Kimi加剧华尔街抛售 AI硬件崩了 又一个“DeepSeek时刻”？

作者：周艾琳，腾讯财经

中国大模型Kimi K3近期发布，本就脆弱的AI行情再遭重创，硬件股暴跌。

K3的发布被摩根大通等华尔街机构称为“DeepSeek2.0时刻”，当年DeepSeek一天就让英伟达股价跌了17%。此次K3模型卡宣称性能接近Claude Fable5和GPT-5.6，而早期公开基准测试结果显示，在特定任务（如前端代码生成）上已超越两者之一或全部，关键是比Claude便宜40%，比Fable便宜70%。

过去两年，美股科技巨头的炒作逻辑是“无脑囤积GPU、疯狂砸钱扩建数据中心”。但K3凭借极致的架构优化，直接以2.8万亿参数规模亮相，并且将推理成本压缩至海外闭源模型的1/3。华尔街突然意识到：智能成本下降的速度远超预期。如果低价高质的开源模型批量涌现，海外科技巨头此前砸下数千亿美元购买算力的合理性将失去支撑，英伟达、AMD、存储芯片巨头巨幅回调。

中国开源模型虽好，但短期海外亦有过度炒作恐慌的倾向。多位华尔街人士和科技从业者对腾讯财经表示，在商业模式最明确的Coding（编程）领域，并不认为Kimi已经对Claude或Codex构成威胁；即使API单价低，并不等于完成一项任务的总成本一定——K3完成同套评测共生成的Token是同类模型均值的两倍，K3的输出速度亦更慢；此外，参考当年DeepSeek冲击，中美模型竞争导致头部厂商的训练次数增加，总训练算力反而增长。目前K3本身拥有2.8万亿总参数，也说明行业并未放弃扩大模型容量，因而AI硬件抛售潮更多由情绪主导。

Kimi加剧AI抛售

K3发布后，费城半导体指数单周重挫10%，从6月高点回撤逾20%，英伟达盘中一度跌超4%，苹果市值短暂反超重夺全球第一。众多中国AI硬件公司仰仗美国大厂资本开支，近阶段更是部分腰斩，光模块、PCB、光纤等成为重灾区。

在面临用户流失的压力时，各大美国模型突然开始频繁重置免费用户的限制：Anthropic抹去了Claude用户的免费额度上限；OpenAI也在同一天重置了Codex的使用限制；Grok甚至在短短一周内重置了两次限制。这种罕见的“慷慨”本质上是一种恐慌性算力赠送（panic compute），目的是通过提升免费体验来强行留住被廉价开源模型吸引走的开发者和用户。

据腾讯财经了解，伯恩斯坦表示这是“全垒打级别的发布”。K3的模型卡宣称性能接近Claude Fable5和GPT-5.6。“网络反馈与我们自己的初步使用体验均印证了其出色的推理能力与内容生成能力。与我们长期以来与Kimi的多次交流相吻合，K3在输出内容的美学层面展现出清晰的侧重。”

在伯恩斯坦看来，继DeepSeekV3和今年早些时候的智谱GLM-5.2之后，K3再次让中国顶级AI实验室跟上美国前沿水平的能力令全球投资者感到意外。K3的API定价为每百万输入/输出Token 3美元/15美元（缓存命中享九折优惠），比Opus4.8便宜40%，比Fable便宜70%。

但在投资人看来，将这轮跌势完全归咎于K3并不客观。K3更多是在周后半段放大了投资者对AI投资回报的既有焦虑，前期累积的高估值、地缘紧张与资金风格切换，才是更深层的压力来源。

两周前，Meta卖算力的消息就已经引发市场恐慌。但事实上，全球AI超级周期仍处于非常早期的发展阶段，AI资本开支将持续超出市场预期。

摩根士丹利中国首席股票策略师王滢也对腾讯财经表示，预计2026年全球前五大云服务商——亚马逊、谷歌、Meta、微软和甲骨文——资本开支总额将超过8000亿美元，2027年有望进一步增至1万亿至1.2万亿美元。若将范围扩大至全球前14大云服务商，其资本开支年化增速已超过90%。

“杰文斯悖论”仍然适用

之所以机构认为AI资本开支不会停止增长，原因在于“杰文斯悖论”（Jevons Paradox）依然适用——这是一种经济现象，指随着技术进步提高资源利用效率，资源消耗量反而增加，而非减少。这一悖论在“DeepSeek时刻”之际就被广为讨论。

某AI产业链专家对腾讯财经表示，K3改变的首先是AI利润池在模型厂商与客户之间的再分配，而非整个行业消耗多少芯片。换言之，最先受冲击的是美国的前沿大模型公司的溢价。

其对云厂商的影响则双向交织。例如，微软Azure、亚马逊AWS、谷歌云销售闭源模型API的定价空间受到挤压，但这枚硬币有另一面——开放权重让企业更容易在不同云平台之间迁移，模型层利润率下降的同时，底层算力和托管服务的需求反而可能扩大。

