谷歌与月之暗面：AI登月计划的逆袭与技术创新

大约两年前，OpenAI的突然崛起让谷歌陷入被动，内部紧急拉响了“红色警报”。

为了应对这场可能动摇搜索业务根基的危机，谷歌作出了一个重大决策：2023年4月，谷歌将两大顶尖实验室Google Brain和DeepMind的核心成员抽调出来，组建新团队Google DeepMind。

这支新诞生的超级团队将所有赌注押在了一个名为“Gemini”的项目上。

Gemini的命名蕴含双重意义：它既象征着谷歌两大顶级技术力量的“双子”合体，也致敬了NASA著名的“双子座计划”——为后来的“阿波罗登月”奠定了关键基础。

“这个名字立刻吸引了我，因为训练大型语言模型的巨大努力与发射火箭的精神产生了某种深刻的共鸣。”谈到命名由来，DeepMind副总裁、Gemini联合技术负责人Oriol Vinyals如此回忆。

然而，现实的重力远超火箭的推力。

Gemini计划刚刚启动时，正值谷歌遭受最猛烈质疑的时期。OpenAI屡次抢在谷歌发布会前发布新模型，Gemini 1.0的演示视频被指夸大宣传，新模型性能优势不明显……桩桩件件让外界对谷歌的质疑声难以平息。

但科技行业的魅力在于：只要真正投入技术，翻身之日总会到来。

两年后的今天，当Gemini 3横空出世，多项指标超越GPT-5.1，谷歌终于扬眉吐气。

最近，谷歌被曝出正在探索一项名为“moonshot”的登月计划——在太空中建造配备谷歌人工智能芯片的太阳能卫星数据中心，这是其追赶OpenAI和其他竞争对手的最新举措。

谷歌首席执行官桑达尔·皮查伊在采访中自豪地表示，为登月计划感到骄傲。

AI 2.0时代的落地狂奔中，谷歌的故事成为这一代AI公司的最佳缩影。不同于AI 1.0时代技术快速触及天花板、后期比拼卷落地和资金的规模战；AI 2.0时代的公司至今面临的首要任务依然是卷技术。

在中美模型的竞争中，来自中国的月之暗面（Moonshot AI）很早就提出了自己的“登月计划”，正如杨植麟对公司的命名期待：深耕技术，注重“月球背面的探索”。

11月30日，美国NBC News报道，随着中国开源生态的崛起，以Kimi K2 Thinking模型为代表的中国顶尖模型，性能已接近美国最优秀水平。

这背后，是沉寂半年后卷土重来的月之暗面，同样依靠“登月计划”打了一场漂亮的翻身仗。

今年下半年，月之暗面先后推出了两款奠定地位的模型：Kimi K2和Kimi K2 Thinking。前者作为非思考模型，在多个测试中斩获开源模型SOTA；后者不仅能力大幅升级，还成为著名AI搜索Perplexity目前唯一接入的国产模型，同时被官宣的正是刚刚屠榜的Gemini3 Pro。上一个有此待遇的中国模型，还是风光无限的DeepSeekR1。

在2025年交汇的两条“登月路线”，再度凸显了技术红利对一家公司的重要性。

没有永久的王座，

AI赛道频繁上演“逆袭”

科技商业史的宏大叙事中，从来没有永久的王座。

在“一天一变”的AI赛道，技术的迭代速度以周甚至以天为单位，“逆袭”和“被逆袭”的戏码几乎每天都在上演。

细数三年，我们经历了多个靠技术翻盘的时刻：OpenAI靠ChatGPT超越一众科技大厂、月之暗面凭借长文本捧红AI助手Kimi、Claude系列模型反杀OpenAI、DeepSeek出圈、以Kimi K2为代表的国产模型在海外走红，再到最近的Gemini系列翻盘。

旧王推翻新王的故事，正在OpenAI和谷歌身上轮回。

据外媒The Information报道，本周，OpenAI CEO Sam Altman拉响红色警报。让这家AI独角兽警戒的对象，正是三年前对其同样启动红色警报的谷歌。

对于谷歌来说，2023到2024年是其最脆弱的时期。发布会上的事实性错误曾让市值一夜蒸发千亿；Gemini早期的演示视频被指夸大宣传；每一次试图反击，似乎都会被OpenAI更惊艳的产品抢走风头。

复盘两年来的努力，Google CEOSundar Pichai一再强调全栈能力的重要性。

“在这个过程中，我们大幅加大了基础设施投资——数据中心、TPU、GPU等等。接下来，就是如何确保能把Gemini整合进所有产品里。”Pichai说，“你把框架拉远一点看，就会觉得极度振奋。因为当你采用全栈方法论时，每一层的创新会沿着整条链路向上传递。”

谷歌正式吹响反击号角，始于2025年3月。

彼时，OpenAI惯用一种套路针对谷歌：卡在谷歌新模型发布时间前一天发布自家产品。而这一次，谷歌“以其人之道还治其人之身”，把Gemini 2.5 Pro的发布提前到OpenAI产品发布的前一天。Gemini 2.5 Pro也不负众望，在多项指标上超过O3-mini，站上最强模型竞技场。

