تكرار "لحظة DeepSeek"؟ وول ستريت يجمع: Kimi K3 يعزز الطلب على قوة الحوسبة

ينظر السوق إلى Kimi K3 على أنه "لحظة DeepSeek 2.0" ويثير الذعر، لكن هذه المرة كان حكم وول ستريت مختلفًا تمامًا.

في وقت متأخر من ليلة 16 يوليو، أطلقت شركة "الوجه المظلم للقمر" في شنغهاي Kimi K3. هذا النموذج المفتوح المصدر ذو 2.8 تريليون معلمة، حصل على درجة 57 في مؤشر Artificial Analysis للذكاء، ليحتل المرتبة الثالثة أو الرابعة عالميًا، متساويًا مع Claude Opus 4.8 من Anthropic وGPT-5.5 من OpenAI. والأهم من ذلك، أنه على قائمة تصنيف البرمجة الخاصة بFrontend Code Arena التابعة لجامعة كاليفورنيا في بيركلي، تصدر K3 القائمة برصيد 1679 نقطة، متجاوزًا Claude Fable 5 وGPT-5.6 Sol، وأصبح أول نموذج مفتوح المصدر يتفوق على جميع النماذج المغلقة المصدر العالمية في تصنيف برمجي موثوق.

في 17 يوليو، شهد قطاع أشباه الموصلات في سوق الأسهم الأمريكية هبوطًا ملحوظًا. هذا الانعكاس الشرطي للسوق مفهوم — ففي بداية عام 2025، أدى إطلاق DeepSeek R1 إلى انخفاض حاد في أسهم شركات الحوسبة، والمنطق هو: نماذج الذكاء الصناعي الصينية تزداد قوة، فهل لا يزال من الضروري أن تنفق الشركات الأمريكية كل هذه الأموال على الحوسبة؟ إذا تمكنت النماذج الصينية من الاقتراب من القدرات المتقدمة بتكاليف أقل، فهل ستتم إعادة تقييم الطلب على Nvidia وHBM والخوادم وأجهزة الشبكة؟

ومع ذلك، وفقًا لأخبار منصة التداول بشركة Chasing Wind، تشير التقارير الأخيرة من بنوك استثمارية مثل UBS وNomura وBank of America Merrill Lynch وCitibank إلى أن: Kimi K3 ليست نهاية الطلب على الحوسبة، بل هي مسرّع له.

Kimi K3 وDeepSeek R1 ليسا نفس نوع الصدمة. أظهر R1 للسوق “الكفاءة”، بينما يُبرز K3 “الحجم”. 2.8 تريليون معلمة، 1M token في سياق النص، استدلال دائم التشغيل، تعددية الوسائط الأصلية، وهيكلية MoE: هذه الخصائص ليست قصة عن الأصول الخفيفة. إنما سترفع معًا ضغط الاستدلال والذاكرة والشبكة والتخزين.

ما مدى قوة Kimi K3؟

Kimi K3 تم إصداره في 16 يوليو 2026 من قبل الوجه المظلم للقمر، ومن المقرر فتح أوزان النموذج الكاملة في 27 يوليو. هو نموذج كبير مفتوح المصدر بمعلمات 2.8 تريليون، واعتبرته عدة مؤسسات بأنه أكبر نماذج الـ LLM المفتوحة المصدر من حيث الحجم حتى الآن.

تتضمن التكوينات الأساسية ثلاث نقاط:

أولاً، نافذة السياق 1M token. يمكن للنموذج معالجة نصوص أطول، وأكواد برمجية أطول، وبيانات مؤسساتية ومهام بحثية أكثر تعقيدًا.

ثانياً، الاستدلال دائم التشغيل. ليس مجرد سؤال وجواب بسيط، بل مصمم لاستدلال المسارات الطويلة ومهام الوكلاء.

ثالثًا، القدرات البصرية الأصلية. K3 لا يتعامل النصوص فقط، بل أيضًا الفيديو، الصور، تطوير الألعاب، تصميم الواجهات الأمامية، وCAD وغيرها من المهام متعددة الوسائط.

