復刻“DeepSeek時刻”？華爾街齊稱：Kimi K3 反而強化算力需求

作者：龍玥

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，英偉達、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、內存、網路和存儲的壓力一起抬高。

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上下文窗口。模型可以處理更長文本、更長代碼庫、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不只處理文本，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激活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，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能（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好。"

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快取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2.8萬億參數和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快取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和存儲。

誰在這場競爭中真正受益？

存儲：最直接的受益板塊。 瑞銀測算顯示，存儲與內存板塊到2028年的累計自由現金流（FCF）預計達到市值的約30%，是所有子板塊中占比最高的------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"集群配置。

算力基礎設施：台積電、英偉達首當其衝受益。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。英偉達曾公開表示，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這樣的模型天然是英偉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需要超節點集群，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：受益於生態集聚效應。 托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使用量占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。

K3真正改變的是競爭節奏，不是單一公司的故事

K3發布後，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、存儲、網路和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基礎建設需求的終點，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。