Kimi K3來了,這會成為美股的「DeepSeek 2.0」時刻嗎?
- 核心觀點:月之暗面發布的開源大模型Kimi K3,憑藉2.8萬億參數、頂級代碼能力和低成本,引發市場對AI晶片需求的恐慌,復刻了此前DeepSeek引發的「泡沫擔憂」,但亦有觀點認為該模型龐大的規模反而會加劇而非削弱對高端硬體的需求。
- 關鍵要素:
- Kimi K3擁有2.8萬億參數,登頂CodeArena代碼評測榜,推理成本僅為0.94美元,低於Claude Opus,與GPT-5.6持平,被摩根大通稱為「DeepSeek 2.0時刻」。
- 對DeepSeek的記憶:2025年DeepSeek以低成本達成接近GPT-4性能,引發市場恐慌,導致輝達股價暴跌近40%,比特幣從11萬美元跌至7.5萬美元。
- 看空邏輯:Kimi K3再次證明中國AI公司低成本高效率路徑,可能動搖「AI晶片供不應求」敘事,轉向「夠用就好」。
- 看多邏輯(SemiAnalysis觀點):K3模型龐大(權重超1.5TB HBM),單張GPU無法承載;推理部署需至少64顆高端晶片集群,實際上定義了下一代高端硬體的使用場景。
- 核心矛盾:高效模型降低單次推理成本,可能推動AI應用爆發,進而引致算力總需求指數級增長,而非下降。
上週五,美股儲存晶片板塊再度集體走低。
表面上看,這不過是過去兩週晶片股持續回調的延續。但深層來看,一個來自中國的新變數正在攪動整個市場,那就是月之暗面(Moonshot AI)於 7 月 17 日發表的 Kimi K3。
這款擁有 2.8 兆參數的開源大模型,登頂了全球程式碼評測榜 CodeArena,直接超越了 Anthropic 的 Claude Fable 5。更令市場坐不住的是它的成本:單次任務推理費用僅為 0.94 美元,不到 Claude Opus 4.8 的一半,基本與 OpenAI 的 GPT-5.6 Sol 持平。
規模更大、程式碼能力更強、推理成本還更便宜——這組合聽起來耳熟嗎?
對此,摩根大通直接給它貼了一個標籤:「DeepSeek 2.0 時刻」。
一、DeepSeek 1.0 的創傷記憶:晶片股和比特幣都血流成河
要理解為什麼「DeepSeek 2.0」這五個字能讓華爾街徹夜難眠,得先回顧 2025 年三四月發生了什麼。
去年,DeepSeek 用極低的訓練成本達到了接近 GPT-4 水準的效能。消息傳出後,市場瞬間陷入對 AI 晶片高估值的集體恐慌:
- 輝達股價從約$135 的高點一路暴跌至$85 附近,跌幅近 40%。
- 比特幣從接近$11 萬美元的歷史高點跌至$7.5 萬美元附近。
邏輯鏈條很簡單:如果中國公司能用更少的晶片、更低的成本訓練出頂級模型,那美國的雲端廠商和科技巨頭是否還需要繼續瘋狂採購 GPU 和 HBM?AI 基礎設施的軍備競賽,是不是從一開始就是一場被過度定價的泡沫?
當時的市場給出了明確的答案——暴跌。
如今,Kimi K3 帶著「全球最大開源模型 + 更低推理成本」的標籤橫空出世,參數規模甚至比 DeepSeek 當時還要誇張得多。恐懼心理一旦被激活,晶片板塊的賣壓便迅速蔓延。
二、SemiAnalysis 的反向解讀:K3 不是在消滅 GPU 需求,而是在放大
但故事還有另一面。
半導體研究機構 SemiAnalysis 近日給出了一套截然相反的推演框架。他們的核心論點是:K3 龐大的參數規模和推理架構,不僅不會削弱高階 AI 硬體的需求,反而可能成為輝達及其供應鏈的又一個長期需求引擎。
拆解來看,SemiAnalysis 的判斷基於以下幾個關鍵事實:
第一,模型「太大」了,反而更需要硬體。
K3 的參數規模超過 2.8 兆,僅模型權重就需要佔用超過 1.5TB 的 HBM(高頻寬記憶體)空間。目前單張輝達頂級 GPU 的 HBM 容量遠不足以裝載整個模型。即便在相對有限的使用者並發場景下,KV 快取仍然需要大量卸載至 CPU DDR5 記憶體及 NVMe 儲存設備中——HBM 空間不但不會富餘,反而捉襟見肘。
第二,推理部署對硬體規模提出了極高要求。