من حيث البنية، يستخدم K3 تقنيات Kimi Delta Attention وAttention Residuals وStable LatentMoE. في قسم MoE يتم تفعيل 16 خبيرًا لكل token من بين 896 خبيرًا. وبحسب الوجه المظلم للقمر، فقد زادت الكفاءة الإجمالية للمقياس بنحو 2.5 مرة مقارنة بـKimi K2.

وهذا يفسر لماذا K3 ليس "K2 الأرخص". الأسعار التي جمعتها Nomura تظهر أن سعر الإدخال في K3 هو 3 دولارات لكل مليون token، والإدخال الذي يصيب ذاكرة التخزين المؤقت 0.30 دولار، والإخراج 15 دولار لكل مليون token. ووفقًا لـ Artificial Analysis تكلفة كل مهمة باستخدام K3 حوالي 0.94 دولار. هذا السعر أقل من حوالي 2.75 دولار لـClaude Fable 5 و1.80 دولار لـClaude Opus 4.8، يقترب من 1.04 دولار لـ GPT-5.6 Sol، لكنه أعلى بكثير من 0.32—0.47 دولار لـGLM-5.2، وأعلى بكثير من 0.04 دولار لـDeepSeek V4 Pro.

لذلك، لا يتموضع K3 كأرخص خيار، بل يقترب من قدرات النماذج المتقدمة بسعر أقل.

أربع بنوك استثمارية تُجمع: هذا ليس ضعفًا في الطلب

فيما يخص قلق السوق من صدمة "لحظة DeepSeek"، كتب دونغ بينغ، محلل فريق التكنولوجيا في آسيا والمحيط الهادئ في Nomura، في تقريره: "نعتقد أن المنافسة والابتكار في السوق العالمية للنماذج الكبيرة لن تتوقف، ومع اقترابنا من الذكاء العام الاصطناعي (AGI) ستستمر تطبيقات الذكاء الاصطناعي التوليدي في التوسع على مستوى المستهلكين والشركات. ومن المرجح أن تواصل مختبرات الذكاء الاصطناعي الرائدة ومنصات الحوسبة السحابية ضخ استثمارات كبيرة للحفاظ على المنافسة—ومع استمرار قانون الحجم، نرى هذه المنافسة تعود بالنفع على سلسلة قيمة البنية التحتية للذكاء الاصطناعي."

أما بيتر لي، محلل قطاع أشباه الموصلات في Citibank، فقد عنون تقريره في 19 يوليو مباشرة ب"مفارقة جيفونز مرة أخرى". ما معنى مفارقة جيفونز؟ ببساطة: زيادة كفاءة محركات البخار القائمة على الفحم رفعت من الاستهلاك الكلي للفحم لأن المزيد من الناس أصبح بإمكانهم استخدامها في المزيد من السيناريوهات. الأمر مماثل للذكاء الصناعي—عندما تصبح النماذج عالية الجودة أرخص، ينتشر نشر التطبيقات ويتزايد استهلاك token، ليزيد الطلب على الحوسبة في النهاية.

يرى بيتر لي أنه حتى مع انتشار استخدام K3، سيظل الطلب على ذاكرة DDR5 والخوادم من نوع eSSD في ازدياد. السبب: كفاءة الاستدلال في K3 مشابهة للنماذج المتقدمة الأخرى، لكن حجم ذاكرة التخزين المؤقت KV سينمو مع نافذة السياق، ما يعني ضغطًا أعلى على الذاكرة، لا أقل.

