Tác giả: Long Dược
Thị trường coi Kimi K3 như "Khoảnh khắc DeepSeek 2.0" để hoảng loạn, nhưng lần này, đánh giá của Phố Wall hoàn toàn khác.
Đêm ngày 16 tháng 7, Moonshot AI ra mắt Kimi K3 tại Thượng Hải. Mô hình mã nguồn mở 2,8 nghìn tỷ tham số này đạt điểm 57 trên chỉ số thông minh Artificial Analysis, xếp hạng thứ ba đến thứ tư toàn cầu, ngang bằng với Claude Opus 4.8 của Anthropic và GPT-5.5 của OpenAI. Quan trọng hơn, trên bảng xếp hạng lập trình Frontend Code Arena do UC Berkeley tạo ra, K3 đứng đầu với 1679 điểm, vượt qua Claude Fable 5 và GPT-5.6 Sol, trở thành mô hình mã nguồn mở đầu tiên vượt qua tất cả các mô hình nguồn đóng nước ngoài trên một bảng xếp hạng lập trình uy tín.
Vào ngày 17 tháng 7, ngành bán dẫn trên thị trường chứng khoán Mỹ giảm mạnh. Phản xạ có điều kiện của thị trường không khó hiểu - đầu năm 2025, việc phát hành DeepSeek R1 đã kích hoạt một đợt giảm mạnh của cổ phiếu sức mạnh tính toán, logic là: Các mô hình Trung Quốc ngày càng mạnh, các công ty AI Mỹ có còn cần đầu tư nhiều tiền vào sức mạnh tính toán không? Nếu mô hình Trung Quốc có thể tiếp cận năng lực tiên tiến với chi phí thấp hơn, nhu cầu về NVIDIA, HBM, máy chủ, thiết bị mạng có bị đánh giá lại không?
Tuy nhiên, theo tin tức từ bàn giao dịch, các báo cáo nghiên cứu mới nhất từ các ngân hàng đầu tư như UBS, Nomura, Bank of America Merrill Lynch và Citigroup cho rằng: Kimi K3 không phải là kẻ hủy diệt nhu cầu sức mạnh tính toán, mà là chất xúc tác.
Kimi K3 và DeepSeek R1 không phải là một loại tác động. R1 chủ yếu để thị trường thấy "hiệu quả"; K3 nổi bật hơn về "quy mô". 2,8 nghìn tỷ tham số, ngữ cảnh 1M token, suy luận thường trực, đa phương thức gốc, kiến trúc MoE, những đặc điểm này không phải là câu chuyện tài sản nhẹ. Chúng sẽ cùng nhau đẩy cao áp lực lên suy luận, bộ nhớ, mạng lưới và lưu trữ.
Kimi K3 mạnh đến mức nào?
Kimi K3 được Moonshot AI phát hành vào ngày 16 tháng 7 năm 2026, trọng số mô hình hoàn chỉnh dự kiến mở vào ngày 27 tháng 7. Đây là mô hình lớn mã nguồn mở 2,8 nghìn tỷ tham số, được nhiều tổ chức gọi là mô hình LLM trọng số mã nguồn mở quy mô lớn nhất hiện nay.
Cấu hình cốt lõi bao gồm ba điểm:
Thứ nhất, cửa sổ ngữ cảnh 1M token. Mô hình có thể xử lý văn bản dài hơn, kho mã dài hơn, tài liệu doanh nghiệp và nhiệm vụ nghiên cứu phức tạp hơn.
Thứ hai, suy luận thường trực. Không chỉ là hỏi đáp đơn giản, mà hướng tới các nhiệm vụ suy luận chuỗi dài và Agent.
Thứ ba, khả năng thị giác gốc. K3 không chỉ xử lý văn bản, mà còn hướng tới video, hình ảnh, phát triển trò chơi, thiết kế giao diện người dùng, CAD và các nhiệm vụ đa phương thức khác.
Về kiến trúc, K3 sử dụng Kimi Delta Attention, Attention Residuals và Stable LatentMoE. Phần MoE kích hoạt 16 chuyên gia cho mỗi token trong 896 chuyên gia. Moonshot AI cho biết, so với Kimi K2, hiệu quả scaling tổng thể tăng khoảng 2,5 lần.
