DeepSeek時刻進軍晶片設計——第一部

系列文章:第一部——發生了什麼 · 第二部——晶片產業鏈 · 第三部——Rubin地圖

7月16日星期四,總部位於北京的Moonshot AI在上海世界人工智慧大會上發表了Kimi K3。星期五,主導電子設計自動化(EDA)領域的兩家公司應聲重挫:Cadence單日市值蒸發9.5%;Synopsys下跌略低於8%,創下52週新低。Synopsys目前股價已明顯低於NVIDIA去年12月以20億美元入股時所付的價格。兩者合計,約有150億美元市值在一天內從EDA雙寡頭身上蒸發。

消息傳出的前一天,一家研究機構才剛以「買進」評等啟動對這兩檔股票的覆蓋,理由是雙寡頭結構與高進入門檻是核心優勢。市場則在星期五即時對這個論點進行了壓力測試。

同一交易日還有一個細節值得從殘局中打撈出來,因為幾乎沒有人提到:ARM——第三家上市公司,其整個業務就是晶片設計IP——當天收盤反而上漲2%。市場並未拋售「晶片設計」本身。它拋售的是兩個特定的軟體特許經營權,同時買進了那家權利金會隨著每一個新設計啟動而倍增的公司。請記住這種不對稱性,整個系列都建立在這一點之上。

直覺的類比——第二次DeepSeek時刻——可以理解,但大致是錯的。2025年1月的DeepSeek壓縮了生產智慧的成本。Kimi K3則是不同的東西,而且在某一個特定維度上,可能更具影響力:這是第一個可信的主張,即前沿智慧能夠設計出用來生產智慧的硬體。這不是AI模型的第二次DeepSeek時刻,而是晶片設計的第一次DeepSeek時刻。

這個區別值得用三篇文章來闡述,因為市場星期五所做的幾乎一切,都取決於能否正確理解這一點。

實際發表了什麼

剝除發表會的花俏包裝,剩下的事實如下。Kimi K3是一個2.8兆參數的稀疏混合專家(MoE)模型——史上發表過最大的開放權重模型——每個token僅啟用896個專家中的16個,約佔專家池的1.8%。它擁有一百萬token的上下文視窗與原生視覺能力。在綜合智慧指數上,它僅次於兩個領先的閉源美國模型,領先於其他所有系統,包括那兩套美國系統的前一代版本;在代理式編程基準測試上,與前沿水準的差距已在測量誤差範圍內。完整權重承諾於7月27日釋出。

發表資料中有兩個數字比任何基準測試都重要,因為它們是經濟性而非競技性的:每百萬輸入token 3美元,每百萬輸出token 15美元。把這兩個數字對照它們原本要取代的東西。一個可信的客製化晶片設計,歷來需要耗費數十個工程師年。而以K3的報價運行一次48小時的自主代理,運算費用僅為數百至數千美元。無論這個特定模型最終是否真的能做到,這正是市場星期五所瞥見的成本崩塌:不是抽象意義上更便宜的智慧,而是設計工作單位經濟學數個數量級的重新定價。

稀疏架構正是讓這種定價可信的關鍵:一個每個token僅啟動不到2%參數的模型,能夠攝取整個程式碼庫、跨截圖與影格進行推理、並維持一個多日的代理工作流程,而不必在每一步都負擔2.8兆參數的全額運算成本。應該說明的是,Moonshot自己的文件建議部署至少64個加速器——K3並非運算需求消失的證據,而是運算能買到新東西的證據。

撼動市場的那場示範

在一次連續48小時的自主運行中,K3設計出了一款推論晶片,用來服務其自身架構的奈米級版本。它處理了完整流程——架構、RTL、優化、驗證、時序收斂、模擬——完全使用開源EDA工具,並採用免費開放的Nangate 45奈米標準元件庫。沒有用Cadence軟體。沒有用Synopsys軟體。設計過程本身沒有人類介入。結果:一顆4平方公釐的晶粒,十三個模組,146萬個標準元件,0.277MB的SRAM,一個帶融合反量化功能的INT4乘加陣列,時序收斂於100MHz,模擬中維持每秒8721個token的解碼吞吐量。

此外,Moonshot還透露K3從零開始寫出了一個GPU編譯器——一套它稱為MiniTriton、類似Triton的系統——在部分基準測試套件上與NVIDIA自家的Triton不相上下甚至更優,而且該模型的早期版本在K3自身開發後期承擔了大部分的核函式優化工作。這個模型幫忙打造了自己,然後又設計了用來運行自己的晶片。