月之暗面此前透露,K3 要實現高效的推理部署,需要至少 64 顆高階晶片組成的大規模擴展域架構。這種級別的叢集規模,與輝達 GB200/GB300 NVL72 等機架級 AI 系統的設計理念高度吻合。換句話說,K3 不是在「替代」高階硬體,而是在「定義」下一代高階硬體的使用場景。
第三,對「線性注意力削弱 GPU 需求」的誤讀。
市場此前有一種流行觀點:更高效的注意力機制(如線性注意力)意味著更少的計算量,進而意味著對 GPU 的需求下降。SemiAnalysis 認為這個邏輯存在根本性偏差。真正的影響可能恰恰相反——更高效的模型架構降低了單次推理成本,使得 AI 應用的落地門檻大幅降低,從而推動更多企業、更多場景、更大規模的 AI 部署需求。
從宏觀層面看:模型效率提升 → 單位成本下降 → AI 應用爆發 → 算力總需求不降反升。這是半導體行業歷史上反覆上演的劇本——每一次「效率革命」最終都帶來了更大規模的硬體投資浪潮。
三、市場在交易什麼?恐懼 vs. 理性的拔河
當前的市場正處於一個極度撕裂的狀態。
看空方的邏輯很直覺:Kimi K3 又一次證明了中國 AI 公司在低成本、高效率路徑上的突破能力。如果這種趨勢持續,AI 廠商們遲早會重新審視他們的資本支出(capex)計畫。AI 晶片的「供不應求」敘事,可能正在被「夠用就好」的敘事替代。
看多方的反駁同樣有力:K3 不是 DeepSeek 的縮小版,而是放大版——它太大了,大到沒有高階硬體叢集根本無法運轉。SemiAnalysis 的研究表明,HBM 不僅沒有過剩,反而可能更加緊缺。而且如果 AI 應用因為成本下降而大規模普及,算力總需求將呈現指數級增長。
雙方都有道理。而這恰恰是市場最痛苦的時刻——當兩種完全相反的邏輯都能找到紮實的數據支撐時,價格就不是在定價基本面,而是在定價情緒。
四、面對割裂的市場,你不必押注單一方向
在這種高度不確定的環境中,最難的不是判斷方向,而是控制暴露在錯誤方向上的代價。
看漲的人說晶片股的回調是「錯殺」,看跌的人說 AI 晶片的超級週期已經見頂。兩種觀點都有數據支撐,也都有知名機構背書。對於普通投資者來說,與其在這種資訊迷霧中賭一個方向,不如換一種思路——確保自己無論朝哪個方向發展,都不會被徹底擊倒。
BIT 平台的期權功能恰好為這種「不確定性交易」提供了幾種核心工具:
① 持有晶片正股 + 買入賣權(Protective Put)
如果你重倉了輝達、美光或 SK 海力士,但又擔心 K3 事件引發進一步回調,可以買入對應股票的賣權。股價如果繼續跌,期權的獲利可以覆蓋正股的虧損;如果反彈,你放棄履約,最大虧損僅为期權的權利金。
② 單方向買入買權(Long Call)
如果你認同 SemiAnalysis 的「錯殺」邏輯,認為晶片股在情緒性拋售後會回歸基本面,可以直接買入買權。用遠低於正股的資金押注反彈方向,最大虧損鎖定在權利金。
③ 單方向買入賣權(Long Put)
如果你認為「DeepSeek 2.0」的劇情會完整重演,晶片股還有進一步下跌空間,可以買入賣權直接做空。不需要融券、不需要保證金追繳,最大虧損就是權利金。
④ 雙方向同時買入(Long Straddle)
如果你確信晶片股會動,但不確定是漲是跌,可以同時買入買權和賣權。只要股價的波動幅度足夠大,任何一個方向的獲利都可能覆蓋兩個期權的成本。
五、寫在最後
Kimi K3 的發表,把 AI 晶片投資推到了一個關鍵的十字路口。它是「DeepSeek 2.0」的開端,還是「需求被重新定義」的前奏?這個問題的答案,可能需要時間才能完全顯現。
但在答案揭曉之前,投資者能做的最有價值的事情,不是去猜最終誰對,而是為自己的判斷失誤準備好退路。
BIT 期權功能本週上線,覆蓋輝達、美光、SK 海力士等核心晶片標的。無論你看多還是看空,都有對應的工具來表達你的觀點——同時把最壞情況下的虧損,鎖在一個你可以承受的範圍內。
在方向不明的市場裡,擁有選擇權的人,才擁有主動權。
風險提示:本文所涉及的行情、估值測算及產品說明僅供參考,不構成投資建議。美股及其衍生品交易存在市場波動、槓桿及流動性風險;融券賣空可能面臨無限虧損風險;期權交易存在權利金全部損失的可能;歷史表現不代表未來收益。請投資者根據自身風險承受能力審慎決策,必要時諮詢專業投資顧問。


