Kimi K3發布後，為何華爾街反而看好AI晶片？

TradingKey - 中國 AI 大模型再次成為全球市場關注的焦點。

近日，中國 AI 開發商月之暗面 (Moonshot AI) 正式發布最新一代大模型 Kimi K3。憑藉開放權重架構、接近全球領先模型的性能以及更具競爭力的推理成本，Kimi K3 迅速引發海外科技圈 and 資本市場熱議。

消息公布後，市場一度擔憂，隨著越來越多高性能、低成本 AI 模型出現，全球科技巨頭持續投入數千億美元建設 AI 基礎設施的邏輯是否會受到衝擊，美股 AI 晶片類股也出現明顯調整。

不過，越來越多分析師認為，Kimi K3 未必是 AI 晶片產業的利空。模型性能提升和使用成本下降，反而可能降低 AI 應用門檻，帶來更多用戶、更高呼叫頻率和更大規模的推理需求。經濟學中的「傑文斯悖論」，或許正在 AI 產業中再次上演。

Kimi K3為何引發全球市場關注？

Kimi K3 是月之暗面於 2026 年 7 月推出的旗艦模型，主要針對長週期程式設計、複雜知識工作和 AI 智慧體等應用場景。

根據月之暗面揭露的資訊，Kimi K3 採用混合專家架構，擁有 2.8 兆總參數和 100 萬 Token 上下文視窗，並原生支援視覺理解。其 896 個專家模組中，每次運算僅啟用 16 個，以提高模型容量與推論效率。需要注意的是，2.8 兆是總參數規模，並不代表每生成一個 Token 都會呼叫全部參數。

Kimi K3 在前端程式設計評測中表現突出，曾以 1679 分登上 Frontend Code Arena 排行榜前列。但這項成績屬於特定程式設計測試，並不等同於在所有綜合能力上全面超越 OpenAI 和 Anthropic 的旗艦模型。

價格也是 Kimi K3 備受關注的重要原因。官方 API 定價顯示，每百萬輸入 Token 收費 3 美元，快取命中時降至 0.3 美元，每百萬輸出 Token 收費 15 美元。對於需要反覆讀取程式碼庫、企業文件和長上下文的 AI 智慧體，快取機制可以明顯降低輸入成本。

不過，「Token 單價較低」不等於所有任務的實際成本都會同步下降。模型輸出長度、推論時間、快取命中率和任務完成率都會影響最終費用。

因此，Kimi K3 真正帶來的改變，不是簡單地打響價格戰，而是以更高的性價比推動先進模型走向更廣泛的應用。

低成本Kimi K3為何可能增加晶片需求？

Kimi K3 發布後，部分投資人擔憂模型效率提高會減少 GPU 使用量。但從實際運作情況看，單位推論成本下降與晶片總需求下降並不能直接劃上等號。

Kimi K3 採用稀疏混合專家架構，每次推論僅調用部分專家模組，這有助於控制單次運算開銷。但模型仍然需要儲存和調度龐大的權重數據，並處理最高 100 萬 Token 的上下文。在大規模部署中，這類任務仍然依賴 GPU、AI 加速器、高頻寬記憶體、高速網路和伺服器集群。

更重要的是，模型成本降低後，用戶數量和使用頻率可能成長得更快。Kimi K3 上線後，用戶請求量迅速逼近現有運算集群的承載上限，月之暗面一度暫停部分新用戶訂閱，以優先保障現有用戶的算力資源。這表明，模型更便宜、更易使用後，新增需求可能很快消耗掉效率提升所節省的算力。

這正是「傑文斯悖論」的核心：一種資源的使用效率提高後，單位成本隨之下降，但由於應用範圍擴大，其總消耗量反而可能增加。

在 AI 產業中，模型效率提升可以降低企業部署智慧客服、程式碼助手、辦公智慧體、金融分析和醫療輔助系統的門檻。當更多應用持續運作，每天產生的推論請求將大幅增加，最終推動算力、記憶體和資料中心基礎設施需求繼續成長。

低成本模型不代表算力投資沒有風險

傑文斯悖論為 AI 晶片需求提供了樂觀的解釋，但這並非必然的結果。如果模型效率提升的速度長期快於用戶與應用的增長，單位任務所需的算力下降，仍可能壓縮部分硬體需求。

AI 基礎設施投資最終仍須接受商業回報的檢驗。若企業投入大量資金建置資料中心，卻無法透過訂閱、廣告、雲端服務或企業軟體獲得足夠收入，資本支出增速可能會放緩。不同晶片公司的受惠程度也將出現分化，並非所有 AI 概念股都能同步成長。

Kimi K3 還可能加劇模型市場的價格競爭。當開源或開放權重模型不斷逼近閉源模型的能力時，AI 企業的 API 利潤率恐將承壓。模型廠商為了降低成本，將更加重視客製化晶片、量化技術、推論優化和多供應商策略，這可能會削弱通用 GPU 廠商在部分市場的議價能力。

因此，低成本模型對 AI 晶片產業的影響並非單向利多。它一方面擴大了 AI 應用市場，另一方面也迫使基礎設施企業提高能源效率並降低單位運算成本。