Воссоздание "DeepSeek момента"? Уолл-стрит единодушно заявляет: Kimi K3, наоборот, усиливает спрос на вычислительные мощности

Автор: Лун Юэ

Рынок рассматривает Kimi K3 как "DeepSeek момент 2.0", вызывая панику, но на этот раз суждения Уолл-стрит совершенно иные.

16 июля в полночь "Лунная тень" представила Kimi K3 в Шанхае. Эта открытая модель с 28 триллионами параметров набрала 57 баллов в индексе Artificial Analysis, заняв третье-четвертое место в мире, сравнявшись с Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI. Более того, на программном рейтинге Frontend Code Arena, созданном в Калифорнийском университете в Беркли, K3 с 1679 баллами занял первое место, обогнав Claude Fable 5 и GPT-5.6 Sol, став первой открытой моделью, которая превзошла все зарубежные закрытые модели в авторитетном программном рейтинге.

17 июля акции полупроводникового сектора на американском рынке заметно упали. Рефлекс рынка легко понять: в начале 2025 года выпуск DeepSeek R1 вызвал резкое падение акций вычислительных компаний, логика была таковой: если китайские модели становятся все сильнее, нужно ли американским AI-компаниям тратить столько денег на вычислительные мощности? Если китайские модели могут достичь передовых возможностей с меньшими затратами, будет ли пересмотрен спрос на Nvidia, HBM, серверы и сетевое оборудование?

Тем не менее, согласно сообщениям торговой площадки "Chasing Wind", последние исследования от инвестиционных банков UBS, Nomura, Bank of America и Citigroup считают: Kimi K3 не является завершением спроса на вычислительные мощности, а является ускорителем.

Kimi K3 и DeepSeek R1 представляют собой разные типы воздействия. R1 больше показывает "эффективность"; K3 подчеркивает "масштаб". 28 триллионов параметров, контекст в 1M токенов, постоянное рассуждение, родные мультимодальные возможности, архитектура MoE — эти характеристики не являются историей о легких активах. Они повысят давление на рассуждение, память, сеть и хранение.

Насколько силен Kimi K3?

Kimi K3 была выпущена "Лунной тенью" 16 июля 2026 года, полные веса модели планируется открыть 27 июля. Это модель с 28 триллионами параметров, которую многие учреждения называют крупнейшей открытой моделью LLM на данный момент.

Основные характеристики включают три пункта:

Во-первых, контекстное окно в 1M токенов. Модель может обрабатывать более длинные тексты, более длинные кодовые базы, более сложные корпоративные данные и исследовательские задачи.

Во-вторых, постоянное рассуждение. Это не просто вопрос-ответ, а нацелено на длинные цепочки рассуждений и задачи агента.

В-третьих, родные визуальные способности. K3 обрабатывает не только текст, но и видео, изображения, разработку игр, фронтенд-дизайн, CAD и другие мультимодальные задачи.

В архитектуре K3 используются Kimi Delta Attention, Attention Residuals и Stable LatentMoE. В части MoE каждый токен активирует 16 экспертов из 896. "Лунная тень" заявляет, что по сравнению с Kimi K2 общая эффективность масштабирования увеличилась примерно в 2,5 раза.

Это объясняет, почему K3 не является "дешевым K2". Цены, собранные Nomura, показывают, что цена ввода K3 составляет 3 доллара за миллион токенов, цена кэширования ввода составляет 0,30 доллара, а вывод составляет 15 долларов за миллион токенов; по данным Artificial Analysis, стоимость каждой задачи K3 составляет около 0,94 доллара. Эта цена ниже, чем у Claude Fable 5, около 2,75 доллара, и у Claude Opus 4.8, около 1,80 доллара, близка к 1,04 доллара за GPT-5.6 Sol, но значительно выше, чем у GLM-5.2, от 0,32 до 0,47 доллара, и намного выше, чем у DeepSeek V4 Pro, 0,04 доллара.

Таким образом, позиционирование K3 не в том, чтобы быть самой низкой ценой, а в том, чтобы приблизиться к возможностям передовых моделей по более низкой цене.