Điều này giải thích tại sao K3 không phải là "K2 rẻ hơn". Bảng giá do Nomura tổng hợp cho thấy, giá đầu vào của K3 là 3 USD cho mỗi triệu token, đầu vào khi bộ nhớ cache trúng là 0,30 USD, đầu ra là 15 USD cho mỗi triệu token; theo cách tính của Artificial Analysis, chi phí mỗi nhiệm vụ của K3 là khoảng 0,94 USD. Giá này thấp hơn Claude Fable 5 khoảng 2,75 USD và Claude Opus 4,8 khoảng 1,80 USD, gần với GPT-5.6 Sol là 1,04 USD, nhưng cao hơn rõ rệt so với GLM-5.2 là 0,32—0,47 USD, và cao hơn nhiều so với DeepSeek V4 Pro là 0,04 USD.
Vì vậy, định vị của K3 không phải là giá thấp nhất, mà là sử dụng giá thấp hơn để tiếp cận năng lực của các mô hình tiên tiến.
Bốn ngân hàng đầu tư đồng loạt nhận định: Đây không phải là sự suy yếu nhu cầu
Trước lo ngại về tác động "Khoảnh khắc DeepSeek" của thị trường, Đoàn Băng, nhà phân tích nhóm công nghệ Châu Á - Thái Bình Dương của Nomura Securities, viết trong báo cáo: "Chúng tôi cho rằng cạnh tranh và đổi mới trong thị trường mô hình lớn toàn cầu sẽ không dừng lại, khi chúng ta ngày càng tiến gần hơn đến trí tuệ nhân tạo phổ quát (AGI), ứng dụng AI tạo sinh ở cả phía người tiêu dùng và doanh nghiệp sẽ tiếp tục mở rộng. Các phòng thí nghiệm AI tiên tiến và các công ty nền tảng đám mây siêu lớn đều có thể tiếp tục đầu tư trong giai đoạn này để duy trì vị thế cạnh tranh - khi quy luật quy mô tiếp tục, chúng tôi diễn giải sự cạnh tranh này là tin tốt cho chuỗi giá trị cơ sở hạ tầng AI."
Peter Lee, nhà phân tích bán dẫn của Citigroup, trong báo cáo ngày 19 tháng 7, trực tiếp đặt tiêu đề là "Một nghịch lý Jevons khác". Nghịch lý Jevons có nghĩa là gì? Nói đơn giản: hiệu suất động cơ hơi nước bằng than tăng lên, nhưng lượng tiêu thụ than lại lớn hơn, vì nhiều người có thể sử dụng hơn, nhiều tình huống sử dụng hơn. Mô hình AI cũng vậy - khi mô hình chất lượng trở nên rẻ hơn, các nhà phát triển và doanh nghiệp sẽ triển khai nhiều ứng dụng hơn, xử lý nhiều token hơn, cuối cùng mức tiêu thụ sức mạnh tính toán lại tăng lên.
Peter Lee cho rằng, ngay cả khi K3 được sử dụng rộng rãi, nhu cầu về bộ nhớ phổ thông như DDR5 máy chủ và eSSD vẫn sẽ tăng. Lý do là hiệu quả suy luận của K3 tương đương với các mô hình tiên tiến khác, nhưng việc chiếm dụng bộ nhớ cache KV sẽ mở rộng khi ngữ cảnh tăng lên, áp lực lên bộ nhớ không giảm mà tăng.
Vivek Arya, nhà phân tích bán dẫn của Bank of America Securities, trong báo cáo ngày 17 tháng 7, diễn đạt trực tiếp hơn. Ông cho rằng, phản ứng của các phòng thí nghiệm AI tiên tiến Mỹ "không phải là ít sức mạnh tính toán hơn, mà là nhiều hơn". Nếu mô hình mã nguồn mở Trung Quốc tiếp tục tiếp cận, OpenAI, Anthropic và Google phải duy trì sự khác biệt thông qua đào tạo quy mô lớn hơn, suy luận nặng hơn và lặp lại nhanh hơn. Arya cũng đề cập đến một bối cảnh dễ bị bỏ qua: các phương tiện truyền thông đưa tin Gemini 3.5 Pro của Google đã bị trì hoãn vài tháng so với kế hoạch, hiệu suất lập trình không đạt mục tiêu nội bộ, vị trí dẫn đầu tiên tiến "đang trở nên khó bảo vệ hơn".
