来一篇看空的
——————
Kimi K3 确实很强，编程能力一骑绝尘，是我们中国大模型的骄傲。

但它的爆火，证明了一件事：用户切换大模型的成本为零。全球开源社区前几周还在为 GLM 5.2 沸腾，几周后K3就横空出世……再往前还有Deepseek V4......

沿着这个逻辑往下深挖，第一个恐怖的结论就是，AI大模型根本就没什么壁垒，用户抛弃起来毫无门槛。

毫无疑问，K3也许很快就会被竞争对手的新模型超越，国内卷起来毫无底……

天价的Capex投资，成本还没收回来，就过时了，这难道不是对AI资本开支最大的利空吗？

沿着这个逻辑继续深挖，第二个恐怖结论就是，MaaS（大模型即服务）核心商业逻辑已经破产。

首先：MaaS 提供的“服务”本身是原子化的，无法构筑壁垒。它交付的是纯粹的“模型能力”，而非解决实际问题的完整方案。这种纯能力交付，对客户来说替换成本几乎为零。一个 API 密钥换另一个，不过是改几行代码。大模型本身没有护城河。GLM5.2 编程能力再强，也无法阻止用户下周就用脚投票选新模型Kimi K3。当最顶尖的模型也只能“各领风骚几星期”时，单纯提供模型 API 调用——也就是 MaaS 最基础的形态——就成了一桩极度脆弱的生意。用户毫无忠诚度，永远在追逐最新、最强或最便宜的 API。

其次：今后MaaS 将会陷入了无法逃脱的“价格战死亡螺旋”。为了留住这些毫无忠诚度的用户，MaaS 提供商只能陷入无尽的价格战和性能追赶。DeepSeek 一降价，所有人都得跟；Kimi 一发布新功能，对手就得加班加点。这导致一个残酷的结果：收入端在价格战中不断被压缩，成本端却需要持续进行天量的资本开支来训练下一代模型。这个商业等式根本无法成立。

那么，AI后续商业价值出路在哪里？也许护城河必须建立在为企业创造实打实的效率提升上。这恰恰是 MaaS 逻辑的反面。这不再是“模型即服务”，而是“结果即服务”或“效率即服务”。 从“交付token”到“交付成果”， 价值不是在调用模型那一刻产生的，而是模型深度融入了企业的 ERP、CRM、数据中台，成为自动化工作流里的一个关键环节。这种深度绑定，构成了极高的替换成本。

通用模型护城河低，因为谁都能做。但一个用企业私有数据精调、懂得特定行业 Know-how、符合企业特定安全合规要求的“专属模型+工作流”，其迁移成本将指数级上升。

大模型的Capex军备竞赛结束了。