随后，谷歌如同打开了军火库，陆续拿出了惊艳业界的原生多模态模型VEO 3、图片编辑模型Nano Banana，一系列超越同期竞品表现的产品接踵而至。

最终，Gemini 3成为引爆OpenAI的关键产品。从测试结果看，这个新模型实现了对GPT-5.1的全面超越，在数学竞赛、推理、多模态等能力上超越了Claude Sonnet 4.5和GPT-5.1。

无独有偶，这种剧情也在月之暗面身上发生。

半年前，这家公司还处在舆论风暴中心。尽管Kimi曾凭借长文本脱颖而出，但随着DeepSeek横空出世的推理模型R1靠技术破圈，一个问题降临在所有AI创业公司身上——“为什么xx没有成为DeepSeek？”

在此之后，月之暗面沉寂了半年。

看到DeepSeek后，月之暗面创始人杨植麟在内部会议上给出了相当激进的决策：不再更新K1系列模型，将公司核心资源押注算法和下一代模型K2的研发上。

对比谷歌，作为国内AI创企，月之暗面的处境更为严苛。没有数十年的数据积累，也没有可以和国内外巨头抗衡的资源，和海外AI创企动辄千亿美元的估值相比，月之暗面目前估值还不到40亿美元，这不仅是月之暗面一家的问题，更是国内大模型创业公司的共同困境。

利用有限资源，月之暗面在半年后也打了一场翻身仗。

先是今年7月Kimi K2模型发布，它是当时开源模型中少数能达到万亿参数的大模型，作为非思考模型，它在多项指标上拿下开源模型梯队的SOTA。

上个月，Kimi K2 Thinking模型正式上线时，在HLE、推理、Agent等维度上超越闭源模型GPT-5和Claude Sonnet 4.5，重新回到全球开源模型榜首。

“这是另一个DeepSeek时刻吗？”Kimi K2 Thinking模型发布后，Hugging Face联合创始人Thomas Wolf在X上这样评价。

模型背后，也看到月之暗面在基础技术上的追求。

比如全球首次在万亿级别模型预训练中采用二阶优化器Muon，官方表示，Kimi K2提升了训练稳定性和Token使用效率，在完成15.5T token平稳训练的同时，全程无Loss Spike（损失激增）；推出下一代Kimi Delta Attention架构，通过混合线性注意力机制帮助提升模型推理效果的同时，还能降低数倍推理成本。

“你可能会认为我们选择Muon只是运气好，但选择背后是几十个优化器和架构没有通过考验。”在月之暗面发起的AMA活动上，团队给出了这样的回答。

谷歌和月之暗面，也只是AI进化的缩影。如今，AI行业远未到逆袭的终点。

“当前环境是史上最激烈的竞争，唯一真正重要的是进步速度。”DeepMind CEO Demis Hassabis说。

AI 2.0时代，

技术红利依然是关键

“逆袭”还是“被逆袭”，AI 2.0时代，大模型公司们的“长跑考试”还在继续，技术依然是引领企业的引擎。

这与上一轮AI浪潮有着本质区别。回望2016年，当AlphaGo点燃AI 1.0时代时，技术泛化问题难以解决，行业快速触达天花板。

以计算机视觉（CV）为例，当时业内面临的问题更加棘手：性能非常依赖大规模标注数据、技术泛化性差、实时处理延迟等。在技术瓶颈下，拼资源、拼生态成了创业公司竞争的关键。

但AI 2.0时代完全不同。生成式AI时代行业距离天花板尚且遥远，整个领域还有大量未解问题。

在大语言模型领域，Scaling Law（规模定律）的放缓问题尚未有效解决；再看多模态大模型，包括自回归和离散两条技术路线还在探索中；视频生成的时长、一致性、物理规律的学习，仍有提升空间；Agent的落地，更卡在模型泛化能力的瓶颈上。

在这个阶段，如果一家公司过早放弃基座模型的能力提升，“地基”不稳的情况下，很容易被后起之秀弯道超车。

2025年，回归技术成为AI行业的关键词。

可以看到，无论是大厂还是小厂，都在招兵买马，集中资源攻克模型SOTA。

不仅仅是谷歌和月之暗面，最近，国内包括字节跳动、百度等大厂都在进行组织架构调整，核心逻辑是提升大模型研发的优先级。

上月末，百度TPG组织架构大调整，文心业务拆分为基础模型和应用模型部门，负责人直接向百度CEO李彦宏汇报；今年4月，字节AI Lab整体并入Seed团队，整合AI研发力量。

对技术的投入，永远是留在第一梯队的关键砝码。谷歌的路径已经给出示范。在Gemini 2.5 Pro逆袭之后，同样隶属于Gemini家族的图像编辑模型Nano Banana（Gemini 2.5 Flash）也快速走红。可以说，没有强大的、通用的Gemini基座在语言和视觉理解上的突破，谷歌难以在短时间内拿出一个同样具备竞争力的图像模型。

当基础模型研发取得突破，在这个基座上，公司们能够“举一反三”，在更多领域拿下优势。

此前，月之暗面团队在海外社交媒体AMA分享时，虽然没有具体预告K3模型发布时间，但表示该模型有望用上他们研发的KDA架构。有接近月之暗面的人士表示，万亿参数可以为后续推理模型打下扎实地基，K2的多模态已在路上。

无论规模、体量，包括模型性能，两家同样有着登月追求的公司都存在客观差距，如同中美竞赛中那道逐渐缩小的鸿沟，东西方的技术和开闭源之争正等待着下一个奇点的降临。