Kimi K3会复刻DeepSeek时刻吗：机构为何看好算力需求扩张

月之暗面最新发布的Kimi K3大模型，表现确实亮眼。市场很快就围绕一个话题热络起来：它会不会复刻“DeepSeek时刻”？一部分资金曾暗自担心，美股AI板块会不会再次承压。不过，随后多家华尔街机构给出的判断，出奇地一致，而且结论有点“反直觉”——Kimi K3的突破，并没有削弱高端算力需求，反而可能进一步强化了这一趋势。

用更直白的话说，这里的逻辑并不复杂。大模型要变强，前期的训练几乎离不开大规模的GPU集群；而当模型推理效率提升、能力也更强时，它往往更容易被真正的企业和开发者用起来。一旦部署范围扩大、调用频次增加，对GPU、存储、网络和数据中心的需求，自然也会随之上升。正是因为这个原因，市场对AI产业链的关注点，正在从单纯讨论“能不能降本”，逐步转向“会不会带来更大的需求扩张”。

换句话说，市场虽然一度把Kimi K3当作“DeepSeek时刻2.0”来看待，但这一次，华尔街主流机构给出的结论，并不相同。

7月16日深夜，月之暗面在上海发布了Kimi K3。这个拥有2.8万亿参数的开源模型，在Artificial Analysis的智能指数中获得了57分，排名全球第三至第四位，与Anthropic的Claude Opus 4.8和OpenAI的GPT-5.5处于同一区间。更令人关注的是，在加州大学伯克利分校创建的Frontend Code Arena编程榜单中，K3以1679分登顶，超过了Claude Fable 5和GPT-5.6 Sol，成为首个在权威编程榜单上超越全部海外闭源模型的开源模型。

7月17日，美股半导体板块出现明显回调。这样的市场反应，其实有迹可循。因为在2026年初DeepSeek R1发布后，算力股就曾经历过一轮快速下跌。当时市场最核心的担忧是：如果中国模型持续逼近全球前沿水平，美国AI公司是否还需要维持如此高强度的算力投入？如果更低成本的模型不断出现，英伟达、HBM、服务器和网络设备的需求预期，是否要被重新定价？

不过，据追风交易台消息，瑞银、野村、美银美林和花旗等多家机构的最新观点，都指向了同一个方向：Kimi K3不是算力需求的终结者，更像是新一轮算力需求扩散的催化剂。

从市场影响来看，Kimi K3与DeepSeek R1带来的冲击并不完全一样。R1更强调效率，而K3更突出规模。2.8万亿参数、1M token上下文、常开推理、原生多模态，以及MoE架构——这些特征共同决定了，它并不属于“轻资产”叙事。相反，它会同时抬升推理、内存、网络和存储侧的基础设施压力。

Kimi K3是什么：先看懂它的能力、定位和成本

Kimi K3由月之暗面于2026年7月16日发布，完整模型权重计划于7月27日开放。作为一款2.8万亿参数的开源权重大模型，它被多家机构视为当前规模最大的开源权重LLM之一。

对于不那么熟悉技术细节的读者来说，K3主要有三项值得关注的特征：

• 1M token上下文窗口：简单理解，就是它一次能处理的信息量更大，特别适合长文本阅读、复杂代码仓库分析，以及更大体量的企业资料处理。
• 常开推理能力：这说明它不只是做简单问答，更偏向处理多步骤、长链路的问题，也更适合Agent类任务。
• 原生视觉能力：除了文本，它还可以覆盖图像、视频、游戏开发、前端设计、CAD等多模态场景。

在架构层面，K3采用了Kimi Delta Attention、Attention Residuals和Stable LatentMoE。MoE部分由896个专家构成，每个token激活其中16个专家。月之暗面表示，与Kimi K2相比，整体scaling efficiency提升了约2.5倍。

这也解释了为什么K3不能被简单理解为“更便宜的K2”。根据Nomura整理的数据，K3输入价格为每百万token 3美元，缓存命中输入为0.30美元，输出价格为每百万token 15美元；按Artificial Analysis的口径，K3每项任务成本约为0.94美元，低于Claude Fable 5的约2.75美元和Claude Opus 4.8的约1.80美元，接近GPT-5.6 Sol的1.04美元。不过，它仍明显高于GLM-5.2的0.32—0.47美元，也远高于DeepSeek V4 Pro的0.04美元。

