華爾街解讀Kimi K3算力需求：內存依舊吃緊，推動基礎設施建設

“虛驚一場”后，華爾街熱議Kimi K3可能對算力需求造成的影響。

7月16日，中國大模型企業月之暗面發布旗下新一代模型Kimi K3，參數規模達2.8萬億，這也是目前全球參數最大的開源模型。據介紹，Kimi K3原生支持視覺理解，并擁有100萬token上下文窗口。上線僅數小時，該模型便登頂業內備受關注的AI代碼工具評測榜單Arena。

該模型迅速受到全球關注。7月19日深夜，月之暗面Kimi團隊發布《關于算力緊缺與會員暫停開放的說明》，宣布即日起暫停C端新用戶訂閱，將全部算力優先保障已訂閱用戶。公告表示，“過去48小時，用戶請求量已大幅超出我們的預估，并逼近現有集群的承載極限”。

K3的橫空出世，讓美股投資者不禁回想起了DeepSeek-R1對市場造成的沖擊。2025年初，DeepSeek的R1模型發布時，由于市場擔憂AI所需的算力可能低于預期，AI芯片龍頭英偉達市值一天之內蒸發了近6000億美元。

正因如此，美股再一次對K3作出了類似的反應。當地時間7月17日，美股半導體板塊出現明顯下跌。芯片股普遍下跌，費城半導體指數跌1.63%，較6月22日創下的歷史高點下跌20.2%。

不過，度過一個周末后，市場逐漸消化了這則消息。7月20日，美股半導體板塊強勢反彈，費城半導體指數大漲超2%，美光科技漲超4%，英特爾與AMD均漲超3%。

2.8萬億參數背后，內存繼續吃緊

除了龐大的參數體量，K3備受追捧的更深層原因在于其架構創新與“長程任務（Long-horizon tasks）”處理能力的跨越。該模型采用了Stable LatentMoE架構，在896個專家模塊中實現了精準的動態稀疏激活，使模型整體擴展效率提升了2.5倍。

同時，結合100萬Token的超長上下文窗口以及原生視覺能力，K3能夠自主完成需要數天時間的長程編程、復雜科學計算乃至自動化視頻剪輯等極高難度的工作流程。

不過，分析指出，K3與R1之間的比較可能忽略了一個重要的區別。DeepSeek所取得的突破在于降低了AI模型的訓練和運行成本，而Kimi K3雖然提高了計算效率，但它采用的是規模更大的模型，對內存基礎設施提出了更高的要求。這有望繼續推動SK海力士、英偉達以及臺積電等芯片廠商的發展。

彭博社分析認為，擁有2.8萬億參數的Kimi K3是迄今為止中國規模最大的AI模型。該模型將稀疏率（一項衡量計算效率的指標）推向了歷史新高。稀疏率越高，意味著在處理具體任務時，相對于模型的整體規模，所激活的參數比例越低。

然而，這2.8萬億參數依然需要完整地存放在內存中。即使采用了低精度數據格式對模型進行壓縮，Kimi K3占用的內存空間依然高達約1.4TB。因此，要部署這一模型，必須依賴搭載超大內存的AI處理器集群。

“開源模型通常比閉源模型更吃內存，”瑞銀（UBS）分析師團隊在最新研報中指出，“因為它的上下文窗口更長，即使經過量化，KV緩存的需求也在絕對量上持續增長，這使得部署更加依賴HBM和存儲芯片。”

華爾街解構：“杰文斯悖論”再次上演

面對K3的沖擊，一系列華爾街投行紛紛出具研報，核心觀點趨于一致：K3絕非算力消亡的信號，而是基礎設施建設的加速器。

花旗半導體分析師Peter Lee在報告中直接引用了經典的經濟學概念“杰文斯悖論”，即技術進步提高了資源使用效率，但最終卻導致該資源的總消耗量不降反升。

Peter Lee認為，K3的推理效率固然出色，但隨著上下文長度擴展，KV緩存對通用內存（如服務器DDR5和eSSD）的擠壓不降反升，這將繼續推升SK海力士、美光科技及臺積電等產業鏈巨頭的業績。

而在軟件層與應用端，分析機構Stifel認為，Token價格的走低改善了SaaS企業的單體經濟模型（Unit Economics），降低了創新門檻，同時也給網絡安全服務商帶來了強勁增量——因為大模型部署規模的指數級擴張，必然會帶來更多需要防護的受攻擊面。

不過，從風險層面出發，美銀美林提醒稱，如果模型越做越便宜，但使用量并未同步大幅擴張，算力需求的增長邏輯就會打折：“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。”

與此同時，中國AI模型正在加速滲透全球。根據開放API網關OpenRouter的統計，中國AI模型的token使用量占全球開發者流量的比例，一年前不足2%，目前已超過45%。

此外，阿里千問大模型官方賬號7月19日下午發文稱，Qwen3.8-Max預覽版模型已首發上線阿里Token Plan、Qoder及QoderWork。Qwen3.8很快將發布并開源，新模型參數達到2.4T，可能是除了Fable 5外最強大的模型。

這些發布表明，頂尖AI模型的競爭正進一步擴大，不再僅限于OpenAI和Anthropic PBC等美國前沿實驗室，可能會給美國模型提供商的定價權帶來壓力，同時也將繼續推動對AI基礎設施的投資。

美銀證券半導體分析師Vivek Arya認為，面對當下的競爭環境，美國前沿AI實驗室的回應“不是更少算力，而是更多”。如果中國開源模型持續逼近，OpenAI、Anthropic和Google必須通過更大規模的訓練、更重的推理和更快的迭代來維持差異化。

野村證券亞太科技團隊分析師段冰強調，全球大模型市場的競爭與創新只會愈發激烈：“隨著我們越來越接近通用人工智能（AGI），生成式AI在消費者和企業端的應用將持續擴張。前沿AI實驗室和超大規模云平臺公司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，我們將這種競爭解讀為對AI基礎設施價值鏈的利好。”