华尔街观点：Kimi K3增强算力需求而非削弱

正文：

市场普遍将Kimi K3视为“DeepSeek时刻2.0”，而华尔街对此的解读却截然不同。

在7月16日，月之暗面于上海推出了Kimi K3，这款拥有2.8万亿参数的开源模型在Artificial Analysis智能指数中获得了57分，位列全球第三至第四，与Anthropic的Claude Opus 4.8和OpenAI的GPT-5.5不相上下。更重要的是，K3在加州大学伯克利分校的Frontend Code Arena编程排行榜上以1679分位居第一，领先于Claude Fable 5和GPT-5.6 Sol，成为首个在权威编程榜单上超越所有海外闭源模型的开源模型。

然而，7月17日，美股半导体板块显著下跌。市场对此反应的原因不难理解：2025年初DeepSeek R1发布时，算力股也曾经历急剧下跌，原因在于中国模型的强大是否还需要美国AI公司在算力上投入巨额资金？如果中国模型能以更低的成本实现前沿能力，英伟达、HBM、服务器和网络设备的需求是否会被重新评估？

但据追风交易台的消息，瑞银、野村、美银美林和花旗等投行的最新研究报告指出，Kimi K3并非算力需求的终结者，而是推动者。

Kimi K3与DeepSeek R1所带来的影响是不同的。R1侧重于市场的“效率”认知，而K3则更强调“规模”。其2.8万亿参数、1M token上下文、常开推理、原生多模态以及MoE架构等特点并不是轻资产的概念。这些特征将同时加大推理、内存、网络和存储的压力。

Kimi K3由月之暗面于2026年7月16日发布，完整模型权重计划于7月27日开放。它被多家机构称为目前规模最大的开源权重LLM，拥有2.8万亿参数。

首先，K3支持1M token的上下文窗口，使其能够处理更长文本、更复杂的代码库和企业资料。

其次，常开推理不仅限于简单问答，还面向长链路推理和Agent任务。

最后，K3具备原生视觉能力，能够处理视频、图像、游戏开发、前端设计和CAD等多模态任务。

在架构设计上，K3采用Kimi Delta Attention、Attention Residuals和Stable LatentMoE，其MoE部分每个token激活16个专家，专家总数为896。月之暗面表示，相比于Kimi K2，整体的规模效益提升约2.5倍。

这也解释了K3为何并非“更便宜的K2”。根据野村的分析，K3的输入价格为每百万token3美元，缓存命中输入为0.30美元，输出为每百万token15美元；按Artificial Analysis的标准，K3每项任务的成本为约0.94美元。这个价格低于Claude Fable 5的约2.75美元和Claude Opus 4.8的约1.80美元，接近GPT-5.6 Sol的1.04美元，但明显高于GLM-5.2的0.32-0.47美元，远高于DeepSeek V4 Pro的0.04美元。

因此，K3的定位并不是低价，而是以更低的价格接近前沿模型的能力。

针对市场对“DeepSeek时刻”冲击的担忧，野村证券亚太科技团队的分析师段冰在报告中指出：“我们认为全球大模型市场的竞争与创新不会停止，随着我们朝着通用人工智能（AGI）不断迈进，生成式AI在消费者和企业端的应用将持续扩展。前沿AI实验室与超大规模云平台公司在此阶段将继续投入以保持竞争优势——随着规模效应的延续，我们将这种竞争视为对AI基础设施价值链的利好。”

花旗半导体分析师Peter Lee在7月19日的报告中提到“又一次杰文斯悖论”。杰文斯悖论的核心是：蒸汽机效率提升反而导致煤炭消耗增加，因为更多的人可以使用，更多的场景得到应用。AI模型同样如此——当高质量模型变得更便宜时，开发者和企业将会应用更多，处理更多的token，最终的算力需求反而上升。

Peter Lee认为，即使K3被广泛采用，服务器DDR5和eSSD等通用内存的需求仍将上升。原因在于K3的推理效率与其他前沿模型相当，但随着上下文的增长，KV缓存占用也会增加，内存的压力不会减轻，反而会加剧。

美银证券半导体分析师Vivek Arya在7月17日的报告中则更为直接地表达了他的观点。他认为，美国前沿AI实验室的反应“不是减少算力，而是增加”。如果中国开源模型持续逼近，OpenAI、Anthropic和Google必须通过更大规模的训练、更重的推理和更快的迭代来保持差异化。Arya还提到一个容易被忽视的背景：媒体称Google的Gemini 3.5 Pro已比预期推迟了数月，编程性能未达到内部目标，前沿的领导地位“正变得越来越难捍卫”。

瑞银分析师Timo Arcuri团队在7月20日的报告中指出，K3与DeepSeek R1之间确实存在某种平行之处，但K3更关注规模——它是全球最大的开源模型，拥有2.8万亿参数和100万token的上下文窗口。分析师强调，开源模型通常比闭源前沿模型更需要内存，因为上下文窗口更长，KV缓存需求即使经过量化在绝对量上依然持续增长，这使得开源模型的部署更加依赖于HBM和存储。

存储方面将是最直接受益的板块。瑞银的预测显示，到2028年，存储与内存行业的累计自由现金流（FCF）预计将达到市值的约30%，是所有子行业中占比最高的——美光（MU）一家就高达47%。花旗和野村均维持对三星电子的买入评级，理由是全球内存市场处于供给极度紧张的状态。花旗分析师Peter Lee指出，Kimi K3的推理侧内存需求不亚于其他前沿模型，KV缓存体量的膨胀将直接推高服务器DDR5和企业级固态硬盘（eSSD）的需求。他特别提到，Kimi K3的大规模部署需要超过64块GPU的“超节点”集群配置。

算力基础设施方面，台积电和英伟达将首当其冲受益。无论是在训练侧的规模效应仍然有效，还是推理侧的token需求增长，最终都将指向更多先进制程芯片的需求。野村重申对台积电、ASE、联发科等公司的买入评级。英伟达曾公开表示，现代MoE（混合专家架构）模型的推理在GB300 NVL72上的性能功耗比相比上一代Hopper架构提升了25倍。K3这样的模型自然是英伟达最新硬件的受益者。

在网络层面，超节点趋势将创造结构性机会。Kimi K3的需求迫使中国本土算力受限于高端芯片出口管制，亟需依赖超节点架构来弥补单卡性能的差距，这推动了光模块、光芯片等网络层供应商的需求。野村看好中际旭创和苏州旭创等公司。

云平台方面，由于生态集聚效应的增强，托管多种前沿开源模型的云平台具有更强的议价能力，不再依赖单一闭源模型供应商。野村看好阿里巴巴（BABA）作为中国AI云生态的核心，以及GDS、万国数据（VNET）等数据中心运营商。

根据开放API网关OpenRouter的统计，