Nhóm nhà phân tích Timo Arcuri của UBS chỉ ra trong báo cáo ngày 20 tháng 7 rằng, điểm tương đồng giữa K3 và DeepSeek R1 thực sự tồn tại, nhưng K3 liên quan nhiều hơn đến quy mô - nó là mô hình mã nguồn mở lớn nhất thế giới, với 2,8 nghìn tỷ tham số và cửa sổ ngữ cảnh 1 triệu token. Các nhà phân tích nhấn mạnh, mô hình mã nguồn mở thường tiêu thụ bộ nhớ nhiều hơn so với mô hình tiên tiến nguồn đóng, vì cửa sổ ngữ cảnh dài hơn, nhu cầu bộ nhớ cache KV ngay cả sau khi lượng tử hóa vẫn tiếp tục tăng về mặt tuyệt đối, khiến việc triển khai mô hình mã nguồn mở phụ thuộc nhiều hơn vào HBM và lưu trữ.
Lưu trữ: Lĩnh vực hưởng lợi trực tiếp nhất. Tính toán của UBS cho thấy, dòng tiền tự do tích lũy (FCF) ước tính của lĩnh vực lưu trữ và bộ nhớ đến năm 2028 đạt khoảng 30% giá trị vốn hóa thị trường - cao nhất trong tất cả các phân ngành - chỉ riêng Micron (MU) đã lên tới 47%. Cả Citigroup và Nomura đều duy trì xếp hạng mua cho Samsung Electronics, lý do là thị trường bộ nhớ toàn cầu đang trong tình trạng cung cực kỳ căng thẳng. Nhà phân tích Peter Lee của Citigroup chỉ ra rằng, nhu cầu bộ nhớ phía suy luận của Kimi K3 không kém các mô hình tiên tiến khác, sự phình to của khối lượng bộ nhớ cache KV sẽ trực tiếp đẩy cao nhu cầu DDR5 máy chủ và ổ cứng thể rắn doanh nghiệp (eSSD). Ông đặc biệt chỉ ra: Việc triển khai quy mô lớn của Kimi K3 yêu cầu cấu hình cụm "siêu nút" với hơn 64 GPU.
Cơ sở hạ tầng sức mạnh tính toán: TSMC, NVIDIA là những bên hưởng lợi hàng đầu. Dù là quy luật quy mô phía đào tạo vẫn hiệu quả, hay nhu cầu token phía suy luận tăng trưởng, cuối cùng đều hướng đến nhu cầu chip tiến trình tiên tiến nhiều hơn. Nomura xác nhận lại xếp hạng mua cho TSMC, ASE, MediaTek, v.v. NVIDIA từng tuyên bố công khai, hiệu suất trên mỗi watt của mô hình MoE hiện đại (kiến trúc chuyên gia hỗn hợp) khi suy luận, trên GB300 NVL72, tăng tới 25 lần so với kiến trúc Hopper thế hệ trước. Mô hình như K3 tự nhiên là bên hưởng lợi từ phần cứng mới nhất của NVIDIA.
Mạng lưới: Xu hướng siêu nút tạo ra cơ hội cấu trúc. Kimi K3 yêu cầu cụm siêu nút, sức mạnh tính toán nội địa Trung Quốc bị hạn chế bởi kiểm soát xuất khẩu chip cao cấp, càng cần dựa vào kiến trúc siêu nút để bù đắp khoảng cách hiệu suất đơn card, điều này thúc đẩy nhu cầu của các nhà cung cấp tầng mạng như mô-đun quang, chip quang. Nomura lạc quan về InnoLight và Suzhou InnoLight.
Nền tảng đám mây: Hưởng lợi từ hiệu ứng tập trung hệ sinh thái. Nền tảng đám mây lưu trữ nhiều mô hình mã nguồn mở tiên tiến có khả năng thương lượng giá mạnh hơn, không phụ thuộc vào một nhà cung cấp mô hình nguồn đóng duy nhất. Nomura lạc quan về Alibaba (BABA) như một lõi của hệ sinh thái đám mây AI Trung Quốc, cũng như các nhà khai thác trung tâm dữ liệu như GDS, GDS Holdings (VNET).