وفي 17 يوليو، كان تعبير فيفيك آريا، محلل أشباه الموصلات في Bank of America Securities، أكثر مباشرة. يرى أن ردود فعل مختبرات الذكاء الصناعي الأمريكية المتقدمة ستكون "ليست حوسبة أقل، بل أكثر". إذا واصلت النماذج الصينية المفتوحة المصدر الاقتراب من المقدمة، سيكون على OpenAI وAnthropic وGoogle اللجوء إلى تدريبات أكبر، واستدلال أثقل وتكرار أسرع للحفاظ على التميز. كما أشار آريا إلى خلفية يسهل تجاهلها: تفيد وسائل الإعلام أن Google Gemini 3.5 Pro تأخر بالفعل عدة أشهر عن المخطط، وأن أداءها البرمجي لم يصل للهدف الداخلي، والريادة أصبحت "أكثر صعوبة في الدفاع عنها".

فريق المحلل تيمو آركوري من UBS أشار في تقريره في 20 يوليو إلى وجود تشابهات بين K3 وDeepSeek R1، لكن K3 يتعلق بالدرجة الأولى بالحجم—فهو أكبر نموذج مفتوح المصدر في العالم، ومعه 2.8 تريليون معلمة و1 مليون token نافذة سياق. وأشار المحلل إلى أن النماذج المفتوحة المصدر تستهلك عادة ذاكرة أكثر من نظيراتها المغلقة المتقدمة، لأن نوافذ السياق عندها أطول، واحتياج ذاكرة التخزين المؤقت KV يستمر في النمو حتى مع التكميم، ما يجعل نشر النماذج المفتوحة أكثر اعتمادًا على HBM والتخزين.

التخزين: القطاع الأكثر استفادة بشكل مباشر. تظهر تقديرات UBS أن إجمالي التدفق النقدي الحر لقطاع التخزين والذاكرة حتى عام 2028 سيصل إلى حوالي 30% من القيمة السوقية، وهي النسبة الأعلى بين جميع القطاعات الفرعية—وحدها Micron (MU) تصل إلى 47%. كما أبقى كل من Citibank وNomura على تصنيف الشراء لسامسونج إلكترونيكس باعتبار أن سوق الذاكرة العالمية يعيش حالة شح كبيرة في العرض. وأشار المحلل بيتر لي إلى أن طلب ذاكرة الاستدلال في Kimi K3 ليس أقل من غيره من النماذج المتقدمة، وتضخم حجم ذاكرة التخزين المؤقت KV سيدفع طلب الخوادم DDR5 وأقراص eSSD عالي المستوى. ولفت بشكل خاص إلى: أن النشر واسع النطاق لـ Kimi K3 يتطلب مجموعة عقد فائقة تضم أكثر من 64 وحدة معالجة رسومات GPU.

بنية الحوسبة: تستفيد TSMC وNvidia بشكل أساسي. سواء بقي قانون الحجم في ناحية التدريب فعالًا، أو أن الطلب على tokens في الاستدلال في ازدياد، فالنتيجة زيادة الحاجة إلى شرائح معالجة متقدمة. أعادت Nomura التأكيد على تصنيف الشراء لكل من TSMC وASE وMediaTek وغيرهم. وقد صرحت Nvidia علنًا أن استدلال نماذج MoE (المهندسين المختلطين) الحديثة تحقق أداء وكفاءة طاقة على GB300 NVL72 أفضل بمقدار يصل إلى 25 مرة من الجيل السابق Hopper. النماذج مثل K3 بطبيعتها هي المستفيد من أحدث عتاد Nvidia.

الشبكة: توجه العقد الفائقة يخلق فرصًا هيكلية. يتطلب Kimi K3 مجموعات عقد فائقة، وبسبب قيود تصدير الرقائق المتطورة في الصين زادت الحاجة إلى هياكل العقد الفائقة لسد النقص في أداء البطاقات المنفردة، ما يدعم الطلب على المورّدين في طبقة الشبكة مثل وحدات وفِشّات الألياف البصرية. ترشح Nomura كل من Zhongji Xuchuang وSuzhou Xuchuang.

