7月16日深夜，月之暗面在上海发布Kimi K3。这个2.8万亿参数的开源模型，在Artificial Analysis智能指数上得分57，排名全球第三至四位，与Anthropic的Claude Opus 4.8和OpenAI的GPT-5.5持平。更关键的是，在加州大学伯克利分校创建的Frontend Code Arena编程榜单上，K3以1679分登顶，超越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下跌。市场的条件反射不难理解——2025年初，DeepSeek R1的发布触发了算力股的一轮急跌，逻辑是：中国模型越来越强，美国AI公司还有必要砸那么多钱在算力上吗？如果中国模型能用更低成本逼近前沿能力，英伟达、HBM、服务器、网络设备的需求是否会被重估？
然而，据追风交易台消息，来自瑞银、野村、美银美林和花旗等投行的最新研报认为：Kimi K3不是算力需求的终结者，而是加速器。Kimi K3和DeepSeek R1不是同一种冲击。R1更多让市场看到“效率”；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、MoE架构，这些特征不是轻资产的故事。它们会把推理、内存、网络和存储的压力一起抬高。
四家投行密集定调：这不是需求削弱。野村证券亚太科技团队分析师段冰在报告中写道：“我们认为全球大模型市场的竞争与创新不会停止，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。”花旗半导体分析师Peter Lee在7月19日的报告中则直接以“又一次杰文斯悖论”为题。杰文斯悖论简单说：煤炭蒸汽机效率提升，反而让煤炭消耗量更大。AI模型也一样——当优质模型变得更便宜，开发者和企业就会部署更多应用、处理更多token，最终的算力消耗反而上升。
美银证券半导体分析师Vivek Arya在7月17日的报告中表述更为直接：美国前沿AI实验室的回应“不是更少算力，而是更多”。瑞银分析师Timo Arcuri团队指出，K3与DeepSeek R1的平行之处确实存在，但K3更多关乎规模——它是全球最大的开源模型，拥有2.8万亿参数和100万token上下文窗口。开源模型通常比闭源前沿模型更吃内存，因为上下文窗口更长，KV缓存需求即便经过量化也在绝对量上持续增长。
谁在这场竞争中真正受益？存储是最直接的受益板块。瑞银测算显示，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%，是所有子板块中占比最高的——美光（MU）一家就高达47%。花旗和野村均维持对三星电子的买入评级。算力基础设施方面，台积电、英伟达首当其冲受益。网络方面，超节点趋势造就结构性机会，Kimi K3需要超节点集群，推动光模块、光芯片等网络层供应商的需求。云平台方面，托管多种前沿开源模型的云平台议价能力更强，野村看好阿里巴巴、GDS、万国数据等数据中心运营商。
中国AI模型的全球渗透速度有多快？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%。美银美林的数据印证了AI整体渗透的加速：目前约55%的美国企业已订阅AI模型、平台或工具，Anthropic的企业采用率达42%，OpenAI为40%。头部AI消费者（前1%的企业用户）每位员工每月AI支出已达4833美元。
K3真正改变的是竞争节奏，不是单一公司的故事。短期看，交易会因为“DeepSeek记忆”出现波动。中期看，只要token使用量继续增长，长上下文和Agent继续扩散，算力、HBM、存储、网络和IDC仍是绕不开的成本项。不过，美银美林也明确留了一个尾部风险：“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。”