Kimi K3再次觸發 「DeepSeek 式」 擔憂，美股半導體類股應聲下挫，但多家華爾街機構認為算力需求並未走弱。這款2.8兆參數、百萬上下文長駐推理開源模型，會拉高KV 緩存、HBM、記憶體及雲基建需求。Kimi K3更像是AI使用量擴散的催化劑，而不是硬體需求見頂信號。
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，月之暗面在上海發佈Kimi K3。這個2.8兆參數的開源模型，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，在加州大學伯克利分校創建的Frontend Code Arena編程榜單上，K3以1679分登頂，超越Claude Fable 5和GPT-5.6 Sol，成為首個在權威編程榜單上超越全部海外閉源模型的開源模型。
7月17日，美股半導體類股出現明顯下跌。市場的條件反射不難理解——2025年初，DeepSeek R1的發佈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、服務器、網絡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」。2.8兆參數、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、內存、網絡和記憶體的壓力一起抬高。
Kimi K3有多強？
Kimi K3由月之暗面在2026年7月16日發佈，完整模型權重計劃於7月27日開放。它是2.8兆參數開源權重大模型，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上下文窗口。模型可以處理更長文字、更長代碼庫、更復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，也面向視頻、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啟動16個專家。月之暗面給出的口徑是，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，緩存命中輸入為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，服務器DDR5和eSSD等通用內存需求仍會增加。原因是K3的推理效率與其他前沿模型相當，但KV緩存佔用會隨上下文增長而擴大，對內存的壓力不降反增。
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必須通過更大規模的訓練、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已比計劃推遲數月，編程性能未達內部目標，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2.8兆參數和100萬token上下文窗口。分析師強調，開源模型通常比閉源前沿模型更吃內存，因為上下文窗口更長，KV緩存需求即便經過量化也在絕對量上持續增長，使開源模型的部署更加依賴HBM和記憶體。
誰在這場競爭中真正受益？
記憶體：最直接的受益類股。瑞銀測算顯示，記憶體與內存類股到2028年的累計自由現金流（FCF）預計達到市值的約30%，是所有子類股中佔比最高的——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，理由是全球內存市場正處於供給極度緊張的狀態。花旗分析師Peter Lee指出，Kimi K3的推理側內存需求不亞於其他前沿模型，KV緩存體量的膨脹將直接推高服務器DDR5和企業級固態硬盤（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。
網絡：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，這推動了光模塊、光晶片等網絡層供應商的需求。野村看好中際旭創和蘇州旭創。
雲平台：受益於生態集聚效應。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網關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復雜的工作負載（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。
K3真正改變的是競爭節奏，不是單一公司的故事
K3發佈後，市場第一反應還是拿它和DeepSeek R1比較。這種比較有用，但不能停在「是不是又要砸AI硬體」這一層。
DeepSeek讓市場重新估算訓練效率。K3讓市場看到另一件事：開源模型也可以把規模、長上下文、Agent和多模態推到前沿區間。
這會逼迫美國前沿實驗室繼續投入，也會讓中國模型在全球開發者生態中繼續擴張。閉源頂級模型保留技術和價格溢價，開源模型覆蓋更多價格帶和部署場景，雲廠商提供模型分發和企業落地，硬體鏈條承擔訓練和推理壓力。
短期看，交易會因為「DeepSeek記憶」出現波動。中期看，只要token使用量繼續增長，長上下文和Agent繼續擴散，算力、HBM、記憶體、網絡和IDC仍是繞不開的成本項。
這也是多家機構在K3之後給出相似結論的原因：更強的開源模型不是AI基建需求的終點，反而可能是下一輪需求擴散的入口。
不過，美銀美林也明確留了一個尾部風險：「如果效率增益的速度超過工作負載的增長，我們可能會看到基礎設施建設的某種回落。」換句話說，如果模型越做越便宜，但使用量並未同步大幅擴張，算力需求的增長邏輯就會打折。 (華爾街見聞)