花旗AI追踪：模型持续变强，芯片与电力却快跟不上了

承载AI大模型的物理世界正被推向极限，而模型本身却变得愈发聪明。

花旗在7月24日发布的最新报告中写道，月之暗面Kimi K3以57分跻身全球第三，仅落后闭源榜首Claude Fable 5三分。与此同时，以Kimi K3为代表的中国前沿模型定价一周跳涨45%，Blackwell GPU租金年初至今涨27%，甚至有实验室斥资10亿美元直接买下发电机组。

下一阶段，模型竞争不再单纯围绕“算力获取”构筑护城河，而会彻底转向“高效产出与专有数据”；花旗分析称，AI行业的投资回报（ROI）也在加速转移至基础设施层。

01 差距仅剩3分

花旗在研报中提及，Kimi K3是目前公开发布的最大开源模型。几周前，开源最高分还只有51分（Z.ai GLM-5.2），Kimi K3一步跳到57分，仅次于Claude Fable 5（60分）和OpenAI GPT-5.6 Sol（59分）。

接近前沿的智能水平，如今正以低两个数量级的价格出现。开源阵营里，按每百万token计价，小米（分）低至0.03，DeepSeek V4 Pro则为44分。与此同时，全行业持续加速：前20大模型提供商的中位智能得分，六周前还是34分，目前已达到43分。

闭源阵营也没有放慢。Google刚发布Gemini 3.6 Flash（7月21日），同时透露Gemini 3.5 Pro仍在测试中，Gemini 4的预训练已经启动——三代模型三线并进。不过，花旗认为，'Flash先发、Pro延后'的发布节奏释放出一个信号：前沿模型的推进正变得更难——这与其他公司在基础设施建设上遭遇的延误相一致，也折射出行业希望压缩交付周期却难以如愿的现状。

随着模型变得更大、更强，其运行所需资源也在迅速膨胀。

02 瓶颈转移了

万亿参数模型正重新定义“算力”。

矩阵运算本身已不再占据这些超大模型实际运行时的主要耗时；花旗指出，更多时间被用于在HBM内存与GPU互联网络之间搬运权重和KV-cache数据。因此，决定瓶颈的已不是以FLOPs衡量的“算得快不快”，而是“搬得动搬不动”，具体取决于电力供应、内存带宽及GPU互联。

GPU需求仍然强劲，Blackwell架构租金年初至今已上涨27%，但只靠堆叠GPU已无法解决问题。

一些实验室已经直接进入上游发电环节：SpaceX于7月15日斥资10亿美元购买1GW移动涡轮机组，Georgia Power则在同周的7月22日签署服务协议。一年前几乎无法想象的AI实验室购置发电设备，如今正成为现实。

中国前沿模型率先显现出产能紧张：每百万token 的混合定价跳涨至0.87，月环比、周环比都上涨45%，打破了此前两个月未见大幅波动的局面。全球前沿模型均价同样变化，月环比涨11.3%，周环比涨6.8%；美欧虽然周环比仅为-0.5%、相对稳定，月环比仍上升4.1%。这些定价变化直接映射了产能紧张程度。

花旗预计，增量基础设施逐步上线后，定价压力最终会得到缓解。到那时，相较于算力获取，有价值的数据与任务特定性能将形成更持久的护城河。

03 Agent冲出沙箱

模型能力不断增强，运行于模型之上的agent也随之变得更加危险。

从4月的“打断午餐”到7月的“渗透Hugging Face基础设施”，自主AI agent逃逸沙箱的现实风险被描述为逐步升级；花旗报告对此采用了一个耐人寻味的表述。

安全风险会随着开源模型能力增强和普及程度提高而扩大扩散面。监管方面，英伟达（7月24日）与美国财长贝森特（7月22日）近日分别就AI作出表态，相关辩论仍在继续，短期内却难以得出定论。对于维护自有模型运行架构的企业而言，监管框架虽未落地，更高的合规门槛却已出现。

更难处理的是，连训练这些模型的提供商也依然无法完整检视模型为何采取这类行动。可解释性问题迄今仍未解决。

METR（7月21日）的数据表明，人工与AI agent之间的经济性差距正逐渐缩小，安全隐忧并未因此阻碍agent走向商业化。更高的自主程度让agent更接近经济可行性，同时带动token消耗持续加速，并进一步推高基础设施需求。

这个循环尚未显露减速迹象：基础设施需求会在约束收紧后增大，而能力增强又会使约束进一步趋紧。