7月27日深夜，月之暗面正式开源Kimi K3大模型，2.8万亿参数的体量一举刷新全球开源模型纪录。技术报告显示，该模型采用混合专家架构（MoE），内置896个专家网络，综合性能已摸到闭源模型下沿。然而，狂欢过后企业用户很快发现一个现实难题：免费的模型权重人人可下载，但要真正跑起来，硬件门槛足以劝退绝大多数玩家。

　　2.8万亿参数的“天价入场券”

　　开源不等于可部署，这是K3发布后行业最直观的感受。 按照公开技术参数，Kimi K3完整权重文件体积超过1.5TB，即便采用FP4精度量化，显存需求仍在TB级。AMD官方验证方案显示，单台8卡MI355X服务器（单卡显存288GB，总显存2.3TB）仅能实现基础推理运行，这套硬件采购成本约170万-240万元。

　　这只是能跑起来的最低门槛，离生产环境差得远。商业部署需要考虑并发量、长上下文处理、故障冗余和持续运维，月之暗面官方技术文档建议生产环境至少配置64张以上高端加速卡，且需部署在同一高速互联域内。

　　按此标准测算，64张B200级别GPU组成的集群，仅硬件采购成本就在1300万-1900万元区间。若采用英伟达最新旗舰卡，投入轻松突破3000万元。这还不包括机房托管、电力散热、运维团队等每年数百万元的持续开销。

　　对绝大多数中小企业甚至中型互联网公司来说，千万级的硬件投入都是不可承受之重。

　　本地部署退潮，MaaS成必然选择

　　未来大模型参数规模每上一个台阶，本地部署的经济性就下降一截。当模型参数从百亿级跃升至万亿级，企业用户自建算力集群的回本周期从一年拉长到三五年甚至更长，对企业来说ROI已经算不过来了。

　　这样越来越高的部署门槛，会让企业用户从“本地部署”转向“API调用”。

　　这一逻辑在海外市场已相对成熟。亚马逊AWS推出的Bedrock平台，是AWS提供的全托管大模型服务平台，通过统一接口支持Claude、Llama 2、Titan等主流模型。今年4月，OpenAI的前沿模型也正式登陆Bedrock，使其正在成为大模型的“超级聚合器”。

　　这种模式既降低了大模型的使用门槛，也让算力资源得到更高效的复用。用户无需关心底层算力和模型部署，直接通过API按需调用，按Token消耗量付费。

　　行云科技：中国版AWSBedrock雏形？

　　国内市场在随着Kimi K3这类超大规模开源模型的出现，"下载权重-本地部署"的传统开源玩法逐渐失效，企业用户会更倾向于通过MaaS（模型即服务）平台接入能力，按实际使用量付费。这在3亿体量的模型之下几乎是必然的趋势。

　　国内目前是否有AWS Bedrock这样集合算力与MaaS的厂商？行云科技今年陆续公布签约订单超过百亿，市场对其合作的头部大模型厂商产生了很多猜想。这家公司将自己定位为极致高效的“Token工厂”，构建了涵盖国内外算力中心建设、软硬件协同调优及MaaS基础设施平台。

　　从体量上看，行云科技已具备承接大模型算力需求的实力。2026年对外披露的大额算力相关订单累计超134亿元，已取得超过百亿的银行授信。公司在北京规划落地约3万P算力，预计占北京下半年新增算力总量的60%。

　　在技术层面，行云科技首席科学家唐博博士团队研发的AlayaJet推理引擎，在超长文本上下文处理上可提升单卡Token产出效率、压降推理成本。公司强调，“Token工厂”的核心是提升单位算力的有效Token产出，而非单纯堆高GPU规模——这正是MaaS模式的核心竞争力所在。

　　Kimi K3的开源，客观上为MaaS平台送来了东风。行云科技能否成为中国版AWS ，尚需待观察后续模式落地情况。