Четыре инвестиционных банка активно заявляют: это не ослабление спроса

Что касается опасений рынка по поводу воздействия "DeepSeek момента", аналитик команды по технологиям Азиатско-Тихоокеанского региона Nomura Дуань Бин в отчете написал: "Мы считаем, что конкуренция и инновации на глобальном рынке больших моделей не прекратятся, поскольку мы все ближе к общему искусственному интеллекту (AGI), применение генеративного AI как для потребителей, так и для бизнеса будет продолжать расширяться. Передовые AI-лаборатории и компании с крупномасштабными облачными платформами могут продолжать инвестировать на этом этапе, чтобы поддерживать конкурентоспособность — по мере продолжения закона масштаба, мы интерпретируем эту конкуренцию как положительный фактор для цепочки создания стоимости AI-инфраструктуры."

Аналитик полупроводников Citigroup Питер Ли в отчете от 19 июля прямо назвал это "еще одним парадоксом Джевонса". Что означает парадокс Джевонса? Проще говоря: повышение эффективности угольного парового двигателя на самом деле увеличивает потребление угля, потому что больше людей могут себе это позволить и больше сценариев можно использовать. То же самое и с AI-моделями — когда качественные модели становятся дешевле, разработчики и компании будут развертывать больше приложений, обрабатывать больше токенов, и в конечном итоге потребление вычислительных мощностей на самом деле возрастет.

Питер Ли считает, что даже если K3 будет широко использоваться, спрос на общую память, такую как серверы DDR5 и eSSD, все равно будет расти. Причина в том, что эффективность рассуждения K3 сопоставима с другими передовыми моделями, но использование KV-кэша будет увеличиваться с ростом контекста, что будет увеличивать давление на память.

Аналитик полупроводников Bank of America Вивек Арья в отчете от 17 июля выразился более прямо. Он считает, что ответ передовых AI-лабораторий США "не в меньших вычислительных мощностях, а в большем". Если китайские открытые модели продолжают приближаться, OpenAI, Anthropic и Google должны будут поддерживать различия через более крупные объемы обучения, более тяжелые рассуждения и более быстрые итерации. Арья также упомянул один легко упускаемый из виду контекст: в СМИ сообщается, что Gemini 3.5 Pro от Google задерживается на несколько месяцев по сравнению с планом, а производительность программирования не достигла внутренних целей, и передовое лидерство "становится все труднее защищать".

Аналитики UBS под руководством Тимо Аркури в отчете от 20 июля отметили, что параллели между K3 и DeepSeek R1 действительно существуют, но K3 больше касается масштаба — это крупнейшая открытая модель в мире с 28 триллионами параметров и контекстным окном в 1 миллион токенов. Аналитики подчеркивают, что открытые модели обычно требуют больше памяти, чем закрытые передовые модели, поскольку контекстное окно длиннее, и потребность в KV-кэше, даже после количественной оценки, продолжает расти в абсолютных величинах, что делает развертывание открытых моделей более зависимым от HBM и хранения.

Кто на самом деле выигрывает в этой конкуренции?

Хранение: самый прямой выигрышный сектор. UBS оценивает, что к 2028 году накопленный свободный денежный поток (FCF) в секторе хранения и памяти составит около 30% от рыночной капитализации, что является самым высоким показателем среди всех подсекторов — только Micron (MU) составит 47%. Citigroup и Nomura сохраняют рекомендации на покупку акций Samsung Electronics, поскольку глобальный рынок памяти находится в состоянии крайнего дефицита. Аналитик Citigroup Питер Ли отметил, что потребность в памяти для рассуждений Kimi K3 не уступает другим передовым моделям, а увеличение объема KV-кэша напрямую повысит спрос на серверы DDR5 и корпоративные твердотельные накопители (eSSD). Он особенно отметил: массовое развертывание Kimi K3 требует конфигурации кластера "суперузел" с более чем 64 GPU.

