Recreating the "DeepSeek Moment"? Wall Street Agrees: Kimi K3 Instead Reinforces Computing Power Demand

星球君的朋友们

Odaily资深作者

2026-07-21 02:45

本文約3926字，閱讀全文需要約6分鐘

Kimi K3 is more like a catalyst for the spread of AI usage than a signal that hardware demand has peaked.

AI總結

展開

Core Viewpoint: The release of Kimi K3 as the world's largest open-source model sparked market panic about weakening demand for computing power. However, Wall Street investment banks generally believe that K3 will accelerate, rather than reduce, AI infrastructure demand, consistent with the "Jevons Paradox."
Key Factors:
1. Kimi K3 boasts 2.8 trillion parameters, a 1M token context window, and native multimodal capabilities. It tops authoritative coding leaderboards, with performance rivaling top-tier closed-source models.
2. K3's pricing ($15 per million tokens for output) is lower than Claude Fable 5 and Opus 4.8, but higher than DeepSeek et al., positioning it to offer near-frontier capabilities at a lower cost.
3. Investment banks like Nomura and Citigroup point out that more efficient models will stimulate more applications and token processing demand, ultimately driving up consumption of computing power, memory, and storage.
4. The large-scale deployment of K3 requires supernode clusters, and its inference side demands more HBM and server memory (like DDR5, eSSD) than other frontier models.
5. OpenRouter data shows that the global share of token usage for Chinese AI models has soared from less than 2% a year ago to over 45%, indicating accelerated ecosystem penetration.

原文作者：龙玥

原文来源：華爾街見聞

市場把 Kimi K3 當作「DeepSeek 時刻 2.0」來恐慌，但這一次，華爾街的判斷截然不同。

7 月 16 日深夜，月之暗面在上海發布 Kimi K3。這個 2.8 萬億參數的開源模型，在 Artificial Analysis 智能指數上得分 57，排名全球第三至四位，與 Anthropic 的 Claude Opus 4.8 和 OpenAI 的 GPT-5.5 持平。更關鍵的是，在加州大學柏克萊分校建立的 Frontend Code Arena 程式設計榜單上，K3 以 1679 分登頂，超越 Claude Fable 5 和 GPT-5.6 Sol，成為首個在權威程式設計榜單上超越全部海外閉源模型的開源模型。

7 月 17 日，美股半導體板塊出現明顯下跌。市場的條件反射不難理解——2025 年初，DeepSeek R1 的發布觸發了算力股的一輪急跌，邏輯是：中國模型越來越強，美國 AI 公司還有必要砸那麼多錢在算力上嗎？如果中國模型能用更低成本逼近前沿能力，輝達、HBM、伺服器、網路設備的需求是否會被重估？

然而，據追風交易台消息，來自瑞銀、野村、美銀美林和花旗等投行的最新研報認為：Kimi K3 不是算力需求的終結者，而是加速器。

Kimi K3 和 DeepSeek R1 不是同一種衝擊。R1 更多讓市場看到「效率」；K3 更突出「規模」。2.8 萬億參數、1M token 上下文、常開推理、原生多模態、MoE 架構，這些特徵不是輕資產的故事。它們會把推理、記憶體、網路和儲存的壓力一起抬高。

Kimi K3 有多強？

Kimi K3 由月之暗面在 2026 年 7 月 16 日發布，完整模型權重計劃於 7 月 27 日開放。它是 2.8 萬億參數開源權重大模型，被多家機構稱為目前最大規模的開源權重 LLM。

核心配置包括三點：

第一，1M token 上下文視窗。模型可以處理更長文字、更長程式碼庫、更複雜的企業資料和研究任務。

第二，常開推理。不是簡單問答，而是面向長鏈路推理和 Agent 任務。

第三，原生視覺能力。K3 不只處理文字，也面向影片、圖像、遊戲開發、前端設計、CAD 等多模態任務。

架構上，K3 使用 Kimi Delta Attention、Attention Residuals 和 Stable LatentMoE。MoE 部分為 896 個專家中每個 token 激活 16 個專家。月之暗面給出的說法是，相比 Kimi K2，整體 scaling efficiency 提升約 2.5 倍。

這解釋了為什麼 K3 不是「更便宜的 K2」。Nomura 整理的價格顯示，K3 輸入價格為每百萬 token 3 美元，快取命中輸入為 0.30 美元，輸出為每百萬 token 15 美元；按 Artificial Analysis 口徑，K3 每項任務成本約 0.94 美元。這個價格低於 Claude Fable 5 約 2.75 美元和 Claude Opus 4.8 約 1.80 美元，接近 GPT-5.6 Sol 的 1.04 美元，但明顯高於 GLM-5.2 的 0.32—0.47 美元，也遠高於 DeepSeek V4 Pro 的 0.04 美元。

