【AI日报】4月29日|OpenAI万亿叙事裂缝、DeepSeek V4炸场、Kimi K3预告

今天是个有意思的日子。国内外同时出大料——一个是”皇帝的新衣”被戳破了一个口子，一个是国产力量在加速蓄力。挑几件最值得聊的说说。

OpenAI没完成内部目标，软银一天跌了10%

外界印象里，OpenAI一直是”AI时代最确定的赌注”，软银押了重注，微软、英伟达绑定，整条产业链都在给它抬轿子。

但4月28日，有媒体披露了一件有点尴尬的事：OpenAI没达成2025年的ChatGPT营收目标，更没实现”年末周活10亿用户”这个目标。谷歌Gemini的增速很猛，正在一点一点蚕食OpenAI的用户盘。与此同时，公司账面上背着6000亿美元的未来支出承诺，虽然融了1220亿，但CFO Sarah Friar直接说了——按这节奏烧三年就差不多了，今年IPO也不一定行。

消息一出，软银盘中暴跌11%，收盘跌了9.9%，甲骨文跌了4.1%，英伟达、AMD全被拖下水。

为什么重要：这不只是OpenAI一家公司的问题。这是”AI投资叙事”第一次出现公开的、可量化的裂缝。过去两年整个产业链都建立在”OpenAI一定会赢”的假设上，数据中心合同、算力采购、生态绑定……一旦这个假设开始动摇，下游全都要重新定价。

利好谁：对竞争对手来说是个机会。Anthropic、Google DeepMind，以及国产模型们。用户对”绑定单一平台”的依赖开始松动，多元化的时代要来了。

机会在哪：其实现在做”AI 能力路由”或”多模型协同调度”的基础设施，是个很好的时间窗口。没有人永远用同一个模型，这就是生意。

我的判断：OpenAI还是很强，但”信仰溢价”这件事正在被挤出去。未来大模型竞争不靠情怀，靠实打实的ROI。这对整个行业来说其实是好事。

DeepSeek V4炸场：1.6万亿参数开源，还只要GPT-5.5的十分之一钱

4月24日，沉寂了15个月的DeepSeek扔出了一枚重磅炸弹——DeepSeek-V4预览版发布，同步MIT协议全量开源，上线HuggingFace和ModelScope，顺带还附了一份58页的技术报告。

时间点选得很妙：凌晨OpenAI刚上线GPT-5.5，几小时后DeepSeek就亮剑了。

V4的参数量是1.6万亿（MoE架构），百万token上下文成了标配，Agent任务能力在开源模型里排第一。Flash版每百万token最低只要0.2元，Pro版贵一些但远低于GPT-5.5。对比一下：GPT-5.5的API输入价格是每百万token 5美元（约34元人民币），DeepSeek V4 Flash的价格是它的1/170。

华为昇腾同步官宣全面适配。这个细节很重要，意味着V4不依赖英伟达算力也能跑。

为什么重要：这是”算力自主”叙事第一次在实际产品上形成闭环。有高性能的开源模型 + 国产算力支持，这套组合拳以前从没同时出现过。

利好谁：中小企业和独立开发者。以前要用顶级模型能力就得交美元给OpenAI，现在可以用DeepSeek V4 + 国产云，成本砍掉90%，能力不输多少。

机会在哪：基于V4做垂直行业的fine-tune或工具链封装，时间窗口现在很宽。法律、医疗、教育这些领域，现在进入成本大幅降低了。

我的判断：DeepSeek这次选择完全开源，而且是MIT协议，不是”假开源”。这个决策有点壮烈的感觉——把护城河让出去换生态，是个长线博弈。值得持续跟进。

Kimi K3曝光：2.5万亿参数，三季度见

这条是爆料性质的，但值得记一笔。

4月27日有爆料称，月之暗面下一代大模型Kimi K3预计在今年第三季度发布，参数规模超过2.5万亿，内部已测试远超100万token的上下文，但最终是否开放1M上下文，瓶颈不在技术，在算力资源。

做个横向对比：DeepSeek V4 Pro是1.6万亿参数，Kimi K3是2.5万亿，比V4大了将近六成。传闻中Claude Opus那一档大约是5万亿，Mythos可能到10万亿。国产模型的参数竞赛正式进入”向国际顶尖看齐”阶段。

为什么重要：这说明月之暗面不打算靠性价比卷，而是要去竞争性能天花板。两条路都有人在走——DeepSeek走低价开源路线，Kimi走高性能闭源路线，国产模型的格局越来越像美国那边的两极分化。

利好谁：需要高性能模型处理长文本复杂任务的企业用户，比如法律文档分析、学术研究、金融报告生成这类场景。

机会在哪：提前布局和Kimi的API生态对接，等Q3发布后能快速上线基于K3能力的产品。

我的判断：国产大模型从”比价格”进化到了”比参数+比能力”，这个演化速度比很多人预期的要快。

中科院发布磐石100;：AI for Science不是口号了

最后一条有点不一样，但我觉得很值得聊。

4月28日，中国科学院在北京发布了”磐石100″模型体系。不是聊天机器人，不是文生图，而是一套专门给科研用的”AI科学家”系统。覆盖数学、物理、材料、生命科学等八大学科，能求解偏微分方程、预测太阳耀斑、辅助发现药物靶点。

这套系统能在30天内发现3个全新药物靶点，这个数字如果是真的，在药物研发里是非常了不起的速度——传统路径可能要几年。

为什么重要：AI for Science一直是个”听起来很厉害但看不到实际产品”的方向。中科院这次拿出一个体系化的东西，而不是单点Demo，说明这个领域真的在工程化落地了。

利好谁：科研院所、高校、生物医药公司。尤其是制药行业，靶点发现周期被压缩意味着研发成本可能大幅下降。

机会在哪：国内的生物科技创业公司，现在是接入这类工具的好时机。AI+药物研发、AI+材料研发，这两个方向的商业化前景越来越具体了。

我的判断：这是一个不热闹但很硬的方向。To B、周期长、难度高，但一旦跑出来护城河极深。这条赛道会出大公司的。

今天这四条加在一起，其实说的是同一件事：AI的战场正在分层。有人在卷价格，有人在卷参数，有人在卷专业深度，大而全的时代正在结束，各找各的位置的时代开始了。

— 边不谢