻化趋势：阿里由90后科学家林俊旸挂帅通义千问，腾讯引入95后科学家姚顺雨、庞天宇，字节跳动让90后周畅、丁铭分别掌管多模态交互与视频生成业务 [3][4]

公司产品发布与性能 - 智谱公司于2月11日发布新一代旗舰模型GLM-5，该模型是此前在海外开发者社区引发轰动的匿名模型“Pony Alpha”的真实身份[1] - GLM-5在多项权威编程和Agent基准测试中取得了当前开源模型的最高成绩，在匿名测试期间连续多日占据OpenRouter平台热门模型，并被用户评价为“最强匿名模型”之一[1] - 官方数据显示，GLM-5在SWE-bench-Verified和Terminal Bench2.0中分别获得77.8和56.2的开源模型最高分数[1] 技术能力与行业地位 - GLM-5的性能表现超过Gemini 3.0 Pro，在真实编程场景的开发者体感中，其表现已逼近目前公认的顶级闭源模型Claude Opus 4.5[1] - 在高端编码场景，开源阵营首次拥有了与顶尖玩家正面抗衡的实力[1] - 该模型采用与DeepSeek同源的稀疏注意力机制，以极低的部署和调用成本，提供了接近的系统工程能力[1] 市场定位与解决方案 - GLM-5为需要高性能、高可靠性AI开发助手但又注重数据隐私和成本控制的开发者与企业，提供了前所未有的开源解决方案[1]

公司动态 - 智谱公司宣布上线并开源其最新大模型GLM-5 [2] - GLM-5在编程能力上实现了对Claude Opus 4.5的对齐 [2] - GLM-5在业内公认的主流基准测试中取得开源模型SOTA分数 [2] 产品性能 - GLM-5在SWE-bench-Verified基准测试中获得77.8的开源模型SOTA分数 [2] - GLM-5在Terminal Bench 2.0基准测试中获得56.2的开源模型SOTA分数 [2] - GLM-5的性能超过谷歌的Gemini 3 Pro模型 [2]

爱芯元智上市与关键发展 - 边缘侧/端侧AI推理芯片公司爱芯元智于2026年2月10日在港交所挂牌上市，成为“中国边缘AI芯片第一股” [2][44] - 公司从2019年创立到2026年上市，做对三件事：组建AI算法和芯片融合的团队、提前押注智能汽车市场、通过产业协同获得丰富资金 [5][50] - 公司2021年切入智能汽车赛道，首款车载芯片于2023年6月量产上车，到2025年底累计装车量近百万颗 [5][12][58] - 按2024年出货量计，爱芯元智已成为中国第二大国产智能驾驶SoC供应商 [5][49] - 公司计划在2026年Q2发布支持城市NOA的高算力高阶智驾芯片，冲刺L2+市场 [5][12][58] - 公司引入了韦豪创芯、美团、腾讯及宁波、重庆的政府投资平台等战略投资人，为高端智驾芯片研发提供资金 [5][12][58] 边缘/端侧AI芯片的投资逻辑与市场趋势 - 投资逻辑基于终端设备全面智能化与中国硬件厂商全球份额提升的双重趋势，技术壁垒高、增速快 [4][54] - 边缘AI的核心价值在于满足低延迟、强隐私与高能效的真实场景需求，自动驾驶和机器人等领域本地化运行成为必然 [16][62] - 用户隐私意识提升倒逼手机和PC本地化处理，进而要求边缘侧芯片提升传输速度、算力和带宽 [17][63] - 生成式AI出现后，市场意识到所有硬件产品都值得用AI重新构建，汽车、机器人、无人机等设备被AI重新定义将催生大量半导体机会 [13][14][59][60] - AI从优化设备功能转变为创造全新功能，提升生产力的AI算法及芯片打开了市场天花板 [15][16][61][62] - 