华尔街：Kimi K3强化而非削减算力需求
0xBroomberg
月之暗面发布2.8万亿参数开源模型Kimi K3，美股半导体板块随即下跌；但瑞银、野村、美银、花旗四家投行最新研报一致判断——K3不是算力终结者，而是加速器。
市场为什么又慌了？
Kimi K3在编程榜单上超越全部海外闭源模型，市场将其类比为"DeepSeek时刻2.0"，半导体板块应声下跌。
这意味着→ 投资者条件反射地套用了DeepSeek R1的剧本：中国模型更强 = 算力需求被压缩 = 卖芯片股。
但四家投行的研报给出截然相反的结论：K3的特征不是"效率"，而是"规模"——它会推高、而非压低算力消耗。
为什么K3反而会吃掉更多算力？
花旗分析师彼得·李以"杰文斯悖论"（一种资源越便宜、总消耗反而越大的经济现象）为题：优质模型变便宜 → 开发者部署更多应用、处理更多token → 算力总需求上升。
K3的推理侧内存需求不亚于其他前沿模型：KV缓存（模型推理时用来存储上下文的临时内存）随100万token上下文窗口膨胀，直接推高服务器DDR5和企业级固态硬盘需求。
用大白话说＝ 模型越强、上下文越长，每次推理要占用的内存就越大；大规模部署需要超过64块GPU的"超节点"集群，算力账单不降反升。
美国前沿实验室会怎么应对？
美银分析师维韦克·阿里亚指出，美国实验室的回应"不是更少算力，而是更多"——若中国开源模型持续逼近，OpenAI、Anthropic和谷歌必须通过更大规模训练和更重推理来维持差异化。
这反映出一种军备竞赛逻辑：一方的效率突破 → 另一方被迫加码投入 → 全行业算力需求螺旋上升。
他还提到，据媒体报道谷歌Gemini 3.5 Pro已比计划推迟数月，前沿领导地位"正变得越来越难捍卫"。
内存和存储板块能赚多少？
瑞银分析师蒂莫·阿尔库里团队指出，开源模型通常比闭源模型更吃内存——2.8万亿参数加上100万token窗口，KV缓存即便经过量化（一种压缩模型精度以节省内存的技术）也在绝对量上持续增长。
这意味着→ 开源模型越普及，HBM（高带宽内存）和存储的需求越刚性，受益最直接的是内存厂商。
瑞银测算：存储与内存板块到2028年的累计自由现金流预计达到市值的约30%，其中美光一家高达47%。
K3和DeepSeek R1到底有什么不同？
四家机构均强调二者代表不同类型的冲击：DeepSeek R1让市场看到"效率"，K3更突出"规模"。
K3的特征组合——2.8万亿参数、100万token上下文、常开推理、原生多模态、MoE架构（混合专家架构，让模型只激活部分参数来处理任务）——会同时抬高推理、内存、网络和存储四条线的压力。
K3定价也说明了定位：输入3美元/百万token、输出15美元/百万token，每项任务成本约0.94美元，低于Claude Fable 5的约2.75美元，但远高于DeepSeek V4 Pro的0.04美元。用大白话说＝ K3不打最低价，而是用更低价格去够前沿模型的能力。
谁在受益、风险在哪？
野村分析师段冰重申对台积电、ASE、联发科等的买入评级，并看好中际旭创和苏州旭创受益于超节点架构带动的网络层需求。
中国AI模型的全球渗透速度在加速：据OpenRouter统计，中国模型的token使用量占全球开发者流量的比例，一年前不足2%，目前已超过45%；美银数据显示约55%的美国企业已订阅AI模型、平台或工具。
美银同时留了一个尾部风险警示：若效率增益的速度超过工作负载的增长，基础设施建设可能出现回落——这是当前算力需求增长逻辑能否持续兑现的核心验证节点。
Content is for reference only, not financial advice.