如果说上周的关键词是「全面开战」，那这周的关键词是**「格局重塑」**。

上海 WAIC 大会上习近平提出了中国 AI 外交的全球愿景；Moonshot AI 的 Kimi K3 让开源模型第一次真正逼近美国前沿；AI 价格战从「降价」演变成了「效率革命」；而 AI 对就业的影响，终于从预测变成了数字。

信息密度极高，我们开始。

一、WAIC 2026：中国 AI 外交的全球舞台

7 月 17 日，世界人工智能大会（WAIC）在上海开幕。习近平出席开幕式并发表主旨演讲，提出「以人民为中心」的 AI 发展理念，强调中国对负责任 AI 治理的承诺。

更具标志性的是：29 个国家签署了成立「世界人工智能合作组织」的协议——这是一个政府间国际组织，旨在推动 AI 领域的国际合作与全球治理。

与此同时，CNN 的分析指出了一个微妙的对比：就在习近平在上海演讲的同一天，特朗普在华盛顿指责中国「窃取选民数据」。两个画面，两种叙事。

习近平还宣布中国将在未来五年为发展中国家提供 5,000 个 AI 培训和研讨机会——这是典型的「AI 外交」操作，用技术合作换取地缘影响力。

我的看法： WAIC 今年升格为「中国 AI 外交的主场」。

29 国签署合作组织协议，这个数字本身说明了一切——中国正在用多边机制来对冲美国的技术封锁。当美国通过出口管制限制中国获取先进芯片时，中国选择在全球层面建立 AI 治理的话语权。

这是一个聪明的策略：你在技术上卡我，我在规则上布局。

对行业的实际影响：如果你的 AI 产品同时涉及中国和海外市场，WAIC 释放的信号是——中国会加速建立自己的 AI 治理体系，同时争取发展中国家市场。两个生态系统的分裂在加深。

二、Kimi K3：开源模型的历史性时刻

本周最重磅的技术新闻来自 Moonshot AI（月之暗面）——Kimi K3 正式发布。

关键数据：

• 2.8 万亿参数——全球最大开源模型
• 在部分基准测试中超越 Claude Fable 5 和 GPT 5.6 Sol
• 整体性能仍略逊于 Fable 5 和 GPT 5.6 Sol，但差距已经很小
• 成本仅为美国同类系统的一小部分

Reuters 的标题是「closing in on US rivals」，Axios 用了「stuns AI world」，Gizmodo 更直接——「China Just Dropped Another Bomb on America’s Frontier AI Companies」。

我的看法： Kimi K3 的意义不在于它是不是「最强」，而在于它证明了开源模型可以逼近闭源前沿。

回顾一下时间线：

• 2024 年初：开源模型落后闭源约 2 年
• 2025 年中：差距缩小到 6-12 个月
• 2026 年 7 月：Kimi K3 在部分任务上追平甚至超越闭源模型

这个速度比大多数人的预期快得多。

更值得关注的是 Moonshot 的定价策略。CNBC 的报道指出 Kimi K3 的成本「仅为美国系统的一小部分」。这意味着即使整体性能略逊，性价比可能更高。

对企业开发者的实际影响：如果你之前因为性能差距选择闭源 API，现在是重新评估的时候了。Kimi K3 在多个任务上已经够用，而成本优势可能非常显著。

一个有趣的细节：TechCrunch 报道 Moonshot 的 Kimi K2 就已经被预期能追平 Anthropic 的 Opus 4.8。从 K2 到 K3，Moonshot 的迭代速度非常快。这种速度在中国 AI 行业并不罕见——当人才和资本集中时，迭代可以是指数级的。

三、AI 价格战：从降价到效率革命

LA Times 的报道标题很直接：「AI price war heats up as OpenAI, Meta and Musk slash model costs」。

本周的价格战动态：

OpenAI GPT-5.6 — 官方强调「用更少的 token 完成更多工作」，将效率提升作为核心卖点。

SpaceXAI Grok 4.5 — 号称 token 效率是同级别竞品的两倍。

Meta Muse Spark 1.1 — 定价 $1.25/百万输入 token，$4.25/百万输出 token，低于 OpenAI 和 Anthropic 的旗舰产品。