2025年是GPU“大年”，未来几年网络数据传输、硅光和各类光电互联芯片公司将陆续上市，可能出现多家市值超100亿美元的公司 [18][64] AI时代芯片公司的新要求与核心竞争力 - 软件能力是AI芯片公司的生死线，现在很多公司一半以上员工是软件工程师，芯片设计人员不到一半 [24][71] - 创始团队必须有人真懂AI算法，能紧跟技术前沿，最理想的是半导体与AI背景互补的团队 [27][28][75][76] - 端侧芯片的护城河在于生态构建，而非单纯性能，必须借助方案商切入碎片化场景 [26][74] - 一旦“芯片+方案商+应用”生态构建完成，将形成极高护城河，后来者难以撼动 [26][74] - 芯片功能随需求动态演变，例如自动驾驶芯片从规则算法演进到端到端算法，再到VLA模型，目前高端芯片算力已跨越1000T门槛 [19][65] - AI市场变化迅速，可能每三个月发生一次剧变，要求创始团队具备敏锐的技术前瞻性 [27][75] 中美AI芯片竞争格局与中国的差异化路径 - 整体发展节奏是“云端先行，端侧随后”，云端美国领先，中国在追赶 [22][69] - 在端侧AI领域，中国拥有应用场景丰富、供应链完备和客户多元化三重优势，更有机会诞生世界级企业 [22][23][69][70] - 中国端侧AI芯片的胜算在于离应用更近，不拼通用算力，而在垂直且具规模的场景扎根 [29][31][79][81] - 下游应用高地在中国，以汽车为例，中国自动驾驶对新技术的采纳率和迭代速度远超海外，倒逼出超前芯片需求 [30][80] - 中国在云端芯片的设计能力不落后太多，有能力设计7nm甚至更先进制程芯片，瓶颈在于底层生产制造环节 [29][77] - 从长远看，建立自主可控、不依赖外部的国产供应链是必修课 [29][78] 开源模型对国产AI芯片产业的影响 - 开源模型打开了国产AI芯片的生存空间，极大降低了适配门槛，让芯片公司能更快实现场景落地 [36][37][85][87] - 开源驱动了模型的本地化部署，催生了大量的私有化部署需求，例如“DeepSeek一体机”等预装开源模型的AI芯片服务器 [37][87][88] - 从兼容支持角度看，开源让事情变得简单，模型结构透明使芯片公司能迅速实现硬件级优化与兼容 [37][89] - 国内出色的开源模型相对集中，如DeepSeek、通义千问、Kimi等，中国芯片公司集中精力适配主流模型即可覆盖大多数客户场景 [38][90][91] - 中国客户天然更倾向于开源生态，这大幅提升了国产芯片被市场采用的概率 [38][92] - 开源有助于形成“主权AI”闭环，从底层芯片、中层模型到上层应用全部由国内企业自主定义研发 [38][39][96][97]

文章核心观点 - 边缘侧/端侧AI芯片是中国AI芯片产业实现差异化竞争和诞生世界级企业的关键领域，其发展节奏是“云端先行，端侧随后”[12] - 端侧AI芯片的竞争护城河在于生态构建和软件能力，而非单纯追求性能，且必须贴近垂直且具规模的应用场景[12] - 开源模型的普及极大地降低了国产AI芯片的适配门槛，推动了从芯片到模型再到应用的“主权AI”闭环形成，为国产芯片创造了巨大的生存与发展空间[12] 一、边缘侧AI芯片的投资逻辑与市场演进 - 投资逻辑基于硬件智能化趋势与中国强大的硬件制造基础，预期中国硬件厂商全球化将带动其供应链芯片出海[15] - 生成式AI的出现让所有硬件都值得用AI重构，彻底改变了用户体验并打开了市场天花板，边缘AI核心价值在于满足低延迟、强隐私与高能效的真实场景需求[16][17][19] - 端侧设备智能化趋势明确，需要性能更强劲的AI芯片，投资布局覆盖视觉处理、智能汽车、RISC-V