Автор: Лун Юэ
Рынок паниковал по поводу Kimi K3, считая его "DeepSeek-моментом 2.0", но на этот раз оценка Уолл-стрит кардинально иная.
16 июля глубокой ночью компания Moon's Dark Side представила в Шанхае Kimi K3. Эта открытая модель с 2,8 триллионами параметров набрала 57 баллов по индексу Artificial Analysis, заняв третье-четвертое место в мире, наравне с Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI. Что еще важнее, на рейтинге программирования Frontend Code Arena, созданном Калифорнийским университетом в Беркли, K3 набрала 1679 баллов и возглавила список, обойдя Claude Fable 5 и GPT-5.6 Sol, став первой открытой моделью, превзошедшей все зарубежные проприетарные модели в авторитетном рейтинге программирования.
17 июля акции американского полупроводникового сектора заметно упали. Реакцию рынка легко понять: в начале 2025 года выпуск DeepSeek R1 вызвал резкое падение акций компаний, связанных с вычислительными мощностями. Логика была такова: Китайские модели становятся все сильнее, стоит ли американским ИИ-компаниям вкладывать так много денег в вычислительные мощности? Если китайские модели могут приблизиться к передовым возможностям с более низкими затратами, придется ли переоценивать спрос на решения NVIDIA, HBM, серверы и сетевое оборудование?
Однако, согласно сообщениям от Wind Chasing Trading Desk, последние исследовательские отчеты таких инвестиционных банков, как UBS, Nomura, BofA Merrill Lynch и Citi, утверждают, что Kimi K3 — не могильщик спроса на вычислительные мощности, а их ускоритель.
Kimi K3 и DeepSeek R1 оказывают разное воздействие. R1 больше заставил рынок увидеть "эффективность"; K3 больше подчеркивает "масштаб". 2,8 трлн параметров, контекстное окно в 1 млн токенов, постоянный вывод (inference), нативная мультимодальность, архитектура MoE — эти характеристики — не история о легких активах. Они вместе увеличат нагрузку на вывод, память, сети и хранение данных.
Насколько мощна Kimi K3?
Kimi K3 была представлена компанией Moon's Dark Side 16 июля 2026 года, полные веса модели планируется открыть 27 июля. Это открытая весовая большая языковая модель с 2,8 триллионами параметров, которую многие организации называют самой крупной на данный момент открытой весовой LLM.
Основная конфигурация включает три момента:
Во-первых, контекстное окно в 1 млн токенов. Модель может обрабатывать более длинные тексты, более обширные кодовые базы, более сложные корпоративные материалы и исследовательские задачи.
Во-вторых, постоянный вывод (always-on inference). Не просто вопросы-ответы, а направлено на длинные цепочки рассуждений и задачи для агентов.
В-третьих, нативные визуальные возможности. K3 обрабатывает не только текст, но также задачи, связанные с видео, изображениями, разработкой игр, фронтенд-дизайном, CAD и другими мультимодальными задачами.
В архитектуре K3 используется Kimi Delta Attention, Attention Residuals и Stable LatentMoE. В части MoE для каждого токена активируется 16 экспертов из 896. Компания Moon's Dark Side заявляет, что общая эффективность масштабирования (scaling efficiency) по сравнению с Kimi K2 повысилась примерно в 2,5 раза.
Это объясняет, почему K3 — не "более дешевый K2". Цены, собранные Nomura, показывают, что цена ввода K3 составляет 3 доллара за миллион токенов, ввод при попадании в кеш — 0,30 доллара, вывод — 15 долларов за миллион токенов; согласно методологии Artificial Analysis, стоимость K3 на одну задачу составляет около 0,94 доллара. Эта цена ниже, чем примерно 2,75 доллара у Claude Fable 5 и примерно 1,80 доллара у Claude Opus 4.8, близка к 1,04 доллара у GPT-5.6 Sol, но явно выше, чем 0,32—0,47 доллара у GLM-5.2, и значительно выше, чем 0,04 доллара у DeepSeek V4 Pro.
Таким образом, позиционирование K3 — не самое низкая цена, а приближение к возможностям передовых моделей по более низкой цене.