這顆晶片不是什麼

以下是星期五的拋售潮大致忽略的部分,也是任何認真的讀者首先需要了解的部分。

就半導體產業的標準而言,這顆晶片並不出色。一個在45奈米開放元件庫上、100MHz、4平方公釐的設計,大致相當於一個雄心勃勃的研究生專案的規模。使這類設計成為可能的開源流程——OpenROAD、OpenLane及其生態系——已經存在多年,部分正是由美國政府資助建立,目的正是為了降低成熟製程小型設計的進入門檻。Nangate 45奈米是一套學術教學用元件庫,遠遠落後於前沿AI加速器實際所在、且Cadence與Synopsys專有工具鏈以開源軟體遠遠無法複製的方式深度嵌入其中的3奈米與2奈米製程好幾個世代。

而且,這也不是物理意義上的晶片。沒有任何東西被實際製造出來。時序收斂與模擬吞吐量都是設計階段的產物,而非實際矽晶片。Moonshot自己也將這次演練稱為概念驗證,而非量產流片。而且——這個細節的重要性遠超過其註腳的份量——Moonshot並未澄清設計中是否嵌入了任何授權IP區塊,而這個區別將決定此次替代的真實範圍。

最後:以上所有數字皆為公司自行公布,權重尚未公開。多項發表基準測試由廠商自行執行,早期獨立評估已指出在事實性任務上出現較高的幻覺率——這提醒我們,原始生成品質與可靠工程能力是不同的特性。在7月27日權重與相應技術報告發布之前——Moonshot表示該報告將詳述確切的EDA工具鏈與方法論——這次示範中的任何內容都無法被獨立複現。賣方分析師深知這一點。一家銀行的分析師將此次發表定調為提高了中國AI模型的能力上限,同時將舉證責任轉移給其他實驗室。這個說法完全正確:舉證責任確實已經轉移,但尚未被履行。

這顆晶片究竟是什麼

那麼,為何科技業中兩個最根深蒂固的軟體特許經營權,會因為一顆學生專案級別的晶片而蒸發150億美元市值?

因為晶片從來就不是產品。那48小時才是產品。

Moonshot所展示的——如果站得住腳的話——是在兩天的時間跨度內,無需人為引導、持續、連貫、能自我修正的工程能力:閱讀文件、做出架構決策、執行驗證迴圈、診斷故障、反覆迭代。這與回答問題或完成函式是質性不同的能力。這正是將一個語言模型轉變為一個工程組織的能力。

而且請注意,考量到前兩段提到的幻覺疑慮,這項能力究竟是在哪裡取得成功的。一個在開放式事實性任務上會出錯的模型,卻完成了一項兩天的工程目標——因為晶片設計被包裹在商業軟體中最嚴苛的外部驗證機制裡。模擬要嘛通過要嘛不通過;時序要嘛收斂要嘛不收斂。這套流程之所以奏效,不是儘管模型有缺陷,而是因為工具鏈能夠捕捉這些缺陷。這個觀察——代理的表現完全取決於圍繞它的驗證機制的好壞——是整個系列中最重要的一句話,第二部與第三部基本上都在討論誰擁有這套驗證機制。

這項能力的經濟學,並不在乎這次示範是在一套教學用元件庫上運行的。開源流程才是限制因素,而不是模型。真正改變的是模型的任務時間跨度。如果一個代理能在OpenROAD、45奈米製程上,連貫地維持一個晶片設計目標達48小時,那麼關鍵問題就變成:這個時間跨度能以多快的速度延伸,以及工具鏈的可及性能沿著製程階梯向上推進多遠。這兩者都不是物理問題。兩者都是軟體問題,而軟體問題在過去三年裡以驚人的速度不斷被攻克。

這就是為何誠實的框架不應是「Kimi K3威脅Cadence」,而應是:Kimi K3是曲線上第一個公開的資料點,而市場星期五定價的是這條曲線,而非這個單一數據點。

DeepSeek證明了中國實驗室能夠壓縮智慧的成本。Kimi K3則顯示,他們現在能夠同時在能力、上下文、價格與開放性上競爭——並將成果瞄準硬體。

接下來:第二部——設計成本崩塌對晶片產業鏈每一層的影響,以及為何實體瓶頸反而升值。接著是第三部——橫跨Rubin建置宇宙的地圖。

Closelook是一份投資日誌。本文內容並非投資建議,亦非買賣任何證券的建議。所有Kimi K3效能數據均為公司自行公布,尚待7月27日權重釋出與技術報告確認。市場數據反映2026年7月17日收盤價。