更关键的是，开放权重并不意味着算力需求消失。有海外科技博主提出，不同于闭源模型，开源模型可以本地化部署，让企业拥有了完全的控制权，业务稳定性不再受制于人。但关键是，K3并没有降低本地部署的门槛。

也有科技投资人分析称，硬件采购成本极高，像2.8万亿参数这样的超大模型，光是将模型装进去就至少需要10张GB300级别的顶级显卡。可见，企业在本地化部署时，虽然省去了调用API的钱，但必须砸入重金去堆叠本地的显存容量、内存带宽以及多卡互连网络。

部分投资人还认为，当前的训练算力逻辑被市场误判——K3证明稀疏架构与训练方法改进可以提升算力效率，由此触发市场对英伟达、博通、台积电的恐慌性抛售。但这一推导的漏洞在于，训练算力的总需求，取决于单次训练成本与训练频次的乘积。即便K3使单次训练成本下降40%，中美模型竞争若推动头部厂商训练次数翻倍，总训练算力需求反而增长20%。

“最便宜”标签并不一定成立

事实上，便宜一直是开源模型的标签，但性价比的问题并没那么简单。

硅谷知名风投TSVC合伙人王黎晟此前就对腾讯财经表示，低成本仅适配低价值、低容错场景，但在金融、医疗、企业核心业务等高价值场景中，稳定性、准确性、可靠性远比价格重要。海外企业用户最看重服务的稳定性、记忆机制、响应速度与可预期性。

就K3而言，API单价低也并不等于完成任务的总成本低。第三方测试机构Artificial Analysis的数据揭示了一个关键细节：K3完成同套评测共生成约1.3亿个输出Token，是同类模型均值的两倍；完整评测的API成本高达约2700美元。其输出速度约62 Token/秒，也低于同类模型约73 Token/秒的中位水平。

独立研究机构AceCamp认为，这意味着，若一项任务需要消耗更多推理Token，价目表上的价格优势将被部分甚至全部抵消。

上述AI产业链专家也对腾讯财经表示，虽然K3已经证明了"单位Token价格下的能力竞争力"，但"单位成功任务成本最低"这一命题尚待验证。权重开放后的实际吞吐量、显存需求、并发能力、量化损失与真实任务成功率，才是下一阶段更具决定性的数据。

不过，“便宜”仍只是针对美国模型来说的，K3 API的定价在中国国内并不便宜，而且在主要大模型中居首，输出价格为每百万Token 100元，远高于DeepSeekV4-Pro（6元）和MiniMaxM3（12.6元），显著向美国领先模型靠拢。摩根士丹利指出，高定价对整个中国大模型市场定价体系形成正向引导。

未来，各大模型之间的争夺仍将异常激烈，这也意味着AI资本开支难以下降。K3的发布表明AI"规模定律"（Scaling Law）在当前阶段仍然成立，参数规模持续扩大依然能带来性能的有效提升。

当下，伯恩斯坦重新排列了中国顶级AI实验室排名：Kimi凭借K3在预训练规模和多项基准测试上的全面领先，超越智谱，成为中国AI实验室的暂时领头羊；阿里巴巴Qwen排名第三；DeepSeek因过去六个月大量精力投入国产芯片硬件适配而相对滞后，排在第四。下一个值得关注的催化剂是智谱的下一代预训练模型，以及阿里巴巴Apsara云大会。

AI产业链如何布局？

在当下时点，投资人无疑也对投资组合进行了再审视。

根据上述一系列判断，硬件的需求仍然高企，AI资本开支也居高难下，但过去依靠“无脑堆算力、疯狂砸钱买GPU”的硬件炒作逻辑已经边际递减。高估值、高拥挤度的纯硬件及依附型板块短期面临抛压。

“我们仍然认为半导体设备没有显著泡沫，长期逻辑硬。美股、韩股科技股泡沫低，不构成类似2021年、2022年的科技股头部形态。”全球宏观基金经理袁玉玮对腾讯财经表示，在抛售过后，可逢低布局半导体、存储等龙头，部分“科技七巨头”也跌出了价值。

积极的方面在于，资金并未离开市场，而是在进行板块轮动（高低切换）。以美股为例，在AI硬件暴跌之际，美国金融、消费板块攀升，而且早前因AI冲击而暴跌的软件股也反而在涨。因此，在美股进行多元化布局也是关键。

就中国市场来看，光模块等热门板块受到AI情绪拖累。然而，摩根士丹利最新大幅上调对中际旭创盈利预测，认为AI光模块需求超预期爆发。中际旭创2026年一季度营收同比增长192%、环比增长47%，超出此前预测39%。

但多位投资人对腾讯财经表示，当前的难点在于，如果把光模块当周期股——光模块需求跟着数据中心资本开支走，周期顶部给10倍PE，当前股价可能只有20%安全边际，不算便宜；如果把它当成长股——2028年之前供给瓶颈不解除（硬件约束确实存在），那么市值空间显著向上，当前价格就是"便宜"。然而，目前市场情绪难以立即修复，未来海外科技巨头的资本开支指引将主导市场情绪。