Четыре инвестиционных банка интенсивно определяют тон: это не ослабление спроса
Относительно опасений рынка по поводу шока "DeepSeek-момента" аналитик азиатско-тихоокеанской технологической команды Nomura Дуань Бин написал в отчете: "Мы считаем, что конкуренция и инновации на глобальном рынке больших моделей не остановятся. По мере нашего приближения к искусственному общему интеллекту (AGI), применение генеративного ИИ на стороне потребителей и предприятий будет продолжать расширяться. Передовые лаборатории ИИ и компании облачных платформ сверхбольшого масштаба, вероятно, будут продолжать инвестировать на этом этапе, чтобы сохранить конкурентные позиции — по мере продолжения закона масштаба, мы интерпретируем эту конкуренцию как благоприятную для цепочки создания стоимости ИИ-инфраструктуры."
Аналитик Citi по полупроводникам Питер Ли в отчете от 19 июля напрямую озаглавил его "Еще один парадокс Джевонса". Что означает парадокс Джевонса? Проще говоря: повышение эффективности паровых двигателей на угле привело к еще большему потреблению угля, потому что больше людей могли его использовать, и его применяли в большем количестве сценариев. С моделями ИИ то же самое: когда качественные модели становятся дешевле, разработчики и компании развертывают больше приложений, обрабатывают больше токенов, и в итоге потребление вычислительных мощностей, наоборот, растет.
Питер Ли считает, что даже если K3 будет широко использоваться, спрос на универсальную память, такую как DDR5 для серверов и eSSD, все равно увеличится. Причина в том, что эффективность вывода K3 сравнима с другими передовыми моделями, но использование кеша KV будет расширяться с ростом контекста, создавая не снижающееся, а растущее давление на память.
Аналитик BofA Securities по полупроводникам Вивек Арья в отчете от 17 июля выразился более прямо. Он считает, что ответ американских передовых ИИ-лабораторий — "не меньше вычислительных мощностей, а больше". Если китайские открытые модели будут продолжать приближаться, OpenAI, Anthropic и Google должны поддерживать дифференциацию посредством более масштабного обучения, более тяжелого вывода и более быстрых итераций. Арья также упомянул легко упускаемый из виду контекст: сообщения СМИ указывают, что Gemini 3.5 Pro от Google уже отстает от плана на несколько месяцев, производительность в программировании не достигла внутренних целей, и "защищать лидирующие позиции на переднем крае становится все труднее".
Аналитик UBS Тимуо Аркури и его команда указали в отчете от 20 июля, что параллели между K3 и DeepSeek R1 действительно существуют, но K3 больше касается масштаба — это крупнейшая в мире открытая модель с 2,8 триллионами параметров и контекстным окном в 1 миллион токенов. Аналитики подчеркивают, что открытые модели обычно потребляют больше памяти, чем закрытые передовые модели, потому что контекстные окна у них длиннее, и спрос на кеш KV, даже после квантизации, продолжает расти в абсолютном выражении, что делает развертывание открытых моделей более зависимым от HBM и систем хранения.
Хранение данных: наиболее непосредственно выигрывающий сектор. Расчеты UBS показывают, что совокупный свободный денежный поток (FCF) сектора памяти и систем хранения к 2028 году, по прогнозам, достигнет примерно 30% от рыночной капитализации — самый высокий показатель среди всех подсекторов, причем только у Micron (MU) он составляет 47%. И Citi, и Nomura сохраняют рейтинг "покупать" на акции Samsung Electronics, ссылаясь на крайне напряженное состояние предложения на глобальном рынке памяти. Аналитик Citi Питер Ли отмечает, что потребности K3 в памяти на стороне вывода не уступают другим передовым моделям, и рост объемов кеша KV напрямую подстегнет спрос на серверную память DDR5 и корпоративные твердотельные накопители (eSSD). Он особенно подчеркивает: для крупномасштабного развертывания Kimi K3 требуется конфигурация кластера "супернод" с более чем 64 GPU.
