複刻「DeepSeek時刻」？華爾街齊稱：Kimi K3反而強化算力需求

市場將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，在加州大學柏克萊分校建立的Frontend Code Arena程式設計榜單上，K3以1679分登頂，超越Claude Fable 5和GPT-5.6 Sol，成為首個在權威程式設計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公司還有必要投入那麼多錢於算力上嗎？如果中國模型能用更低成本逼近前沿能力，Nvidia、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不是同一種類型的衝擊。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，這些特徵並非輕資產的故事。它們會同步推高推理、記憶體、網路與儲存的壓力。

Kimi K3有多強？

Kimi K3由月之暗面於2026年7月16日發佈，完整模型權重預計於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。

核心配置包含三點：

第一，1M token上下文視窗。模型可處理更長文本、更長程式碼庫、更複雜的企業資料與研究任務。

第二，常開推理。不止於簡單問答，而是面向長鏈路推理與Agent任務。

第三，原生視覺能力。K3不僅處理文本，也面向影片、圖像、遊戲開發、前端設計、CAD等多模態任務。

架構上，K3採用Kimi Delta Attention、Attention Residuals及Stable LatentMoE。MoE部分為896個專家中每個token激活16個專家。月之暗面給出的數據是，相較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數據，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的定位並非最低價，而是用較低價格逼近前沿模型的能力。

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在消費端和企業端的應用將持續擴張。前沿AI實驗室和雲平台巨頭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，我們將這場競爭解讀為對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？簡單來說：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、更多場景可適用。AI模型也一樣——當優質模型變得更便宜，開發者與企業會部署更多應用、處理更多token，最終的算力消耗反而提升。

Peter Lee認為，即便K3被廣泛應用，伺服器DDR5與eSSD等通用記憶體需求仍會增加。原因是K3推理效率與其他前沿模型相若，但KV緩存會隨上下文增長，對記憶體壓力不減反增。

美銀證券半導體分析師Vivek Arya在7月17日的報告中表達得更直接。據他認為，美國前沿AI實驗室的回應「不是更少算力，而是更多」。若中國開源模型持續趨近，OpenAI、Anthropic及Google必須通過更大規模的訓練、更重推理及更快迭代來維持差異化。Arya還提到一個易被忽略的背景：媒體報道，Google的Gemini 3.5 Pro已比計畫延後數月，程式設計性能未達內部目標，前沿領先地位「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——它是全球最大開源模型，擁有2.8萬億參數與100萬token上下文視窗。分析師強調，開源模型通常比閉源前沿模型更耗記憶體，因為上下文更長，KV緩存縱已量化在絕對量上仍持續增長，使開源模型的部署更加依賴HBM與儲存。

儲存：最直接的受益板塊。 瑞銀估算顯示，儲存與記憶體板塊至2028年的累計自由現金流（FCF）預計達市值的約30%，是所有子板塊中佔比最高的——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，理由是全球記憶體市場正逢供給極度緊張。花旗分析師Peter Lee指出，Kimi K3推理端的記憶體需求不亞於其他前沿模型，KV緩存的膨脹將直接推高伺服器DDR5及企業級固態硬碟（eSSD）需求。他特別指出：Kimi K3大規模部署需超過64張GPU的「超節點」集群配置。

算力基礎設施：台積電、Nvidia首當其衝受益。無論是訓練端規模法則持續有效，還是推理端token需求增長，最終都指向更多先進製程晶片需求。野村重申對台積電、ASE、聯發科等的買入評級。Nvidia曾公開表示，現代MoE（混合專家架構）模型推理，在GB300 NVL72的性能功耗比，相較前一代Hopper架構提升高達25倍。K3這類模型天生是Nvidia最新硬體的受益者。

網路：超節點趨勢造就結構性機會。 Kimi K3需求超節點集群，中國本土算力受限於高階晶片出口管制，更需依賴超節點架構彌補單卡性能差距，這推高了光模組、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。 託管多種前沿開源模型的雲平台談判能力更強，不受制於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）等數據中心營運業者。

這或許是整個敘事中最易被低估的數據點。

根據開放API閘道OpenRouter的統計，中國AI模型的token使用量佔全球開發者流量比例，一年前不足2%，目前已超過45%。美銀美林的數據佐證了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%。頂級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。

市場正出現分化。一方面以DeepSeek、Kimi K3為代表的中國開源模型，覆蓋經濟型與中高端性價比市場；另一方面，頂級美國前沿模型正朝更複雜的工作負載（如科學運算）聚焦，維持技術與定價溢價。野村的判斷是：中美兩側的領先大模型玩家都將受益——前提是能持續站在技術曲線前端。

K3發佈後，市場第一反應還是把它和DeepSeek R1作比較。這類比較有其參考價值，但不能僅停在「是否又要投資AI硬體」這層面。

DeepSeek讓市場重估訓練效率。K3讓市場見識到另一件事：開源模型也可將規模、長上下文、Agent與多模態推到前沿區間。

這會迫使美國前沿AI實驗室持續投入，也使中國模型持續在全球開發者生態擴張。閉源頂級模型維持技術與價格溢價，開源模型覆蓋更多價位與部署場景，雲廠商提供模型分發與企業落地，硬體鏈條承擔訓練與推理需求壓力。

短期來看，市場會因「DeepSeek記憶」波動。中期看，只要token用量持續增長，長上下文和Agent持續蔓延，算力、HBM、儲存、網路與IDC依然是繞不開的成本項。

這也是多家機構在K3之後得出相似結論的原因：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起點。

不過，美銀美林也明確留下了一個尾部風險：「如果效率提升速度超過工作負載的增長，基礎設施建設可能會出現回落。」換言之，若模型越做越便宜，但用量沒有同步大幅擴張，算力需求增長的邏輯就會被削弱。