Kimi K3 引爆全球 AI 重定價：記憶體晶片接棒，模型層定價權正在鬆動

重點摘要

• 月之暗面 7 月 18 日發布 Kimi K3，IG 市場分析師 Tony Sycamore 估算 OpenAI 和 Anthropic 合計預期估值蒸發約 3,140 億美元
• K3 擁有 2.8 兆參數，低精度壓縮後仍佔用約 1.4 TB 記憶體，推理部署對記憶體晶片的需求並未隨成本下降消失
• 智譜港股兩個交易日跌近 40%；月之暗面宣布 7 月 27 日公開 K3 模型權重，企業可自架繞開其雲端 API，模型層定價空間再壓縮

月之暗面 7 月 18 日發布 Kimi K3，宣稱推理性能可對標 OpenAI 和 Anthropic 的旗艦產品，成本卻只有後者一小部分。週末討論沸騰後，7 月 21 日亞洲市場開盤即出現分化：中芯國際 A 股盤中漲超 5%，曾被視為中國最具競爭力的開源模型開發商之一的智譜港股，卻在前兩個交易日累計下挫近 40%。IG 市場分析師 Tony Sycamore 估算，這波衝擊讓 OpenAI 和 Anthropic 合計預期估值蒸發約 3,140 億美元。同一套 AI 熱潮，已不再讓所有人坐在同一條船上。

Kimi K3 的發布將 AI 競爭焦點從訓練算力轉移至推理成本，在重塑模型層定價權的同時，也因模型體積的物理限制，使記憶體晶片成為這輪重定價潮中更具防禦性的硬體核心。

K3 和 DeepSeek 攻的不是同一個點，對晶片市場的衝擊路徑也不同

去年 DeepSeek 的衝擊在訓練效率：用更少算力跑出頂尖訓練水準，直接撼動「高階 GPU 堆越多越好」這個前提。K3 打的是推理成本：性能對標旗艦，但每次推理費用比美國廠商低出一截。這兩條路對晶片的傷害方式並不相同。訓練效率突破動搖算力需求的規模假設；推理成本壓縮，理論上反而會讓更多應用得以部署，總需求未必萎縮。只是「稀缺性溢價」確實更難撐了。

Siebert Financial 首席投資官 Mark Malek 指出，每當全球任何一間實驗室推出免費的前沿模型，東京和台北的投資者就會重新把「AI 資本支出能不能回收」的疑慮計入股價。這個疑慮不是第一次浮出，但 K3 把它從訓練端移到推理端，讓市場開始思考：高階算力的需求，究竟靠什麼撐著？

記憶體晶片和中國半導體，為何在這輪反而站穩

這波分化背後，關鍵在於一條物理限制：推理成本下降，不等於記憶體需求跟著消失。K3 的稀疏比（sparsity ratio，衡量每次推理實際激活參數占總量比例的指標）已達歷史新高，激活比例低、單次算力消耗跟著壓低。但 K3 的 2.8 兆參數全部要常駐記憶體，壓縮成低精度格式後仍佔用約 1.4 TB，部署時需要配備大容量記憶體的 AI 處理器叢集（例如 Nvidia Blackwell GB300 系統），SK Hynix 和三星電子這類記憶體晶片廠商的出貨對象並未因此改變。

Sumitomo Mitsui DS Asset Management 資深投資組合經理 Stanley Tang 說得直接：供應商數量有限，記憶體晶片廠商在半導體板塊仍處有利位置。他進一步推測，若 K3 這類模型加速普及、帶動 AI agent 滲透率提升，整體記憶體需求不會下滑，反而可能繼續成長。

阿里巴巴同週末發布 Qwen3.8 Max 預覽版，參數量 2.4 兆，同樣定位對標全球前沿。兩款超大模型接連現身，加上中國 AI 開發商持續把模型優化轉向國產晶片，創業板綜 7 月 21 日盤中一度漲 3.6%。Allspring Global Investments 投資組合經理 Gary Tan 認為，政府支持開源 AI 的力道，理論上將加速國內模型部署、推高底層硬體需求，網路設備和記憶體晶片都在這條鏈上受益。

模型開發商承壓，但美國科技股那條線有分歧

模型層受到的打擊最直接。智譜兩天跌掉近 40%，反映出市場擔心「模型這層越來越難賺到差價」。MiniMax 也傳出計畫推出 M3 升級版；月之暗面本身宣布 7 月 27 日公開 K3 模型權重，企業屆時可直接自架、繞開其雲端 API，推理端的訂價空間再壓一圈。Sumitomo 的 Stanley Tang 說，更好的模型還會持續出現，有些現有模型可能變得毫無價值，但市場現在還沒把這個風險充分計入。

美國大型科技公司那條線，市場內部有明確分歧。Morningstar 分析師 Malik Ahmed Khan 認為，把 Alphabet、亞馬遜、微軟遭拋售歸因於「市場擔心企業轉向 K3 式開放權重模型」站不住腳，他的判斷是：美國企業、政府機構以及與美國政府合作的公司，不會為了降低推理成本而採用其他國家的開放權重模型。Bloomberg 的觀察方向相反，認為這波趨勢可能持續壓低美國模型廠商的定價能力。兩個判斷各有道理，裁決點落在一個還沒答案的問題：美國企業客戶對本國供應商的偏好，到底有多深、多持久，還是終究會被成本差距磨穿？

對 AI 軟體層和 agent 開發商而言，K3 帶來的是更低的部署基礎成本。Saxo Markets 首席投資策略師 Charu Chanana 指出，性能對標旗艦、成本又更低的開源模型，可望降低應用開發成本，加快在程式開發、客服、工業流程等場景的落地。這個面向是真實的，但競爭者的進入門檻也同步降低，軟體層的差異化壓力並不會因此消失，只是換了個形態。

這輪重定價釋放的訊號，不在於哪個模型更強，而是「前沿性能」正在快速失去稀缺性。記憶體晶片廠商和基礎設施廠商這次接棒，原因是物理限制還在：把 1.4 TB 的模型塞進記憶體才能跑推理。模型層和高階算力稀缺性溢價承壓，則是因為競爭邊界已不再由晶片出口管制獨自定義。7 月 27 日 K3 權重公開後，這個壓力測試才要進入下一輪。