中国推出低成本人工智能 (AI) 模型，再度引发市场对企业投入庞大内存与算力成本的辩论，对此部分分析师认为，这对因 AI 硬件需求强劲而股价大涨的辉达 (NVDA-US)、美光 (MU-US) 等美国半导体龙头未必不利，随着人工智能 (AI) 使用成本下降，相关芯片商反而可能成为受惠者。 中国 AI 新创月之暗面 (Moonshot AI) 上周四推出开放权重模型 Kimi K3，在部分基准测试中已可与美国顶尖模型竞争。 由于 Kimi K3 拥有 2.8 兆个参数 (parameter)，等到月之暗面本月底公开模型权重后，将成为全球最大的开源模型。

根据 Arena Frontend Code 排行榜，Kimi K3 在代码能力上超越 Anthropic 的 Fable 5 及 OpenAI 的 GPT-5.6 Sol，后两者均属封闭式模型。 中国 AI 实验室在资金远不及美国同业、且受限于美国对辉达高端 AI 芯片出口管制的情况下，仍开发出接近世界顶尖能力的模型，令市场震惊。 Kimi K3 发布也加速美国芯片股卖压，费城半导体指数上周五正式步入熊市。 然而，Kimi K3 需求暴增，也显示中国 AI 模型与西方模型同样高度依赖算力 (compute)。

月之暗面周末在社群平台 X 表示，Kimi K3 需求远超预期，运算资源已达极限，因此暂停接受新用户注册，优先保障现有会员的算力资源。 BluBird Capital 管理合伙人 Anni Sen 表示，这反而是「内存产业的一大利多」。 根据开源平台 Hugging Face 数据，Kimi K3 虽然拥有 2.8 兆个参数，但同时激活的仅约 500 亿个。 参数是 AI 模型训练过程中用来学习与辨识模式的变量，可视为模型的「记忆」。 Sen 指出，虽然这种设计可以提升运算效率，但企业若要自行部署 Kimi K3，仍须将 2.8 兆个参数全部存放于内存中，因此对高性能内存的需求仍相当庞大。

目前 Kimi K3 每百万 Token 输出收费 15 美元，低于 OpenAI GPT-5.6 Sol 的 30 美元及 Anthropic Claude Fable 5 的 50 美元。 Sen 认为，这正符合经济学中的「杰文斯悖论」(Jevons Paradox)：使用效率提高、成本降低，反而可能带动整体需求增加。 她表示，Kimi 将催生更多 AI 应用需求，促使开发者利用低成本优势推出更多 AI 服务，进而让 AI 推论需求同步攀升。 企业未来也可能将大量中阶 AI 工作转移至成本较低的模型，而仅将步骤多且复杂的 AI 代理任务交由最先进模型运行。

AI 研究员、Interconnects AI 博客创办人 Nathan Lambert 表示，开放权重模型正使 AI 加速渗透整体经济，因为取得一定程度 AI 能力的成本已显著下降。 他也指出，开放模型提供更多客制化空间，因此对企业而言更具实用价值。 Wedbush 分析师 Matt Bryson 表示，随着 AI 模型规模持续扩大，支撑更多参数所需的内存需求也将同步增加。 未来可能出现两种情况，一是每颗 AI 芯片配置更多内存，二是 AI 运算集群规模持续扩大，以容纳更多模型权重。 因此 Bryson 表示，若中国 AI 模型持续普及，「对内存供应商反而是利多」，若运算集群规模持续扩张，也将带动高速网络设备供应商需求。

目前全球高带宽内存 (HBM) 主要由美光 (Micron)、SK 海力士 (SK Hynix) 及三星电子供应。 在 HBM 供应持续吃紧的情况下，三家公司得以维持强劲的定价能力。 D.A. Davidson 运行董事 Gil Luria 表示，当 AI 模型运行成本下降，整体 AI 需求可能持续增加，芯片需求也会同步成长，尤其是供应仍相当紧俏的内存芯片。 PurePlay ETFs 首席执行官 Joseph DeYonker 也认为，AI 模型愈便宜、愈容易取得，反而会迅速测试基础建设极限，Kimi K3 就是最佳例证，这证明芯片产业长期成长趋势依然稳固。

DeYonker 说，运行高级前沿 AI 模型与超长上下文窗口 (context window)，将对内存及先进封装供应链带来庞大压力，因此 HBM 供应商及先进封装厂可望持续维持强劲定价能力。 另一方面，他也预期，辉达及博通 (Broadcom)(AVGO-US) 等 GPU 与客制化 AI 芯片设计公司，仍将因企业及大型云端服务商 (hyperscaler) 持续抢购 AI 硬件，而维持强劲订单。 DeYonker 认为，Kimi K3 因算力不足而暂停新用户注册，「并非半导体景气循环转弱的警讯，而是半导体产业结构性需求依旧强劲的证明。 」他表示，内存与算力瓶颈仍未解除，代表芯片产业长期获利成长动能依然存在。

Futurum 首席市场策略师 Shay Boloor 则指出，Kimi K3 早已完成模型训练，目前真正面临的挑战已不是训练，而是如何大规模提供服务。 他表示，这意味着 AI 推论需求如今已成为限制 AI 产业发展的主要瓶颈。