因此，从AI产业观察的视角来看，Kimi K3的定位并不是“最低价模型”，而是在一个更有竞争力的价格区间里，尽量接近前沿模型的能力水平。

Kimi K3会削弱算力需求吗：四家投行怎么看

围绕“Kimi K3会不会重演DeepSeek冲击”这个问题，多家投行的结论基本一致：这更像是需求重估，而不是需求削弱。

野村：AI竞争加剧，基础设施价值链反而可能受益

野村证券亚太科技团队分析师段冰在报告中表示，全球大模型市场的竞争与创新不会停止。随着行业继续向通用人工智能靠近，生成式AI在消费端和企业端的应用仍会扩张。前沿AI实验室和超大规模云平台公司，大概率仍会维持高投入，以确保自身竞争位置。在这个框架下，野村把竞争升级视为AI基础设施价值链的正面信号。

花旗：这更像是“杰文斯悖论”再次出现

花旗半导体分析师Peter Lee在7月19日的报告中，直接将这一主题概括为“又一次杰文斯悖论”。这个概念可以简单理解为：当技术效率提高、使用门槛下降时，结果不一定是总需求减少，反而可能因为更多人愿意使用，带来更大的整体消耗。

放到AI行业里，如果高质量模型变得更便宜、更容易部署，开发者和企业就可能上线更多应用、处理更多token，最终推高整体算力消耗。

Peter Lee还指出，即便K3获得更广泛应用，服务器DDR5和eSSD等通用内存与存储需求仍有继续增长的空间。原因在于，K3的推理效率虽然接近其他前沿模型，但随着上下文长度增加，KV缓存占用也会持续放大，内存压力不会因为效率提升而自动下降。

美银美林：美国前沿实验室可能会选择“更多算力”

美银证券半导体分析师Vivek Arya在7月17日的报告中，给出了更为直接的表述：美国前沿AI实验室的回应不会是“更少算力”，而是“更多算力”。如果中国开源模型持续逼近，OpenAI、Anthropic和Google为了维持差异化，可能需要投入更大规模训练、更重推理以及更快的产品迭代。

Arya还提到，媒体报道称Google的Gemini 3.5 Pro已较原计划推迟数月，且编程能力未达到内部目标。这也从一个侧面说明，前沿模型想长期保持领先，难度正在上升。

瑞银：K3更偏“规模”逻辑，长上下文会继续推高内存压力

瑞银分析师Timo Arcuri团队在7月20日的报告中指出，K3与DeepSeek R1的确存在可比性，但K3的重点更偏向“规模”。它拥有2.8万亿参数和100万token上下文窗口。报告强调，开源模型通常比闭源前沿模型更吃内存，尤其在更长上下文场景下，即便进行量化处理，KV缓存的绝对需求仍会增长，这使得开源模型部署对HBM和存储的依赖度更高。

Kimi K3可能影响哪些方向：算力、存储、网络、云平台怎么理解

从机构观点来看，Kimi K3对产业链的影响并不是平均分布的，而是更可能集中在几个关键环节。对于不熟悉AI基建的读者来说，可以把它理解为：模型越强、应用越多，背后承载这些能力的“底层硬件和服务”就越重要。

1. 存储与内存：HBM、DDR5、eSSD关注度提升

存储与内存是机构普遍认为最直接受益的板块之一。瑞银测算显示，到2028年，存储与内存板块累计自由现金流预计可达到市值的约30%，在各子板块中占比最高，其中美光（MU）约为47%。花旗和野村也维持对三星电子的买入评级，原因之一是全球内存市场仍处于供给偏紧状态。

花旗指出，Kimi K3在推理侧的内存需求并不弱于其他前沿模型，KV缓存规模上升将直接带动服务器DDR5与企业级固态硬盘需求。其特别提到，K3大规模部署需要超过64块GPU的“超节点”集群配置。

