华尔街解读Kimi K3算力需求：内存依旧吃紧，推动基础设施建设

“虚惊一场”后，华尔街热议Kimi K3可能对算力需求造成的影响。

7月16日，中国大模型企业月之暗面发布旗下新一代模型Kimi K3，参数规模达2.8万亿，这也是目前全球参数最大的开源模型。据介绍，Kimi K3原生支持视觉理解，并拥有100万token上下文窗口。上线仅数小时，该模型便登顶业内备受关注的AI代码工具评测榜单Arena。

该模型迅速受到全球关注。7月19日深夜，月之暗面Kimi团队发布《关于算力紧缺与会员暂停开放的说明》，宣布即日起暂停C端新用户订阅，将全部算力优先保障已订阅用户。公告表示，“过去48小时，用户请求量已大幅超出我们的预估，并逼近现有集群的承载极限”。

K3的横空出世，让美股投资者不禁回想起了DeepSeek-R1对市场造成的冲击。2025年初，DeepSeek的R1模型发布时，由于市场担忧AI所需的算力可能低于预期，AI芯片龙头英伟达市值一天之内蒸发了近6000亿美元。

正因如此，美股再一次对K3作出了类似的反应。当地时间7月17日，美股半导体板块出现明显下跌。芯片股普遍下跌，费城半导体指数跌1.63%，较6月22日创下的历史高点下跌20.2%。

不过，度过一个周末后，市场逐渐消化了这则消息。7月20日，美股半导体板块强势反弹，费城半导体指数大涨超2%，美光科技涨超4%，英特尔与AMD均涨超3%。

2.8万亿参数背后，内存继续吃紧

除了庞大的参数体量，K3备受追捧的更深层原因在于其架构创新与“长程任务（Long-horizon tasks）”处理能力的跨越。该模型采用了Stable LatentMoE架构，在896个专家模块中实现了精准的动态稀疏激活，使模型整体扩展效率提升了2.5倍。

同时，结合100万Token的超长上下文窗口以及原生视觉能力，K3能够自主完成需要数天时间的长程编程、复杂科学计算乃至自动化视频剪辑等极高难度的工作流程。

不过，分析指出，K3与R1之间的比较可能忽略了一个重要的区别。DeepSeek所取得的突破在于降低了AI模型的训练和运行成本，而Kimi K3虽然提高了计算效率，但它采用的是规模更大的模型，对内存基础设施提出了更高的要求。这有望继续推动SK海力士、英伟达以及台积电等芯片厂商的发展。

彭博社分析认为，拥有2.8万亿参数的Kimi K3是迄今为止中国规模最大的AI模型。该模型将稀疏率（一项衡量计算效率的指标）推向了历史新高。稀疏率越高，意味着在处理具体任务时，相对于模型的整体规模，所激活的参数比例越低。

然而，这2.8万亿参数依然需要完整地存放在内存中。即使采用了低精度数据格式对模型进行压缩，Kimi K3占用的内存空间依然高达约1.4TB。因此，要部署这一模型，必须依赖搭载超大内存的AI处理器集群。

“开源模型通常比闭源模型更吃内存，”瑞银（UBS）分析师团队在最新研报中指出，“因为它的上下文窗口更长，即使经过量化，KV缓存的需求也在绝对量上持续增长，这使得部署更加依赖HBM和存储芯片。”

华尔街解构：“杰文斯悖论”再次上演

面对K3的冲击，一系列华尔街投行纷纷出具研报，核心观点趋于一致：K3绝非算力消亡的信号，而是基础设施建设的加速器。

花旗半导体分析师Peter Lee在报告中直接引用了经典的经济学概念“杰文斯悖论”，即技术进步提高了资源使用效率，但最终却导致该资源的总消耗量不降反升。

Peter Lee认为，K3的推理效率固然出色，但随着上下文长度扩展，KV缓存对通用内存（如服务器DDR5和eSSD）的挤压不降反升，这将继续推升SK海力士、美光科技及台积电等产业链巨头的业绩。

而在软件层与应用端，分析机构Stifel认为，Token价格的走低改善了SaaS企业的单体经济模型（Unit Economics），降低了创新门槛，同时也给网络安全服务商带来了强劲增量——因为大模型部署规模的指数级扩张，必然会带来更多需要防护的受攻击面。

不过，从风险层面出发，美银美林提醒称，如果模型越做越便宜，但使用量并未同步大幅扩张，算力需求的增长逻辑就会打折：“如果效率增益的速度超过工作负载的增长，我们可能会看到基础设施建设的某种回落。”

与此同时，中国AI模型正在加速渗透全球。根据开放API网关OpenRouter的统计，中国AI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%。

此外，阿里千问大模型官方账号7月19日下午发文称，Qwen3.8-Max预览版模型已首发上线阿里Token Plan、Qoder及QoderWork。Qwen3.8很快将发布并开源，新模型参数达到2.4T，可能是除了Fable 5外最强大的模型。

这些发布表明，顶尖AI模型的竞争正进一步扩大，不再仅限于OpenAI和Anthropic PBC等美国前沿实验室，可能会给美国模型提供商的定价权带来压力，同时也将继续推动对AI基础设施的投资。

美银证券半导体分析师Vivek Arya认为，面对当下的竞争环境，美国前沿AI实验室的回应“不是更少算力，而是更多”。如果中国开源模型持续逼近，OpenAI、Anthropic和Google必须通过更大规模的训练、更重的推理和更快的迭代来维持差异化。

野村证券亚太科技团队分析师段冰强调，全球大模型市场的竞争与创新只会愈发激烈：“随着我们越来越接近通用人工智能（AGI），生成式AI在消费者和企业端的应用将持续扩张。前沿AI实验室和超大规模云平台公司都可能在此阶段持续投入，以维持竞争地位——随着规模定律延续，我们将这种竞争解读为对AI基础设施价值链的利好。”