復刻「DeepSeek時刻」？ 華爾街齊稱：Kimi K3 反而強化算力需求

作者：龍玥

市場把Kimi K3當作「DeepSeek時刻2.0」來恐慌，但這次，華爾街的判斷截然不同。

7月16日深夜，月之暗面在上海發行Kimi K3。 這個2.8兆參數的開源模型，在Artificial Analysis智慧指數得分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創建的Frontend Code Arena編程榜單上，K3以1679分登頂，超越Claude Fable 5和GPT-5.6 Sol，成為首個在權威編程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的發布觸發了算力股的一輪急跌，邏輯是：

然而，根據追風交易台消息，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和DeepSeek R1不是同一種衝擊。 R1更多讓市場看到「效率」；K3更突出「規模」。 2.8兆參數、1M token上下文、常開推理、原生多模態、MoE架構，

Kimi K3有多強？

Kimi K3由月之暗面於2026年7月16日發布，完整模型權重計畫於7月27日開放。 它是2.8兆參數開源權重大模型，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：

模型可以處理更長文字、更長程式碼庫、更複雜的企業資料和研究任務。

不是簡單問答，而是面向長鏈路推理和Agent任務。

K3不只處理文本，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使用Kimi Delta Attention、Attention Residuals和Stable LatentMoE。 MoE部分為896個專家中每個token啟動16個專家。 月之暗面給出的口徑是，相比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口徑，，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。

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在消費者和企業 端的應用將持續擴張。

花旗半導體分析師Peter Lee在7月19日的報告中則直接以為題。 傑文斯悖論是什麼意思？ 簡單說：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、更多場景用得上。 AI模型也是一樣－當優質模式變得更便宜，開發者和企業就會部署更多應用、處理更多token，最終的算力消耗反而上升。

Peter Lee認為，

美銀證券半導體分析師Vivek Arya在7月17日的報告中表述更為直接。 他認為，如果中國開源模型持續逼近，OpenAI、Anthropic和Google必須透過更大規模的訓練、更重的推理和更快的迭代來維持差異化。 Arya也提到一個容易被忽略的背景：媒體報道稱Google的Gemini 3.5 Pro已比計劃推遲數月，編程性能未達內部目標，前沿領導地位「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——它是全球最大的開源模型，擁有2.8萬億參數和100萬token上下文視窗。 分析師強調，。

誰在這場競爭中真正受益？

 瑞銀測算顯示，儲存與記憶體板塊到2028年的累計自由現金流（FCF）預計達到市值的約30%，是所有子板塊中佔比最高的－美光（MU）一家高達47%。 花旗和野村都維持三星電子的買進評級，理由是全球記憶體市場正處於供給極度緊張的狀態。 花旗分析師Peter Lee指出，Kimi K3的推理側記憶體需求不亞於其他前沿模型，KV快取體積的膨脹將直接推高伺服器DDR5和企業級固態硬碟（eSSD）的需求。 他尤其指出：Kimi K3的大規模部署需要超過64塊GPU的「超節點」叢集配置。

無論是訓練側規模定律仍然有效，還是推理側token需求成長，最終都指向更多的先進製程晶片需求。 野村重申對台積電、ASE、聯發科等的買進評等。 英偉達曾公開表示，現代MoE（混合專家架構）模型的推理，在GB300 NVL72上的效能功耗比，相比上一代Hopper架構提升高達25倍。 K3這樣的模式天然是英偉達最新五金的受益方。

 Kimi K3需要超節點集群，中國本土算力受限於高階晶片出口管制，更需要依賴超節點架構來彌補單卡效能差距，這推動了光模組、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。

 託管多種前緣開源模式的雲端平台議價能力較強，不依賴單一閉源模式供應商。 野村看好阿里巴巴（BABA）作為中國AI雲生態的核​​心，以及GDS、萬國資料（VNET）等資料中心營運商。

中國AI模型的全球滲透速度有多快？

這或許是整個敘事中最容易被低估的數據點。

根據開放API網關OpenRouter的統計，美銀美林的數據印證了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%。 頭部AI消費者（前1%的企業用戶）每位員工每月AI支出已達4,833美元。

市場正在分化。 一方面是以DeepSeek、Kimi K3為代表的中國開源模型，涵蓋經濟型和中高端性價比市場；另一方面，頂級美國前沿模型正向更複雜的工作負載（如科學計算）聚焦，維持技術和定價溢價。 野村的判斷是：中美兩側的領先大模型玩家都將受益──前提是各自能持續站在技術曲線的前端。

K3真正改變的是競爭節奏，不是單一公司的故事

K3發布後，市場第一反應還是拿它和DeepSeek R1比較。 這個比較有用，但不能停在「是不是又要砸AI硬體」這一層。

DeepSeek讓市場重新估算訓練效率。 K3讓市場看到另一件事：開源模型也可以把規模、長上下文、Agent和多模態推到前沿區間。

這會逼迫美國前沿實驗室繼續投入，也會讓中國模型在全球開發者生態中繼續擴張。 閉源頂級模型保留技術和價格溢價，開源模型覆蓋更多價格帶和部署場景，雲端廠商提供模型分發和企業落地，硬體鏈條承擔訓練和推理壓力。

短期看，交易會因為「DeepSeek記憶」而波動。 中期看，只要token使用量持續成長，長上下文和Agent繼續擴散，算力、HBM、儲存、網路和IDC仍是繞不開的成本項。

這也是許多機構在K3之後給出相似結論的原因：更強的開源模型不是AI基建需求的終點，反而可能是下一輪需求擴散的入口。

不過，美銀美林也明確留了一個尾部風險：「如果效率增益的速度超過工作負載的增長，我們可能會看到基礎設施建設的某種回落。」換句話說，如果模型越做越便宜，但使用量並未同步大幅擴張，算力需求的增長邏輯就會打折。