花旗、美銀表示 Kimi K3 將推動記憶體晶片需求

(綜合報導) 近期中國AI模型Kimi K3發布引發全球半導體股震盪，但多家外資機構認為，市場對其「壓低硬體需求」的解讀恐過於短視，反而低估了AI長期對記憶體產業的結構性利多。

Kimi K3掀市場震盪 半導體股承壓

中國AI公司月之暗面（Moonshot AI）於7月16日推出Kimi K3大型語言模型後，因其在性能與成本上的突破，引發市場對AI算力需求轉弱的疑慮，拖累全球半導體類股同步走低。

費城半導體指數自6月底高點回落逾20%，正式步入技術性熊市區間。亞洲市場亦未能倖免，台股加權指數單日重挫逾6%，日股亦收跌約4%。記憶體大廠三星電子與SK海力士股價同步走弱，反映投資人對AI基礎建設需求放緩的擔憂。

市場普遍解讀，Kimi K3以更低成本達到接近頂級模型的性能，可能意味著未來AI發展對高階晶片與記憶體的依賴程度下降。

券商反駁：效率提升反而推升總需求

不過，多家華爾街機構對此觀點提出反駁。花旗（Citi）半導體分析師Peter Lee於7月17日報告指出，Kimi K3的技術進展反而印證「傑文斯悖論」（Jevons Paradox），即當技術降低使用成本時，整體需求往往不減反增。他指出：「Kimi K3在推理效率上提升約2.5倍，但其長上下文（long-context）能力與代理式（agent-based）任務設計，顯著增加KV Cache的使用量，進一步推升對伺服器DDR5與企業級SSD的需求。」Lee強調，當單位token成本下降後，企業與開發者將更頻繁地調用模型，導致整體運算與記憶體需求呈現加速成長，而非收縮。

長上下文與代理應用 成為記憶體新推手

技術層面來看，Kimi K3支援最高達100萬token的上下文窗口，遠高於多數現行模型。此類長上下文應用在多輪推理、文件分析與AI代理工作流程中，需大量即時記憶體來維持資料狀態。

同時，Kimi K3採用Mixture-of-Experts（MoE）架構，每次僅啟用896個專家中的16個，雖提升運算效率，但實際部署仍需超過64顆GPU的多節點集群支撐。市場預期其即將開源的完整權重，將進一步提高高頻寬記憶體（HBM）的配置需求。

美銀證券（Bank of America Securities）分析師Vivek Arya亦指出：「中國開源模型的進展，不太可能讓美國AI領導者縮減投資，反而會提高競爭門檻，迫使OpenAI、Anthropic與Google持續擴大訓練與推理規模。」

AI競賽升溫 記憶體需求具結構性支撐

分析師普遍認為，隨著AI模型性能差距縮小，領先業者為維持優勢，將投入更多算力資源，形成「效率提升—需求擴張」的正向循環。美銀指出：「成本下降將轉化為更高的使用量，包括token生成、API調用與代理任務鏈，最終仍回流為對GPU、HBM與儲存裝置的更大需求。」供應端方面，三星電子與SK海力士已積極擴產HBM產能，並規劃延伸至2027年之後，以因應AI資料中心的長期需求成長。

市場短期波動 vs 長期趨勢

整體而言，Kimi K3引發的市場震盪，更多反映投資人對「效率提升是否壓抑需求」的短期疑慮，但從技術與產業演進來看，AI應用的深化與普及，仍將持續推升記憶體產業的結構性需求。正如花旗報告所言：「市場將效率提升誤解為需求減少，但歷史經驗顯示，當成本下降，真正發生的是需求爆發。」