Kimi K3上線後，市場迅速將其與「DeepSeek時刻」相提並論。這款擁有2.8兆參數、百萬Token上下文窗口的新模型，正在改變外界對中國AI能力、晶片需求以及未來競爭格局的判斷。
月之暗面Kimi K3模型的發佈，正在引發全球AI市場重新評估競爭格局。這款最新推出的旗艦模型擁有2.8兆參數規模，是目前全球參數規模最大的開源模型之一，被視為中國大模型競爭進入「超大規模開源模型」階段的重要事件。
Kimi K3的重點並不只是參數規模擴大，而是通過「高性能+開放權重」的路線挑戰傳統閉源模型模式。
據瞭解，K3支援100萬Token上下文窗口，可以處理超長文檔、大型代碼庫以及複雜多輪任務，主要面向軟件工程、知識工作、深度研究和智能體應用等場景。
與OpenAI、Anthropic等主要依靠商業API服務的閉源模型不同，Kimi K3強調開放權重模式，讓開發者和企業能夠基於模型進行二次開發。如果開源模型能夠接近頂級閉源模型能力，企業未來可能降低對高成本商業API的依賴。
月之暗面表示，Kimi K3性能可媲美OpenAI和Anthropic等頂級公司的產品，但成本僅為後者的一小部分。市場因此將此次發佈與此前DeepSeek引發的行業震盪相提並論。
IG市場分析師託尼·賽卡莫爾（Tony Sycamore）表示，此次發佈已經影響投資者對美國兩家未上市AI公司的估值預期，兩家公司合計估值預期因此減少3140億美元。
開源路線改變AI競爭邏輯
Kimi K3帶來的最大影響之一，是進一步推動AI行業從「模型能力競爭」轉向「性能、成本和開放生態競爭」。
過去幾年，人工智慧市場主要圍繞誰擁有更強模型展開競爭。但K3強化了開源模型的發展路徑，即通過開放能力降低AI應用開發成本。
Saxo Markets首席投資策略師查魯·查納納（Charu Chanana）表示：「一個能力更強、成本更低的開放模型，將降低應用開發成本，並可能加速人工智慧在代碼開發、客戶服務以及工業工作流程中的應用。」
此次發佈也挑戰了美國限制先進晶片出口會阻礙他國AI發展的觀點。市場開始關注，如果AI企業能夠利用有限資源訓練出接近全球領先水平的模型，未來AI競爭格局是否會發生變化。
不過，需要注意的是，大型模型的競爭不僅取決於技術指標，還包括推理成本、商業化效率、生態建設以及企業客戶採用速度。
半導體、記憶體和AI應用成為潛在贏家
Kimi K3發佈後，中國半導體股票受到提振。市場認為，AI模型競爭加劇可能推動基礎設施投資增加。Allspring Global Investments投資組合經理Gary Tan表示：「我們預計最大的贏家仍然是人工智慧基礎設施層。」
他認為，中國推動開源人工智慧的發展，可能加速先進國產模型部署，並帶動計算資源需求增長，尤其是在網絡設備和記憶體領域。
記憶體晶片企業也可能受益。Kimi K3擁有2.8兆參數和100萬個Token上下文窗口，其運行需要更大的內存容量。目前高性能記憶體市場主要集中在少數廠商手中，包括韓國的SK海力士和三星電子。
住友三井DS資產管理公司高級投資組合經理Stanley Tang則表示，由於供應商數量有限，記憶體晶片製造商仍處於半導體行業較有利的位置。如果Kimi等模型獲得更廣泛應用，整體需求可能不會下降，反而可能推動人工智慧智能體進一步普及。
AI軟件和智能體開發商同樣可能受益。更低成本、更開放的大模型，有望降低企業部署人工智慧應用的門檻。
不過，晨星公司分析師馬利克·艾哈邁德·汗（Malik Ahmed Khan）認為，上周五Alphabet(GOOGL.O)、亞馬遜(AMZN.O)和微軟(MSFT.O)股價因市場擔憂企業轉向開源模型而下跌，這種反應「並不恰當」。
他說，並不認為美國企業、政府機構，或與美國政府合作的公司，會為了節省推理成本而採用其它國家的開放權重模型。
模型公司和高端晶片面臨壓力
對於AI模型開發商而言，Kimi K3進一步提高了競爭門檻。
此前被視為中國領先開源模型企業之一的智譜公司，股價在香港過去兩個交易日累計下跌近40%。
與此同時，國內競爭仍在加速。阿里巴巴(BABA.N)此前發佈旗艦模型Qwen3.8 Max預覽版本，並稱其性能僅次於Anthropic的Fable 5。MiniMax也預計將推出更新版M3模型。
Stanley Tang表示，當前仍處於早期階段，總會有更好的模型出現。他認為，部分模型未來可能失去價值，市場尚未完全考慮這一風險。
高端晶片企業也面臨新的壓力。Kimi K3的出現，使投資者重新思考人工智慧基礎設施投資是否能夠持續產生回報。
Siebert Financial首席投資官馬克·馬萊克（Mark Malek）表示，亞洲投資者花了一整天時間消化一個疑問：人工智慧資本支出是否最終真的能夠帶來回報。
他補充稱，每當世界任何地方的一家實驗室，無論它屬於那個國家，免費推出一個前沿級模型時，這一假設都會再次受到衝擊。 (金十數據)