Đây có lẽ là điểm dữ liệu dễ bị đánh giá thấp nhất trong toàn bộ câu chuyện.
Theo thống kê từ cổng API mở OpenRouter, tỷ lệ lưu lượng token sử dụng mô hình AI Trung Quốc trong tổng lưu lượng nhà phát triển toàn cầu, một năm trước dưới 2%, hiện đã vượt quá 45%. Dữ liệu của Bank of America Merrill Lynch xác nhận sự tăng tốc thâm nhập AI tổng thể: khoảng 55% doanh nghiệp Mỹ hiện đã đăng ký mô hình, nền tảng hoặc công cụ AI, tỷ lệ áp dụng doanh nghiệp của Anthropic là 42%, OpenAI là 40%. Người tiêu dùng AI hàng đầu (1% người dùng doanh nghiệp hàng đầu) chi tiêu AI hàng tháng trên mỗi nhân viên đã đạt 4.833 USD.
Thị trường đang phân hóa. Một mặt là các mô hình mã nguồn mở Trung Quốc đại diện bởi DeepSeek, Kimi K3, bao phủ thị trường kinh tế và tầm trung đến cao cấp với giá trị cao; mặt khác, các mô hình tiên tiến hàng đầu Mỹ đang tập trung vào khối lượng công việc phức tạp hơn (như tính toán khoa học) để duy trì chênh lệch kỹ thuật và giá cả. Đánh giá của Nomura là: Các nhà chơi mô hình lớn hàng đầu ở cả hai phía Trung-Mỹ đều sẽ hưởng lợi - với điều kiện mỗi bên có thể tiếp tục đứng ở phía trước của đường cong công nghệ.
Sau khi K3 ra mắt, phản ứng đầu tiên của thị trường vẫn là so sánh nó với DeepSeek R1. So sánh này có ích, nhưng không thể dừng lại ở mức "liệu có lại đập vào phần cứng AI không".
DeepSeek khiến thị trường tính toán lại hiệu quả đào tạo. K3 cho thị trường thấy một điều khác: mô hình mã nguồn mở cũng có thể đẩy quy mô, ngữ cảnh dài, Agent và đa phương thức đến vùng tiên tiến.
Điều này sẽ buộc các phòng thí nghiệm tiên tiến Mỹ tiếp tục đầu tư, cũng khiến mô hình Trung Quốc tiếp tục mở rộng trong hệ sinh thái nhà phát triển toàn cầu. Mô hình nguồn đóng hàng đầu giữ chênh lệch kỹ thuật và giá cả, mô hình mã nguồn mở bao phủ nhiều phân khúc giá và tình huống triển khai hơn, nhà cung cấp đám mây cung cấp phân phối mô hình và triển khai doanh nghiệp, chuỗi phần cứng chịu áp lực đào tạo và suy luận.
Nhìn ngắn hạn, giao dịch sẽ biến động do "ký ức DeepSeek". Nhìn trung hạn, miễn là lượng sử dụng token tiếp tục tăng, ngữ cảnh dài và Agent tiếp tục lan rộng, sức mạnh tính toán, HBM, lưu trữ, mạng lưới và IDC vẫn là mục chi phí không thể bỏ qua.
Đây cũng là lý do nhiều tổ chức đưa ra kết luận tương tự sau K3: mô hình mã nguồn mở mạnh hơn không phải là điểm kết thúc của nhu cầu cơ sở hạ tầng AI, mà ngược lại có thể là lối vào cho làn sóng nhu cầu tiếp theo.
Tuy nhiên, Bank of America Merrill Lynch cũng rõ ràng để lại một rủi ro đuôi: "Nếu tốc độ tăng hiệu quả vượt quá tốc độ tăng trưởng khối lượng công việc, chúng ta có thể thấy một số suy giảm trong xây dựng cơ sở hạ tầng." Nói cách khác, nếu mô hình ngày càng rẻ hơn, nhưng lượng sử dụng không mở rộng đồng bộ đáng kể, logic tăng trưởng nhu cầu sức mạnh tính toán sẽ bị chiết khấu.