Инфраструктура вычислений: TSMC и Nvidia первыми получат выгоду. Независимо от того, сохраняется ли закон масштаба на стороне обучения, или растет спрос на токены на стороне рассуждений, в конечном итоге это приведет к большему спросу на чипы передового производства. Nomura подтверждает рекомендации на покупку акций TSMC, ASE, MediaTek и других. Nvidia ранее заявляла, что производительность и эффективность современных моделей MoE (гибридная архитектура экспертов) на GB300 NVL72 увеличилась на 25 раз по сравнению с предыдущим поколением архитектуры Hopper. Модели, подобные K3, естественным образом являются выгодополучателями от новейшего оборудования Nvidia.

Сеть: тренд суперузлов создает структурные возможности. Kimi K3 требует кластеров суперузлов, а китайские вычислительные мощности ограничены экспортным контролем высококачественных чипов, что требует большей зависимости от архитектуры суперузлов для компенсации разрыва в производительности отдельных карт, что увеличивает спрос со стороны поставщиков сетевых модулей и оптических чипов. Nomura положительно оценивает Zhongji Xuchuang и Suzhou Xuchuang.

Облачные платформы: выигрывают от эффекта концентрации экосистемы. Облачные платформы, которые размещают различные передовые открытые модели, имеют более сильные переговорные позиции и не зависят от единого поставщика закрытых моделей. Nomura положительно оценивает Alibaba (BABA) как ядро китайской AI-экосистемы, а также GDS, VNET и другие операторы центров обработки данных.

Насколько быстро китайские AI-модели проникают на глобальный рынок?

Это, возможно, самый недооцененный момент во всей нарративе.

Согласно статистике открытого API- шлюза OpenRouter, доля использования токенов китайских AI-моделей в глобальном потоке разработчиков за год увеличилась с менее 2% до более 45%. Данные Bank of America подтверждают ускорение общего проникновения AI: в настоящее время около 55% американских компаний подписались на AI-модели, платформы или инструменты, уровень принятия Anthropic составляет 42%, а OpenAI — 40%. Ведущие AI-потребители (первые 1% корпоративных пользователей) тратят на AI 4833 долларов на каждого сотрудника в месяц.

Рынок разделяется. С одной стороны, китайские открытые модели, такие как DeepSeek и Kimi K3, охватывают экономичный и средне-высокий сегменты рынка; с другой стороны, ведущие американские передовые модели сосредоточены на более сложных рабочих нагрузках (таких как научные вычисления), сохраняя технологическую и ценовую премию. Nomura считает, что ведущие игроки на обеих сторонах, как в Китае, так и в США, будут выигрывать — при условии, что каждый из них сможет оставаться на переднем крае технологической кривой.

K3 действительно меняет темп конкуренции, а не историю одной компании

После выпуска K3 первая реакция рынка все еще сравнивает его с DeepSeek R1. Это сравнение полезно, но не должно останавливаться на уровне "неужели снова придется вкладываться в AI-аппаратное обеспечение".

DeepSeek заставил рынок переоценить эффективность обучения. K3 показывает рынку еще одну вещь: открытые модели также могут вывести масштаб, длинный контекст, агента и мультимодальность на передний край.

Это заставит передовые лаборатории в США продолжать инвестировать, а китайские модели продолжат расширяться в глобальной экосистеме разработчиков. Закрытые передовые модели сохраняют технологическую и ценовую премию, открытые модели охватывают больше ценовых диапазонов и сценариев развертывания, облачные компании обеспечивают распределение моделей и внедрение в бизнес, а цепочка поставок оборудования несет нагрузку обучения и рассуждений.

В краткосрочной перспективе рынок может колебаться из-за "памяти DeepSeek". В среднесрочной перспективе, пока объем использования токенов продолжает расти, длинный контекст и агенты продолжают распространяться, вычислительные мощности, HBM, хранение, сеть и IDC остаются неизменными затратами.

Это также причина, по которой несколько учреждений после K3 пришли к аналогичным выводам: более сильные открытые модели не являются концом спроса на AI-инфраструктуру, а могут стать входом в следующий раунд распространения спроса.

Тем не менее, Bank of America также четко оставила риск на заднем плане: "Если скорость прироста эффективности превысит рост рабочей нагрузки, мы можем увидеть некоторый откат в строительстве инфраструктуры." Другими словами, если модели становятся дешевле, но объем использования не увеличивается значительно, логика роста спроса на вычислительные мощности будет под вопросом.