CPU以及3D堆叠DRAM内存等创新技术[21] - AI模型持续演进定义芯片新需求，例如自动驾驶从规则算法发展到VLA模型，高端芯片算力已跨越1000T门槛[22] - 未来几年投资热点将从GPU转向网络互联、通信芯片领域，预计将出现多家市值超100亿美元的公司[12][21] 二、AI时代对芯片公司的新要求 - 软件能力是生死线，当前AI芯片公司过半员工为软件工程师，以确保芯片能被客户使用并洞察真实需求[12][28] - 创始团队必须真懂AI算法并能紧跟技术前沿，最理想的是半导体与AI背景互补的团队组合[12][32][34] - 生态构建能力至关重要，端侧市场极度碎片化，必须借助大量方案商构建“芯片+方案商+应用”的生态，形成高护城河[12][30][31] - 产品定义需具备技术前瞻性，AI市场变化迅速，按当前需求定义产品可能导致芯片上市即落后[32] 三、中国AI芯片的差异化竞争路径 - 云端领域美国领先，中国在追赶，瓶颈在于底层制造环节，建立自主可控的供应链是长远必修课[12][36][37] - 端侧领域中美差距不明显，中国拥有下游应用高地、完善供应链和多元化客户三重优势，更可能诞生世界级企业[12][25][26] - 中国AI芯片的胜算在于深耕垂直且具规模的场景，例如自动驾驶在中国迭代速度远超海外，能倒逼出超前的芯片需求[12][38][39] - 应用定义芯片，离应用更近是关键，以大疆自研图传芯片为例，通过与终端厂商深度磨合建立难以追赶的竞争优势[40][41][42] 四、开源模型对国产AI芯片产业的推动 - 开源模型（如DeepSeek、通义千问、Kimi）以更低成本提供高性能AI能力，系统性激活了中国自主的AI产业闭环[45] - 开源重构了利润分配，推动“普惠AI”，是中国与美国追求闭源SOTA模型不同的差异化发展道路[46] - 开源极大降低了国产AI芯片的适配门槛，模型结构透明使得芯片公司能迅速实现硬件级优化与兼容[12][49] - 开源驱动了模型的本地化/私有化部署，催生了“DeepSeek一体机”等新需求，形成了从底层芯片到上层应用的“主权AI”闭环[47][48][53][54]

行业动态 - 全球模型服务平台 OpenRouter 上线了一款代号为 "Pony Alpha" 的匿名模型，引发全网关注 [1][1] - 据平台合作方 Kilo Code 透露，Pony Alpha 是"某个全球实验室最受欢迎的开源模型的专项进化版" [1][1] - 市场推测 Pony Alpha 更有可能是 DeepSeek-V4 或者智谱即将发布的新一代模型 GLM-5 [1][1] 公司进展 - 第一财经记者从知情人士处获悉，智谱目前有相关保密项目在推进中 [1][1] - 该神秘模型被指是智谱即将发布的新一代模型 GLM-5 [1][1] - 智谱（2513 HK）在资本市场表现强劲，其股价于 2 月 10 日再创新高 [1][1] - 公司市值一度突破 1500 亿港元 [1][1] - 该市值已接近其 IPO 市值的 3 倍 [1][1]

记者｜朱斌 编辑 ｜瑜见 据该平台合作方Kilo Code透露，Pony Alpha是"某个全球实验室最受欢迎的开源模型的专项进化版"。这意味着，Pony Alpha更有可能是DeepSeek- V4或者智谱即将发布的新一代模型GLM-5。 第一财经记者从知情人士处获悉，智谱目前有相关保密项目在推进中，该神秘模型，是智谱即将发布新一代模型GLM-5。 在资本市场表现上，智谱（2513.HK）今日股价再创新高，市值一度突破1500亿港元，这一市值已接近其IPO市值的3倍。 近日，全球模型服务平台OpenRouter上线了一款代号为"Pony Alpha"的匿名模型，引发全网关注。 ...

