Kimi面临的挑战也是所有人工智能企业共同面临的挑战。我们一方面要加快“算力网”的建设，另一方面也要优化算法，提高算力的利用效率。

7月19日，月之暗面Kimi发布通知，决定即日起，暂停C端新用户订阅，将已有算力全部投入于服务已订阅用户，保障已订阅用户的全部权益不受影响。同时，其已在全速推进算力扩容。

Kimi暂停C端新用户订阅，当然跟这几天受到的全球关注有关。7月17日，月之暗面发布全球首个2.8万亿参数开源模型Kimi K3，一时震惊世界科技圈，被称为又一个DeepSeek时刻。Kimi K3是中国大模型崛起群像的一个代表，虽然美国仍然具有先发优势，但中国模型在大多数商业应用场景中所体现出的综合性能，与美国模型的差距已缩小到用户难以感知的程度。全球用户大量涌入，算力难免紧张。同时，也跟人工智能一日千里的发展速度有关。以中国为例，今年3月，中国日均词元调用量突破140万亿，相比2024年初的1000亿，增长超千倍。算力供应正艰难跟上这种进步节奏，紧张是全球共性问题，将长期存在。不仅如此，算力供应还存在集中在少数国家、少部分区域的问题，又进一步加剧了紧张局势。

除了这些普遍性以外，中国的情况又有特殊性。得益于中国丰沛的绿电资源、完备的供应链及工程效率，中国算力价格极具竞争力。这一年多来，中国大模型以低成本、高效能、开源等优势打破了一些国家的话语权垄断，促进了技术的普惠共享。一些全球企业正在悄然转向低成本、更开放的中国AI模型。可以说，中国算力不仅要解决中国的问题，还要帮助解决世界的问题，这反过来也加剧了对算力的需求。

Kimi表示将从算力扩容、优化设计两个方向解决算力紧张的问题。对大多数日常使用场景而言——比如信息查询、文档摘要、简单问答——并不需要动用最高精度的推理服务。为不同需求匹配不同服务精度，既能保障用户体验，也能更高效地利用有限算力。

这两点契合解决算力紧张问题的要义：既要开源，又要节流。其实，Kimi面临的挑战也正是所有中国人工智能企业共同面临的挑战。我们一方面要加快“算力网”的建设，通过整合分散的计算资源，将分布在不同地方的计算机、服务器、数据中心的算力，通过高速网络连接起来，进行统一编排、调度和管理。算力网是“十五五”规划重大工程，已被纳入国家级现代化基础设施体系并上升为国家战略。这也体现了我国应对技术爆发的前瞻性。目前，通过“东数西算”工程，全国算力“一张网”已初具雏形。

另一方面也要优化算法，提高算力的利用效率。算法越高效，同等算力下能做的事越多。对此大模型公司大有可为，比如，DeepSeek的做法就值得借鉴，其核心优势就在于走通了低成本和高性能的路。在高端芯片受限、国产先进制程有待发展、存储芯片需求爆发价格暴涨的情况下，我们不可能走算力“堆卡”、比拼硬件的老路，需要依托国产算力，构建一套更加自主、多元且成本可控的算力供给体系，国产大模型公司对此应有清醒的认识。

某种程度上说，困难也是契机。人工智能竞争比拼的不仅有算力，更有能源、制造能力、工程能力，仅在一个方面取得突破是远远不够的，在这些方面，中国具有显著优势，可以为国产芯片的追赶以及算力网建设赢得宝贵的战略窗口时间。