2. 算力基础设施：英伟达、台积电等仍是关键变量

算力基础设施方面，台积电与英伟达被视为重点受益方向。无论是训练侧的规模定律继续发挥作用，还是推理侧token使用量持续增长，最终都对应更多先进制程芯片需求。野村重申了对台积电、ASE、联发科等公司的买入评级。

英伟达此前公开表示，现代MoE模型在GB300 NVL72上的推理性能功耗比，相较上一代Hopper架构可提升高达25倍。像K3这样的模型，也被认为天然更能受益于英伟达的最新硬件平台。

3. 网络侧：超节点架构会抬高光模块与光芯片需求

网络侧也被视为结构性机会所在。原因在于，Kimi K3需要超节点集群，而中国本土算力又受到高端芯片出口限制影响，超节点架构被认为是弥补单卡性能差距的重要方案之一。这会进一步推升光模块、光芯片等网络层供应链需求。野村看好中际旭创和苏州旭创。

4. 云平台与数据中心：模型分发和企业部署价值上升

云平台与数据中心同样被机构重点提及。能够托管多种前沿开源模型的云平台，通常具备更强议价能力，也不必过度依赖单一闭源模型供应商。野村看好阿里巴巴（BABA）在中国AI云生态中的核心位置，同时关注GDS、万国数据（VNET）等数据中心运营商。

中国AI模型全球渗透率变化：开发者流量是个重要信号

在这轮讨论中，一个容易被忽视但实际上很关键的变量，是中国AI模型在全球开发者生态中的渗透速度。

根据开放API网关OpenRouter的统计，中国AI模型在全球开发者流量中的token使用占比，一年前不足2%，目前已超过45%。与此同时，美银美林的数据也显示，AI整体渗透正在加快：目前约55%的美国企业已订阅AI模型、平台或工具，Anthropic的企业采用率为42%，OpenAI为40%。在头部AI消费者中，前1%的企业用户每位员工每月AI支出已达到4833美元。

从竞争格局来看，市场正在出现更明显的分层。一边是以DeepSeek、Kimi K3为代表的中国开源模型，覆盖经济型及中高端性价比市场；另一边是美国顶级前沿模型，继续向更复杂的工作负载，例如科学计算等场景集中，以维持技术溢价和定价能力。野村的判断是，中美两侧的领先大模型玩家都可能受益，前提是能够持续处于技术曲线前沿。

Kimi K3改变了什么：它更像是在重塑AI竞争节奏

K3发布后，市场第一时间仍会把它与DeepSeek R1放在一起比较。这种比较本身并没有问题，但如果讨论只停留在“会不会再次打击AI硬件”这个层面，显然还不够全面。

如果说DeepSeek让市场重新评估了训练效率，那么Kimi K3进一步证明的是：开源模型同样能够在规模、长上下文、Agent和多模态等方向推进到前沿区间。

这意味着，美国前沿实验室可能仍需保持高投入，而中国模型也有望在全球开发者生态中继续扩大影响力。闭源顶级模型保留技术和价格溢价，开源模型则覆盖更广的价格带与部署场景；云厂商承担模型分发和企业落地，硬件产业链继续承接训练与推理侧的基础设施压力。

短期来看，受“DeepSeek记忆”影响，相关交易仍可能出现波动。中期来看，只要token使用量继续增长，长上下文和Agent场景持续扩散，算力、HBM、存储、网络和IDC仍会是难以绕开的关键成本项。

这也是为什么多家机构在K3发布后给出了相似结论：更强的开源模型，并不是AI基建需求的终点，反而可能成为下一轮需求扩散的起点。

不过，美银美林也明确提示了一项尾部风险：如果效率提升的速度快于工作负载增长，那么基础设施建设节奏可能出现回落。换句话说，如果模型持续变得更便宜，但使用量未能同步明显扩张，算力需求增长逻辑也会受到影响。后续仍需要结合模型部署进度、企业采纳情况以及实际token消耗变化持续观察。

需要说明的是，以上内容主要围绕机构观点和产业逻辑展开，属于行业信息解读，并不构成任何投资建议。AI、半导体、算力及相关概念资产波动通常较大，市场判断也可能随技术进展和企业实际落地情况而变化。