文章核心观点 高价值AI Agent在2026年初已展现出远超预期的效果，开始直接接管复杂任务并嵌入核心工作流，对现有SaaS形态与人机分工方式构成实质性冲击[3][4] 文章从底层视角探讨了Agent的价值边界、基础设施机会、Token消耗爆炸性增长及商业模式变化等重要问题[4] 一、高价值Agent的产品形态与市场影响 - **OpenClaw的核心巧思在于预装Claude Skills生态**，这类似于早期智能手机预装应用超市来降低用户门槛[4][10] 其设计实现了**个人化基础上的长程任务执行**，可7x24小时持续运行，并从工具变为主动Agent[8] 通过**IM Gateway嵌入用户日常沟通流**，实现了“移动指挥，本地执行”的混合场景[8][10] - **OpenClaw与Manus代表了两种发展路径**：OpenClaw是去中心化、高度可配置的路线，能利用分散硬件资源（如个人闲置的Mac Mini）[11] Manus是中心化、“交钥匙”体验的路线，已积累大量高价值用户场景数据，构成认知壁垒[11][12] 两者可能不是取代关系，而是动态演化[11] - **Anthropic的产品策略瞄准高价值场景**，其Claude Code Cowork和Claude in Excel可能打开“10倍微软”的市场[4][14] Claude Code的核心理念是“Code is everything，Bash is all you need”，直接利用命令行执行任务[15] Cowork是其自然延伸，依赖于Opus 4.5能力的飞跃[15] - **Excel是生产力的放大和延伸**，覆盖人群比Coding更广[16] Claude in Excel的核心逻辑是利用Agent通过代码直接操作数据，绕过传统软件复杂的UI交互[16][17] 这种模式可能对试图切分Excel数据分析功能的SaaS公司（如Airtable）构成比微软更大的冲击[20] 但标准传输格式（如.xls）和Human-in-the-loop的校验机制依然重要，这意味着Agent会以插件形式嵌入成熟生态[18] 二、商业模式与定价逻辑的转变 - **高价值Agent的定价逻辑脱离传统SaaS**，开始向“数字员工”价值靠拢[21] 市场已出现定价在**1000至2000美元/月**的高价值Agent服务，有团队人均Token消费已达到**500美元/月**[21] - **Agent的收入来源发生根本性转移**，从切分企业营销或IT预算，转向切分企业庞大的**工资（劳动力）预算**[22] - **高价值Agent必须由真正的行业专家主导**，因为他们具备极深的行业Know-how，能做好Context Engineering并评估AI产出质量[22] 三、Token消耗的爆炸性增长与行业影响 - **2026年Token消耗量预计将有10倍甚至更多的增长**[23] Long-horizon task、Proactive Agents以及多模态是主要驱动力[23] - **开源模型“下限达标”是Token消耗暴涨的重要动力**[24] 智谱GLM-4.7的发布标志着开源模型首次真正触达了在Coding和Agentic场景中的“可用下限”[25] 这将使厂商有机会通过开源模型建立独立的盈利闭环，并倒逼闭源厂商加速冲击能力上限[27] - **Token消耗量是衡量AI-native程度的核心指标**，使用Token的比例越大说明越AI Native[28][29] 传统Chat模式与Agentic模式消耗的Token量级差异巨大，后者是前者的**百倍甚至千倍**[31] 已有单用户Token日均消耗达到**十亿（billion）级别**的案例，未来单人控制的Agent消耗**100亿（10B）甚至更高量级Token**将不再是难事[31] - **Token价值开始出现分化**：模型“压缩”使得小参数模型的Token价值快速逼近大模型；专用推理芯片（如Cerebras）下的Token概念也与英伟达GPU场景不同[33] - **硬件供应可能成为制约瓶颈**，在Agent爆发的驱动下，预计未来一年内GPU将再次进入“买不到”的紧缺状态[37] 