Инфраструктура для вычислений: TSMC и NVIDIA в первую очередь получат выгоду. Будь то продолжающий действовать закон масштаба на стороне обучения или рост спроса на токены на стороне вывода, в конечном итоге это указывает на больший спрос на передовые полупроводниковые чипы. Nomura подтверждает рейтинги "покупать" для TSMC, ASE, MediaTek и других. NVIDIA публично заявляла, что вывод современных моделей MoE (Mixture of Experts) на GB300 NVL72 обеспечивает улучшение производительности на ватт до 25 раз по сравнению с предыдущей архитектурой Hopper. Такие модели, как K3, естественным образом выигрывают от новейшего оборудования NVIDIA.
Сети: тренд на суперноды создает структурные возможности. Kimi K3 требует кластеров супернод. Китайские локальные вычислительные мощности, ограниченные экспортным контролем высокотехнологичных чипов, тем более нуждаются в архитектуре супернод, чтобы компенсировать разрыв в производительности на один чип. Это стимулирует спрос на поставщиков сетевого уровня, таких как оптические модули и оптические чипы. Nomura положительно оценивает InnoLight и Suzhou InnoLight.
Облачные платформы: выигрывают от эффекта агломерации экосистемы. Облачные платформы, размещающие множество передовых открытых моделей, обладают большей переговорной силой и не зависят от единственного поставщика закрытых моделей. Nomura положительно оценивает Alibaba (BABA) как ядро китайской экосистемы ИИ-облаков, а также операторов центров обработки данных, таких как GDS и 21Vianet (VNET).
Это, пожалуй, самый недооцененный момент данных во всей этой истории.
Согласно статистике шлюза открытых API OpenRouter, доля использования токенов китайскими ИИ-моделями в глобальном трафике разработчиков год назад составляла менее 2%, а сейчас превышает 45%. Данные BofA Merrill Lynch подтверждают ускорение общего проникновения ИИ: в настоящее время около 55% американских предприятий уже подписались на ИИ-модели, платформы или инструменты, уровень внедрения среди предприятий у Anthropic достиг 42%, у OpenAI — 40%. Ведущие потребители ИИ (верхние 1% корпоративных пользователей) тратят на ИИ уже 4833 доллара на одного сотрудника в месяц.
Рынок дифференцируется. С одной стороны, это китайские открытые модели, представленные DeepSeek и Kimi K3, охватывающие экономичный и средне-высокий ценовые сегменты; с другой стороны, топовые американские передовые модели фокусируются на более сложных рабочих нагрузках (таких как научные вычисления), сохраняя технологическую и ценовую премию. Оценка Nomura такова: ведущие игроки больших моделей как в Китае, так и в США выиграют — при условии, что они смогут оставаться на переднем крае технологической кривой.
После выхода K3 первая реакция рынка все еще заключалась в сравнении его с DeepSeek R1. Это сравнение полезно, но нельзя останавливаться на уровне: "неужели снова нужно рушить акции ИИ-железа?".
DeepSeek заставил рынок пересчитать эффективность обучения. K3 заставляет рынок увидеть другую вещь: открытые модели тоже могут вывести масштаб, длинный контекст, агентов и мультимодальность на передовой уровень.
Это заставит американские передовые лаборатории продолжать инвестировать, а также позволит китайским моделям продолжать расширяться в глобальной экосистеме разработчиков. Закрытые топовые модели сохранят технологическую и ценовую премию, открытые модели охватят больше ценовых сегментов и сценариев развертывания, облачные провайдеры обеспечат дистрибуцию моделей и внедрение на предприятиях, аппаратные цепочки будут нести нагрузку по обучению и выводу.
В краткосрочной перспективе на торгах будут колебания из-за "памяти о DeepSeek". В среднесрочной перспективе, пока объем использования токенов продолжает расти, длинный контекст и агенты продолжают распространяться, вычислительные мощности, HBM, системы хранения, сети и ЦОДы остаются неизбежными статьями затрат.
Это также причина, по которой несколько организаций после K3 пришли к схожему выводу: более сильные открытые модели — это не конец спроса на ИИ-инфраструктуру, а, скорее, вход в следующий раунд распространения спроса.
Тем не менее, BofA Merrill Lynch также четко оставила риски на хвостах распределения: "Если скорость прироста эффективности превысит рост рабочих нагрузок, мы можем увидеть определенный спад в строительстве инфраструктуры". Другими словами, если модели становятся все дешевле, но объем их использования не растет синхронно и значительно, логика роста спроса на вычислительные мощности пострадает.