منصات السحابة: تستفيد من تأثير التجمع البيئي. توفر منصات السحابة التي تستضيف العديد من النماذج المفتوحة المصدر ميزة قوية في التفاوض مع العملاء، ولا تعتمد على مزود نموذج مغلق واحد فقط. ترشح Nomura Alibaba (BABA) باعتبارها النواة البيئية السحابية للذكاء الصناعي في الصين، بالإضافة إلى GDS وVNET كمشغلي مراكز البيانات.

قد يكون هذا هو الرقم الأكثر استهانة في السردية الكاملة.

ووفقًا لإحصائيات بوابة OpenRouter المفتوحة API، فإن نسبة استخدام tokens من النماذج الصينية في حركة المطورين العالميين كانت أقل من 2% قبل عام، أما الآن فقد تجاوزت 45%. وتؤكد بيانات Bank of America Merrill Lynch على تسارع تغلغل AI: الآن حوالي 55% من الشركات الأمريكية اشتركت بالفعل في نماذج أو منصات أو أدوات AI، وبلغت نسبة الاعتماد المؤسسي لـAnthropic 42%، بينما OpenAI عند 40%. أما كبار المستهلكين (أعلى 1% من شركات المستخدمين) فقد بلغ إنفاق كل موظف على الذكاء الاصطناعي 4833 دولار شهريًا.

السوق يشهد تمايزًا. من جهة، نماذج الصين المفتوحة المصدر مثل DeepSeek وKimi K3، تغطي السوق الاقتصادي والمتوسط إلى العالي؛ ومن جهة أخرى، تركز نماذج أمريكا المتقدمة على المهام الأعلى تعقيدًا مثل الحوسبة العلمية وتحتفظ بهامش في التقنية والتسعير. خلاصة Nomura: كل من اللاعبين الرائدين في الصين وأمريكا سيستفيد— بشرط البقاء في طليعة المنحنى التقني.

بعد إصدار K3، كانت ردة فعل السوق الأولى هي مقارنته بـ DeepSeek R1. هذه المقارنة مفيدة، لكن لا يجب أن تتوقف عند “هل سننشغل مجددًا بمكونات الذكاء الاصطناعي؟”

جعل DeepSeek السوق يعيد حساب كفاءة التدريب. أما K3، فقد أظهر أن بإمكان النماذج المفتوحة المصدر أيضًا دفع الحجم، والسياق الطويل، والوكالات، وتعدد الوسائط إلى مستويات متقدمة.

هذا سيجبر المختبرات الأمريكية المتقدمة على الاستمرار في الاستثمار، كما سيدفع النماذج الصينية نحو مزيد من الانتشار في النظام البيئي للمطورين العالميين. تستمر النماذج المغلقة المتقدمة في الحفاظ على التقنية وهامش السعر، بينما تغطي النماذج المفتوحة نطاقات سعرية وأوضاع نشر أوفر، وتوفر شركات السحابة توزيع النماذج وتطبيقها المؤسسي، وتتولى سلسلة العتاد عبء التدريب والاستدلال.

على المدى القصير، قد يشهد السوق تذبذبات مرتبطة بـ”ذكريات DeepSeek”. وعلى المدى المتوسط، طالما استمر نمو حجم استخدام token وواصلت المهام الطويلة والوكالة في الانتشار، ستظل الحوسبة وHBM والتخزين والشبكات ومراكز البيانات عناصر تكلفة لا مفر منها.

ولهذا تتفق عدة مؤسسات على استنتاج واحد بعد K3: النماذج المفتوحة الأقوى ليست نهاية الطلب على بنية الذكاء الصناعي التحتية، بل قد تكون مدخلًا لجولة جديدة من التوسع في الطلب.

لكن Bank of America Merrill Lynch ترك بوضوح مخاطرة محتملة: "إذا تجاوزت مكاسب الكفاءة سرعة نمو عبء العمل، فقد نشهد نوعًا من التراجع في وتيرة بناء البنية التحتية." بعبارة أخرى، إذا أصبحت النماذج أرخص ولكن حجم الاستخدام لم ينمُ بشكل كبير، سيتلاشى منطق نمو الحاجة إلى الحوسبة.