四、Agent基础设施的缺失与机会 - **现有互联网基础设施对Agent处于“敌对”状态**，因为数字世界原是为人类设计[38] Agent面临跨平台任务执行困难、网络安全产品未适配、执行长程任务脆弱等问题[38] - **Infra的缺失催生巨大确定性新机会**，包括“构建Agent的Infra”和“给Agent用的Infra”[40] 例如专门为Agent优化的浏览器环境（如BrowserUse）、专用网络和支付系统[40] - **高阶Infra需求是“主动对齐”**，即Agent能主动构建用户数字分身，理解其思维习惯和隐性知识[42] - **Agent沙盒（Sandbox）的演进推高了CPU使用量**，但因其进入门槛低、CPU供应充足且定价无溢价，并未构成高壁垒的独立机会[42][43] 五、隐私与安全范式的转移 - **用户正进入“隐私换效率”的时代**，为了让Agent更好地理解上下文并自动执行任务，愿意让渡极高权限[44] 例如让AI直接操作股票账户，或赋予Agent读取本地所有文件的权限[44] - **当前Agent生态处于类似互联网早期的“田园时代”**，用户为便利而“裸奔”，安全威胁（如恶意软件、钓鱼攻击）预计会大幅增加[47] 行业可能需要经历严重的安全事故才能真正重视安全[47] 六、软件行业的未来：被吞噬还是退化为工具？ - **激进派观点认为“软件将被吞噬”**：当Agent能直接操作数据和API时，为人类设计的复杂UI及中间业务逻辑封装将变得毫无意义[48] 传统软件开发中的精细化分工（前端、后端、测试、UI）将失去存在基础[48] 像腾讯TAPD这类项目管理工具或许将不再被需要[49] - **保守派观点认为“软件将退化为工具和数据库”**：软件具备100%准确性、绝对稳定性和流程固化能力，这是概率性Agent无法替代的[52] 在企业里，软件会更多地由Agent通过代码来驱动和操作[52] - **软件的未来壁垒在于“本体论”**：对于To B业务，需要定义清楚企业内部的组织逻辑、隐私边界和业务上下文；在To C领域，则是如何理解个人隐私[52] 七、实现Agent泛化的三种推演路径 - **思路1：人群分层渗透**，针对不同人群出现三种平行产品形态[54]：面向硬核技术人员的Claude Code[54]；面向知识工作者的Manus[54]；以及最具爆发潜力、以OpenClaw为代表的IM Bot，试图利用社交网络效应实现大众化破圈[55] - **思路2：关于普及形态的争论**：“电脑派”认为Agent普及是从精英向大众缓慢渗透的过程，用户需要学习[56]；“手机派”认为Agent必须像智能手机一样做到“零门槛”，可能需要等待科技巨头打造OS级别的深度封装Agent[57][58] - **思路3：屏幕只是过渡，实体机器人才是未来** 目前的屏幕内Agent是为不完美的数字基建“填坑”的临时方案[58] Agent的终极形态必须是进入物理世界，解决实际的交互与体力劳动问题[59]

公司产品发布 - 月之暗面公司发布了新一代开源模型Kimi K2.5，该模型在HLE、BrowseComp、DeepSearchQA等多项agent评测中均取得全球开源模型的最佳成绩，是公司目前最智能的模型 [1] - Kimi K2.5基于原生多模态架构设计，支持视觉与文本输入，将视觉理解与推理、编程、Agent等能力全部集成到一个模型中 [1] - 公司创始人表示，团队重构了强化学习的基建，并专门优化了训练算法，以确保模型能达到极致的效率和性能 [1] 产品技术特性与创新 - 在Kimi K2.5更新中，研发团队推出“Agent集群”功能，模型可自主创建“分身”智能体，按需组成不同角色团队并行工作 [1] - 在大规模搜索等场景下，Agent集群相比单Agent执行，可以大幅提升复杂任务处理效率 [1] - 公司同时推出新的编程产品Kimi Code，该产品不仅能够直接在终端运行，还能与VSCode、Cursor、Zed等主流编辑器集成 [1] - 借助K2.5的多模态优势，开发者可以直接输入图片和视频进行编程辅助，旨在简化编程流程，降低技术门槛 [1]