腾讯 Hy3 — 295B 参数的 MoE 模型，仅 21B 激活参数，主打「Agent 能力而非规模」。

Palantir CEO Alex Karp 公开炮轰 — 称 OpenAI 和 Anthropic 的 token 模型「完全错了」，导致了市场效率低下。

我的看法： 这不是一场简单的价格战，而是 AI 商业模式的结构性转型。

串起来看：

1. 模型能力趋同 — 当 Kimi K3、GPT-5.6、Grok 4.5 都「足够强」时，性能不再是决定性差异
2. 效率成为核心竞争力 — 从「谁的模型最聪明」变成「谁用最少的资源完成同样的任务」
3. token 模型受到质疑 — Palantir CEO 的批评代表了一种趋势：企业客户开始质疑按 token 计费是否合理
4. MoE 架构成为主流 — 腾讯 Hy3 的 295B 总参数 / 21B 激活参数就是典型例子，用更少的计算做更多的事

Perplexity CEO Aravind Srinivas 说了一句很精准的话：「token value per watt（每瓦特的 token 价值）可能决定下一阶段的竞争。」

这意味着 AI 竞争正在从「智能密度」转向「经济密度」——不是每美元能买多少智能，而是每瓦特能源能产生多少价值。

对企业的影响：不要只看 API 单价。要看每完成一个实际任务的总成本。Forbes 的报道指出，更便宜的 token 不等于更便宜的企业 Agent——因为 Agent 可能需要大量 token 才能完成一个任务。

四、DeepSeek 筹备 15 亿美元融资，计划 IPO

TechCrunch 报道，DeepSeek 正在筹备约 15 亿美元的新一轮融资，估值约 710 亿美元，随后可能在 2027 年 IPO——甚至可能早到今年年底。

这是在之前 70 亿美元融资之后的又一轮。

我的看法： DeepSeek 的融资节奏说明资本市场对中国 AI 的信心依然强劲。

710 亿美元的估值意味着什么？作为参考：

• Anthropic 最新估值约 600 亿美元
• OpenAI 最新估值约 3000 亿美元
• DeepSeek 710 亿 > Anthropic

考虑到 DeepSeek 的模型在效率上的口碑，这个估值并不离谱。但问题是：DeepSeek 能不能把技术优势转化为持续的商业收入？

中国 AI 公司面临的一个共同挑战是：国内市场竞争激烈（百度、阿里、腾讯、字节都在做），海外市场受地缘政治影响。DeepSeek 的开源策略是一个差异化选择，但开源本身不直接产生收入。

IPO 的时间线也值得关注——如果 2027 年 IPO，那它将成为中国 AI 领域最大的 IPO 之一。

五、腾讯 Hy3：Agent 优先，规模靠边

Forbes 报道了腾讯发布的 Hy3 大模型——一个 295B 参数的 MoE 模型，但只有 21B 激活参数。

Hy3 的核心策略不是追求最大参数量，而是在 agentic search 和 tool orchestration（工具编排）上做到最好。

我的看法： 腾讯的选择代表了 AI 行业的一个认知转变——参数规模不是目的，解决问题才是。

295B 总参数 / 21B 激活参数，这个比例意味着：

• 模型有足够的能力处理复杂任务
• 但推理成本远低于同规模的 dense 模型
• 特别适合需要多步推理和工具调用的 Agent 场景

这与 Palantir CEO 对 token 模型的批评形成了呼应：未来的 AI 价值不在于「用了多少 token」，而在于「完成了多少任务」。

六、AI 对就业的影响：从预测到数字

本周出现了几个关于 AI 就业影响的重要信号：

JPMorgan CEO Jamie Dimon — 在财报电话会上透露，AI 已经在某些领域减少了 40% 的岗位。但他同时表示，AI 并没有让 JPMorgan 的整体运营成本显著下降。

200+ 专家联名呼吁 — Reuters 报道，超过 200 名专家在 WAIC 期间呼吁紧急行动，应对 AI 的经济影响。

LA Times — 报道了 AI 基础设施的大规模建设正在推高消费者的电子产品和电力成本——数据中心的投资今年可能超过 7000 亿美元。

我的看法： Dimon 的「40%」这个数字会被反复引用。

但更值得关注的是他说的另一半——「AI 没有让 JPMorgan 显著变便宜」。这揭示了一个悖论：

• AI 可以替代某些岗位的人力
• 但 AI 本身的 token 成本、基础设施成本、维护成本在上升
• 净效果是：岗位减少了，但总成本没有等比例下降

Meta 的 Adam Mosseri 也提到了一个有趣的概念：未来可能会给每个工程师设定 AI token 预算上限——就像现在设定云资源预算一样。

这说明了什么？AI 正在从「无限试用」阶段进入「预算管理」阶段。 企业开始认真对待 AI 的成本控制，就像对待云计算成本一样。

七、其他值得关注的动态

Nvidia Cosmos 3 Edge — Nvidia 在东京发布了面向机器人和视觉 AI Agent 的新模型 Cosmos 3 Edge，深入布局日本的物理 AI 市场。AI 正在从云端走向边缘、从数字世界走向物理世界。