所以 K3 的定位不是最低價，而是用更低價格接近前沿模型的能力。

四家投行密集定調：這不是需求削弱

對於市場「DeepSeek 時刻」衝擊的擔憂，野村證券亞太科技團隊分析師段冰在報告中寫道：「我們認為全球大模型市場的競爭與創新不會停止，隨著我們越來越接近通用人工智慧（AGI），生成式 AI 在消費者和企業端的應用將持續擴張。前沿 AI 實驗室和超大規模雲平台公司都可能在此階段持續投入，以維持競爭地位——隨著規模定律延續，我們將這種競爭解讀為對 AI 基礎設施價值鏈的利多。」

花旗半導體分析師 Peter Lee 在 7 月 19 日的報告中則直接以「又一次傑文斯悖論」為題。傑文斯悖論是什麼意思？簡單說：煤炭蒸汽機效率提升，反而讓煤炭消耗量更大，因為更多人用得起、更多場景用得上。AI 模型也一樣——當優質模型變得更便宜，開發者和企業就會部署更多應用、處理更多 token，最終的算力消耗反而上升。

Peter Lee 認為，即便 K3 被廣泛使用，伺服器 DDR5 和 eSSD 等通用記憶體需求仍會增加。原因是 K3 的推理效率與其他前沿模型相當，但 KV 快取佔用會隨著上下文增長而擴大，對記憶體的壓力不降反增。

美銀證券半導體分析師 Vivek Arya 在 7 月 17 日的報告中表述更為直接。他認為，美國前沿 AI 實驗室的回應「不是更少算力，而是更多」。如果中國開源模型持續逼近，OpenAI、Anthropic 和 Google 必須透過更大規模的訓練、更重的推理和更快的迭代來維持差異化。Arya 還提到一個容易被忽略的背景：媒體報導稱 Google 的 Gemini 3.5 Pro 已比計劃延遲數月，程式設計性能未達內部目標，前沿領導地位「正變得越來越難捍衛」。

瑞銀分析師 Timo Arcuri 團隊在 7 月 20 日的報告中指出，K3 與 DeepSeek R1 的平行之處確實存在，但 K3 更多關乎規模——它是全球最大的開源模型，擁有 2.8 萬億參數和 100 萬 token 上下文視窗。分析師強調，開源模型通常比閉源前沿模型更吃記憶體，因為上下文視窗更長，KV 快取需求即便經過量化也在絕對量上持續成長，使開源模型的部署更加依賴 HBM 和儲存。

誰在這場競爭中真正受益？

儲存：最直接的受益板塊。 瑞銀測算顯示，儲存與記憶體板塊到 2028 年的累計自由現金流（FCF）預計達到市值的約 30%，是所有子板塊中佔比最高的——美光（MU）一家就高達 47%。花旗和野村均維持對三星電子的買入評級，理由是全球記憶體市場處於供給極度緊張的狀態。花旗分析師 Peter Lee 指出，Kimi K3 的推理側記憶體需求不亞於其他前沿模型，KV 快取體量的膨脹將直接推高伺服器 DDR5 和企業級固態硬碟（eSSD）的需求。他尤其指出：Kimi K3 的大規模部署需要超過 64 塊 GPU 的「超節點」叢集配置。

算力基礎設施：台積電、輝達首當其衝受益。無論是訓練側規模定律仍然有效，還是推理側 token 需求增長，最終都指向更多的先進製程晶片需求。野村重申對台積電、ASE、聯發科等的買入評級。輝達曾公開表示，現代 MoE（混合專家架構）模型的推理，在 GB300 NVL72 上的性能功耗比，相比上一代 Hopper 架構提升高達 25 倍。K3 這樣的模型天然是輝達最新硬體的受益方。

網路：超節點趨勢造就結構性機會。 Kimi K3 需要超節點叢集，中國本土算力受限於高端晶片出口管制，更需要依賴超節點架構彌補單卡性能差距，這推動了光模組、光晶片等網路層供應商的需求。野村看好中際旭創和蘇州旭創。

雲平台：受益於生態聚集效應。 託管多種前沿開源模型的雲平台議價能力更強，不依賴單一閉源模型供應商。野村看好阿里巴巴（BABA）作為中國 AI 雲生態的核心，以及 GDS、萬國數據（VNET）等數據中心運營商。

中國 AI 模型的全球滲透速度有多快？

這或許是整個敘事中最容易被低估的數據點。

根據開放 API 閘道器 OpenRouter 的統計，中國 AI 模型的 token 使用量佔全球開發者流量的比例，一年前不足 2%，目前已超過 45%。美銀美林的數據印證了 AI 整體滲透的加速：目前約 55%的美國企業已訂閱 AI 模型、平台或工具，Anthropic 的企業採用率達 42%，OpenAI 為 40%。頭部 AI 消費者（前 1%的企業用戶）每位員工每月 AI 支出已達 4833 美元。

市場正在分化。一方面是以 DeepSeek、Kimi K3 為代表的中國開源模型，覆蓋經濟型和中高端性價比市場；另一方面，頂級美國前沿模型正向更複雜的工作負載（如科學計算）聚焦，維持技術和定價溢價。野村的判斷是：中美兩側的領先大模型玩家都將受益——前提是各自能持續站在技術曲線的前沿。