華爾街：Kimi K3強化而非削減算力需求
0xBroomberg
月之暗面發布2.8萬億參數開源模型Kimi K3，美股半導體板塊隨即下跌；但瑞銀、野村、美銀、花旗四家投行最新研報一致判斷——K3不是算力終結者，而是加速器。
市場為甚麼又慌了？
Kimi K3在編程榜單上超越全部海外閉源模型，市場將其類比為「DeepSeek時刻2.0」，半導體板塊應聲下跌。
這意味著→ 投資者條件反射地套用了DeepSeek R1的劇本：中國模型更強 = 算力需求被壓縮 = 沽晶片股。
但四家投行的研報給出截然相反的結論：K3的特徵不是「效率」，而是「規模」——它會推高、而非壓低算力消耗。
為甚麼K3反而會食掉更多算力？
花旗分析師彼得·李以「杰文斯悖論」（一種資源越平、總消耗反而越大的經濟現象）為題：優質模型變平 → 開發者部署更多應用、處理更多token → 算力總需求上升。
K3的推理側記憶體需求不亞於其他前沿模型：KV緩存（模型推理時用來儲存上下文的臨時記憶體）隨100萬token上下文窗口膨脹，直接推高伺服器DDR5和企業級固態硬盤需求。
簡單來說＝ 模型越強、上下文越長，每次推理要佔用的記憶體就越大；大規模部署需要超過64塊GPU的「超節點」集群，算力賬單不降反升。
美國前沿實驗室會點應對？
美銀分析師維韋克·阿里亞指出，美國實驗室的回應「不是更少算力，而是更多」——若中國開源模型持續逼近，OpenAI、Anthropic和Google必須通過更大規模訓練和更重推理來維持差異化。
這反映出一種軍備競賽邏輯：一方的效率突破 → 另一方被迫加碼投入 → 全行業算力需求螺旋上升。
他還提到，據媒體報道Google Gemini 3.5 Pro已比計劃推遲數月，前沿領導地位「正變得越來越難捍衛」。
記憶體和存儲板塊能賺幾多？
瑞銀分析師蒂莫·阿爾庫里團隊指出，開源模型通常比閉源模型更食記憶體——2.8萬億參數加上100萬token窗口，KV緩存即便經過量化（一種壓縮模型精度以節省記憶體的技術）也在絕對量上持續增長。
這意味著→ 開源模型越普及，HBM（高帶寬記憶體）和存儲的需求越剛性，受益最直接的是記憶體廠商。
瑞銀測算：存儲與記憶體板塊到2028年的累計自由現金流預計達到市值的約30%，其中美光一家高達47%。
K3同DeepSeek R1到底有乜分別？
四家機構均強調二者代表不同類型的衝擊：DeepSeek R1令市場睇到「效率」，K3更突出「規模」。
K3的特徵組合——2.8萬億參數、100萬token上下文、常開推理、原生多模態、MoE架構（混合專家架構，令模型只激活部分參數來處理任務）——會同時抬高推理、記憶體、網絡和存儲四條線的壓力。
K3定價也說明了定位：輸入3美元/百萬token、輸出15美元/百萬token，每項任務成本約0.94美元，低於Claude Fable 5的約2.75美元，但遠高於DeepSeek V4 Pro的0.04美元。說白了＝ K3不打最低價，而是用更低價格去夠前沿模型的能力。
邊個受益、風險喺邊？
野村分析師段冰重申對台積電、ASE、聯發科等的買入評級，並看好中際旭創和蘇州旭創受益於超節點架構帶動的網絡層需求。
中國AI模型的全球滲透速度在加速：據OpenRouter統計，中國模型的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%；美銀數據顯示約55%的美國企業已訂閱AI模型、平台或工具。
美銀同時留了一個尾部風險警示：若效率增益的速度超過工作負載的增長，基礎設施建設可能出現回落——這是當前算力需求增長邏輯能否持續兌現的核心驗證節點。
Content is for reference only, not financial advice.