文章核心观点 - 以Kimi K2.5为代表的中国开源大模型，凭借顶级的性能与极高的性价比，首次在全球范围内对闭源模型形成了系统性、结构性的挑战，这标志着AI行业竞争格局正在发生根本性变化，从单纯的技术性能比拼转向生态与基础设施选择的竞争 [7][22][26] 关键事件：海外头部应用自掏腰包补贴集成Kimi K2.5 - 全球爆红的AI Agent应用OpenClaw首次自掏腰包补贴用户，使其能免费使用中国的Kimi K2.5模型及Kimi Coding能力，这被视为一次公开的战略押注 [1][3] - 不止OpenClaw，包括“开源版Claude Code”Open Code、以及GitLab联合创始人创立的Kilo Code等当红编程工具，均宣布通过补贴方式吸引用户使用Kimi K2.5模型 [4][5] - 这些生态关键玩家用流量和免费补贴作为“选票”，表明对Kimi K2.5的认可，某种行业共识正在形成 [14][15] 性能表现：跻身全球第一梯队 - **代码能力**：在权威匿名评测机构LMarena的代码能力榜单上，Kimi K2.5是开源模型中的第一名，总体排名第7，仅次于Claude和Gemini的最新闭源模型 [19][20] - **多模态能力**：在Vision Arena榜单中，Kimi K2.5是排名第一的开源模型，总榜位列第六，稳定超越一批同代闭源对手 [20] - 模型在基准测试和开发者主观体验中表现一致，证明其实际工作能力强，而非仅擅长基准测试 [17][18] - 全球最大API中转站OpenRouter的调用排行榜显示，Kimi K2.5上线第二天已跻身全球前三，仅次于Claude Sonnet 4.5与Gemini 3 Flash，这是开发者“用脚投票”的结果 [15] 行业影响：引发对开源模型价值的重估 - 海外技术与投资圈将Kimi K2.5的发布视为“开源AI的重要里程碑”，认为它首次在综合能力上正面挑战了OpenAI、Anthropic与Google等公司的闭源护城河 [22] - 风险投资家Chamath Palihapitiya将其概括为“Kimi K2.5时刻”，指出开闭源之争已上升为企业乃至国家层面的“基础设施选择” [23][25] - 开源模型凭借顶级性能、完全透明（权重可审计、代码可修改）以及未来通过专用芯片将成本降低90%的潜力，正在重塑由闭源模型长期主导的竞争格局 [22][25] - 开源模型不再只是“可用选项”，而是在部分关键场景中开始逼近甚至重塑竞争格局 [21] 公司层面：Kimi的全球崛起与商业模式转变 - Kimi公司海外收入已超越国内收入，在新模型K2.5发布后，全球付费用户规模实现了约**4倍**增长 [27] - 公司正在从一家“被中国市场定义的模型公司”，转向以全球开发者和企业客户为核心增长引擎的基础设施产品公司 [27] - 市场对Kimi的认知从“技术观察”和“低估”转向“主动选择”，其传播主要发生在代码仓库、开发者社区和产品工作流中，逐渐从“备选方案”变为某些场景下的“默认选项” [28] - 当模型性能足够强、成本足够低时，其扩散不再依赖自身营销，而是通过生态自行蔓延 [29] 市场反应与认知变化 - 市场认知被认为滞后于模型真实能力约**3-4周**，从DeepSeek到Kimi的剧本正在重演 [9] - 一线开发者反馈认为，以Kimi K2.5的成本获得如此强的能力“简直让人不敢相信”，并提醒美国AI公司“公开市场是残酷的” [10] - Notion联合创始人发帖称“市场还没反应过来Kimi K2.5的价值和颠覆性” [7] - 模型竞争正跨越“参数与性能”的单一维度，进入生态与入口的新战场 [28]