硅谷那些估值百亿的 AI 独角兽，底座竟然全是国产模型？

这事儿挺有意思，如果你最近关注 AI 圈的商业逻辑，会发现一个很有意思的现象：那些看起来血统纯正、在硅谷风头无两的 AI 产品，扒开外壳一看，里面跑的居然是 Kimi 的底座。

这就好比大家都在吃米其林餐厅，结果厨师偷偷告诉你，这块顶级和牛其实是从隔壁农场直接拉过来的。

先说个最典型的。现在程序员人手一个的编程神器 Cursor，之前一直没交代清楚它那个号称很厉害的 Composer 2 到底是怎么炼成的，结果被扒出来底座其实是 Kimi K2.5 训练出来的。还有号称“全球首位 AI 程序员”的 Devin，最近发的 SWE-1.7 也直接摊牌了，用的也是 Kimi K2.7。

这已经不是个例了，现在的趋势是：海外公司不再执着于证明“我的模型是我从零开始训的”，而是开始玩“拿来主义”。

• Harvey： 这家估值 110 亿美元的法律 AI 巨头，专门给律所干活。他们最近搞了个 Tenet 模型，直接拿 Kimi K3 当基座进行后训练。
• Cosine： 专门修银行、航空公司那种老古董代码的英国公司，他们用 Kimi K2.6 搞出了 Lumen Outpost。
• Thinking Machines： 连 OpenAI 前 CTO Mira Murati 创办的新公司，在用 Kimi K2.5 生成合成数据做微调时，都在参考 DeepSeek 的架构。

为什么这些有钱的硅谷公司不直接去调 OpenAI 或 Anthropic 的 API，非要费劲巴拉地拿中国开源模型回来自己练？

说白了，就是为了从“租房住”变成“买房住”。

如果你只是调用 GPT 的接口，那你本质上是在给 OpenAI 交房租，用户用得越多，你给的钱就越多，利润空间被上游掐得死死的。但如果你拿到了 Kimi 这种开放权重的模型，你就可以用自己的行业数据（比如法律卷宗、银行代码）进行深度微调（Post-training），最后把这个模型变成你自己的资产。

这种模式对小公司特别友好。你没钱跟 Google、OpenAI 拼算力、拼参数规模，那你就去拼“职业资格证”。拿个现成的、好用的国产模型当底座，加上你手里的垂直行业数据，直接训练出一个在某个细分领域吊打通用大模型的“专家模型”，这生意逻辑简直无敌。

现在的局面很微妙：用户可能根本不知道自己用的工具底层是中国技术，但这恰恰说明中国模型正在变成全球 AI 供应链里的“工业原料”。