Mira Murati 的 Thinking Machines Lab 发布 Inkling — 前 OpenAI CTO 的新公司发布了首个模型 Inkling。有趣的是，Inkling 的架构模仿了 DeepSeek-V3，并且训练过程中使用了 Kimi 等中国模型的合成数据。Forbes 的标题暗示 Murati 在「向中国学习」。

Google Gemini 3.5 Pro 延期 — MarketWatch 报道，Google 最强大的 AI 模型 Gemini 3.5 Pro 已经延期数月，工程师和研究人员对进度表示沮丧。Alphabet 股价因此下跌。Google 在 AI 竞赛中的掉队越来越明显。

WeRide 发布 WITT — 自动驾驶公司文远知行发布了物理 AI 认知基础模型 WITT（World Intelligence Toward Truth），基于原子物理事实构建。这是自动驾驶技术向「物理 AI」方向演进的一个信号。

Microsoft 裁员 — Fox News 报道 Microsoft 再次裁减数千个岗位，AI 转型继续重塑科技公司的人员结构。

结语：格局正在重塑

2026 年 7 月第三周，所有新闻串起来看：

三个越来越清晰的趋势：

1. 开源 vs 闭源的差距正在消失。 Kimi K3 证明了开源模型可以在部分任务上超越闭源。这对整个行业的定价权和竞争格局都会产生深远影响。当开源「够用」时，闭源的溢价空间会被压缩。

2. AI 竞争从「智能」转向「效率」。 从 token 效率到每瓦特 token 价值，从参数规模到任务完成率——竞争的维度在发生根本性变化。未来的赢家不是「最聪明的模型」，而是「最具性价比的系统」。

3. AI 的地缘政治化在加速。 WAIC 的 29 国合作组织 vs 美国的出口管制，中国 AI 外交 vs 美国技术封锁——AI 正在成为大国博弈的核心战场。对企业来说，这意味着「同时服务中美两个市场」的难度会越来越大。

对开发者的行动建议：

1. 重新评估开源模型 — Kimi K3 值得认真测试。如果你的场景对成本敏感，开源可能已经是更好的选择。
2. 关注效率指标 — 不要只看 API 单价，要看每完成一个任务的综合成本。
3. 为 AI 预算管理做准备 — 像管理云成本一样管理 AI 成本，建立 token 预算和使用监控。
4. 关注合规和地缘风险 — 如果你的产品涉及海外市场，中美 AI 监管分裂是你的核心风险之一。

AI 行业正在从「谁最聪明」的竞赛，演变为「谁最划算、谁最合规、谁最可持续」的系统性竞争。这场游戏的规则，正在这一周被重新书写。

参考资料：Reuters (WAIC 29国签署, Jul 16; Xi AI speech, Jul 17; Moonshot Kimi K3, Jul 17; DeepSeek IPO, Jul 14; 200+ experts AI impact, Jul 13), Axios (Kimi K3 stuns AI world, Jul 16), TechCrunch (Moonshot Kimi 3, Jul 16; DeepSeek IPO, Jul 14; Meta token budgets, Jul 14), CNBC (Moonshot Kimi K3, Jul 17; Nvidia Cosmos 3 Edge, Jul 16; Xi AI summit, Jul 17; AI race shifting, Jul 10), LA Times (AI price war, Jul 13; AI buildout inflation, Jul 13), Forbes (Tencent Hy3, Jul 13; Cheaper tokens enterprise agents, Jul 13; Murati Inkling, Jul 15), Gizmodo (China AI bomb, Jul 17), CNN (China AI conference analysis, Jul 17), Bloomberg (Xi AI summit, Jul 13), MarketWatch (Google Gemini delays, Jul 17), Business Insider (Jamie Dimon AI jobs, Jul 15), Fox News (Microsoft layoffs, Jul), NPR (Xi AI global effort, Jul 17), NBC News (Xi AI vision, Jul 17)