OpenAI五年烧钱2780亿美元账本曝光、华为Peerium百万核架构亮相、千问全模态与Kimi K3出海：9月20日AI三线
英国《金融时报》曝光OpenAI内部财务预测，2030年前累计自由现金流净流出约2780亿美元，算力支出达8560亿美元；华为发布Peerium计算架构，百万级处理器协同突破冯·诺依曼体系；千问全模态模型与Kimi K3加速出海，美国联邦公报网站已用千问提供搜索。文末给出南宁大模型落地的企业侧观察。
9月20日的 AI 圈，三条消息几乎同时砸下来，方向各不相同。英国《金融时报》拿到了 OpenAI 的内部财务预测，2030 年前这家公司预计累计自由现金流净流出约 2780 亿美元；华为在上海全联接大会上端出全新的 Peerium 计算架构，要把一百万颗处理器拧成一台计算机；大洋另一边，阿里千问的全模态新模型上线，月之暗面的 Kimi K3 登陆亚马逊 Bedrock，连美国《联邦公报》网站的搜索服务都被发现在用千问驱动。三件事摆在一起，正好勾勒出 AI 产业当下的三个关键词：烧钱、地基、出海。
先看最扎眼的账本。据英国《金融时报》获得的内部演示材料，OpenAI 预计 2026 到 2030 年间，收入从今年的约 360 亿美元一路涨到 2030 年的 3500 亿美元，五年总营收约 8400 亿美元；同期算力与基建支出约 8560 亿美元，两项几乎完全相抵。更刺眼的是现金流：这五年累计自由现金流净流出约 2780 亿美元。
我第一眼看到这组数字时愣了一下——五年营收八千四百亿美元，算力支出八千五百六十亿美元，这基本上是一台接近收支平衡的算力转换器。烧掉的钱不来自利润，而来自一轮又一轮的外部融资。2780 亿美元的缺口，本质上是对未来融资环境的豪赌，也是近期市场流传 1.2 万亿美元估值传闻在支出侧的注脚。
有意思的是，OpenAI 并不打算一个人扛。同一周里，算力产业链的资本动作密集落地：AI 数据中心开发商 Crusoe 完成 39 亿美元 F 轮融资，估值升到 309 亿美元，一年翻了三倍，资金用于量产模块化的 AI 工厂；高盛、三井住友、巴克莱等十家银行组成的银团向算力公司 Crux AI 提供 220 亿美元贷款，专项采购谷歌 TPU，黑石另承诺 50 亿美元股权——这是谷歌 TPU 第一次被像英伟达 GPU 那样拿去资产化融资；亚马逊则与备用发电机供应商 Generac 签下最高 80 亿美元的长期供货协议，还附赠认股权证，消息公布当天 Generac 股价涨超四成。
黄仁勋在苏格兰 AI 峰会上又补了一刀：英伟达 2027 年芯片销量将达到今年的两倍，Rubin 与 Blackwell 相关需求预期超过 5000 亿美元。钱、芯片、电力、土地，AI 军备竞赛的硬通货，没有一样是模型本身。对做企业服务的人来说，这条消息链里真正有用的是另一面：全产业链在合力把推理成本继续往下压，中小企业接入大模型的门槛只会越来越低。
账本之外，地基也在翻新。华为在上海发布面向 AI 时代的全新计算架构 Peerium，官方的说法相当激进：实现百万级处理器作为一台计算机协同工作，突破冯·诺依曼单机架构的限制。技术上，Peerium 靠三件事支撑——嵌套并行、统一内存寻址和平等互联；计算范式上提出嵌套批量同步并行，把并行计算任务分层递归组织，华为称这突破了传统图灵范式的限制。
说实话，百万核一台计算机这个目标，行业里喊了几十年，华为敢在此时立项，底气来自同期亮相的硬件：全球首个采用 NPO 技术的昇腾960 液冷超节点，以及规模达 12.8 万卡的超节点集群。官方给出的参数是网络带宽提升 4 倍、RTT 时延降三分之一、内存容量提升 11 倍，总体拥有成本宣称下降三成；配套的 PB 级 KV Cache 共享缓存池命中率超过九成，全新的数据中心网络把算力调度颗粒度压到了词元级别。
比参数更值得看的是软件生态。华为计算战略部门披露，昇腾 CANN 开源社区月均活跃用户超过 5200 人，非华为开发者数量已经超过华为开发者，日均新增合入代码超过 3 万行；基于昇腾完成预训练的大语言模型和多模态模型超过 40 个。汪涛在演讲里说得很直白：打造 AI 算力底座，只做好一颗芯片远远不够，CANN 已经跨过拐点，现在补的是软件生态。
我其实觉得，这场发布会的信号不在参数有多猛，而在竞争维度的切换：当推理取代预训练成为算力消耗主体，芯片竞争的关键就从单卡峰值转向集群互联、软件栈成熟度和迁移成本，这恰好是华为能用系统工程能力去弥补单点差距的地方。当然，真正的考验仍然是头部模型厂商愿不愿意把主力训练放到昇腾上——目前更多的还只是适配。
第三条线是国产模型的出海与全模态。阿里千问正式上线 Qwen3.8-Omni-Flash，这是通义千问全模态系列的轻量高速版：同时处理文本、图像、音频、视频四种输入，支持 100 万词元上下文；官方称 30 项评测较上代平均提升百分之二十六，音频能力整体超过 Gemini 3.8 Flash，智能体理解准确率升到 67.8。定位很明确——主攻音视频智能体，视频剪辑、短剧翻译配音、电影解说、会议纪要这些端到端工作流，一个模型全包。配套的 Qwen-MM-Plugins 与 Qwen-Live Harness 同步开源，每小时音频输入价格降幅超过百分之九十八，音视频输入降幅超过百分之九十三。前一天发布的 Qwen3.8-LiveTranslate 实时同传模型，字均延迟从上一代的 2.8 秒压到 2.3 秒，支持 60 种源语言、29 种语音输出，还加了实时说话人分离。
出海这条腿也迈得扎实。月之暗面 Kimi K3 以 2.8 万亿参数正式登陆亚马逊 Bedrock，国产开源旗舰第一次进入全球商用云渠道；原生视觉能力、100 万词元上下文，迭代效率较 K2 提升 2.5 倍，独家支持显式提示缓存来摊薄长文本成本。更具标志性的是，美国《联邦公报》网站被发现直接用阿里千问的小型开源模型提供语义搜索——美国政府机构成了千问的部署方。国内落地同样有样本：千问办公协助国家天文台团队，只花 3 天、成本不足千元，就搭出大口径科研级望远镜数字化仿真系统，各组件状态统一封装成 MCP 接口，智能体即插即用。
开源权重加国际云分发，正在成为国产模型全球化的标准路径；而把全模态理解和工具调用装进同一个模型，大概率是接下来半年开源阵营的标配。
把三条线连起来看：OpenAI 的账本说明 AI 竞争已经变成资产负债表的竞争，单靠模型公司自己的现金撑不住算力黑洞；华为的 Peerium 说明算力竞争从芯片单点转向体系与生态；千问和 Kimi 的动作说明模型竞争正从文本卷向全模态和全球渠道。变化很快，但落到企业侧的逻辑反而简单了——推理成本在降、全模态能力在成熟、工具链在开源化。我给南宁本地想做 AI 项目的企业的建议一直没变过：不必急着追每一个新模型，先把业务数据、流程文档和真实场景整理干净，等全模态和智能体工具链稳定后直接接上，比什么都实在。数字会一直变，账本、地基、生态这三件事，才是未来两年真正决定谁能把 AI 用好的变量。