Копирование «DeepSeek момента»? Уолл-стрит в один голос заявляет: Kimi K3, напротив, усиливает спрос на вычислительные мощности

Рынок воспринял Kimi K3 как «момент DeepSeek 2.0» и впал в панику, но на этот раз оценка Уолл-стрит совершенно иная.

Поздно вечером 16 июля Moonshadow представила в Шанхае Kimi K3. Эта открытая модель с 2,8 трлн параметров получила 57 баллов в интеллектуальном индексе Artificial Analysis, заняв третье-четвертое место в мире, наравне с Claude Opus 4.8 от Anthropic и GPT-5.5 от OpenAI. Более того, на рейтинге Frontend Code Arena, созданном Калифорнийским университетом в Беркли, K3 набрала 1679 баллов и возглавила список, опередив Claude Fable 5 и GPT-5.6 Sol, став первой открытой моделью, которая превзошла все зарубежные закрытые модели в авторитетном программном рейтинге.

17 июля сектор полупроводников США резко снизился. Рефлекторная реакция рынка понятна — в начале 2025 года выпуск DeepSeek R1 вызвал обвал акций компаний вычислительных мощностей с рассуждением: китайские модели становятся все сильнее, нужен ли американским AI-компаниям столь большой расход на инфраструктуру? Если китайские модели способны приближаться к передовым возможностям дешевле, не изменит ли это оценку спроса на Nvidia, HBM, серверы и сетевое оборудование?

Однако, согласно данным от торгового стола Chasing Wind, последние аналитические отчеты крупных инвестбанков — UBS, Nomura, BofA Merrill Lynch и Citi — утверждают: Kimi K3 — не «убийца» спроса на вычислительные мощности, а его ускоритель.

Kimi K3 и DeepSeek R1 — разные вызовы. R1 позволил рынку увидеть «эффективность»; K3 делает акцент на «масштаб». 2,8 трлн параметров, контекст 1M токенов, постоянное рассуждение, родная мультимодальность, архитектура MoE — это не история про легкие активы, эти характеристики увеличивают нагрузку на инференс, память, сеть и хранилище одновременно.

Насколько силен Kimi K3?

Kimi K3 был выпущен Moonshadow 16 июля 2026 года, полные веса модели планируется открыть 27 июля. Это открытая LLM с 2,8 трлн параметров, которую многие учреждения называют самой крупной среди LLM с открытыми весами на сегодняшний день.

К основным характеристикам относятся три пункта:

Первое — 1M токенов контекстного окна. Модель обрабатывает большие тексты, длинные массивы кода, сложные корпоративные документы и исследования.

Второе — постоянное рассуждение. Не просто вопросы и ответы: модель предназначена для долгих цепочек вывода и агентных задач.

Третье — родная визуальная способность. K3 работает не только с текстом, но и с видео, изображениями, разработкой игр, фронтенд-дизайном, CAD и другими мультимодальными задачами.

В архитектуре используются Kimi Delta Attention, Attention Residuals и Stable LatentMoE. В MoE-части из 896 экспертов на каждый токен активируется 16 экспертов. По данным Moonshadow, по сравнению с Kimi K2 общая эффективность масштабирования выросла примерно в 2,5 раза.

Это объясняет, почему K3 — не «более дешевый K2». По данным Nomura, стоимость ввода стоит $3 за миллион токенов, кэшированный ввод — $0,30, вывод — $15 за миллион токенов; по классификации Artificial Analysis, стоимость задачи K3 примерно $0,94. Это дешевле, чем у Claude Fable 5 ($2,75) и Claude Opus 4.8 ($1,80), близко к GPT-5.6 Sol ($1,04), но все еще дороже, чем у GLM-5.2 ($0,32—0,47), и значительно выше, чем у DeepSeek V4 Pro ($0,04).

K3 не ставит целью быть самым дешевым, его задача — предоставить передовые возможности за меньшую цену.

Четыре инвестбанка: это не ослабление спроса

По поводу опасений рынка о «моменте DeepSeek» аналитик Азиатско-Тихоокеанской технологической команды Nomura Дуан Бин написал в докладе: «Мы считаем, что конкуренция и инновации на глобальном рынке больших языковых моделей не остановятся. По мере приближения к AGI использование generative AI будет экспоненциально расти как среди потребителей, так и между компаниями. Ведущие AI-лаборатории и крупные облачные платформы продолжат инвестировать, чтобы сохранить позиции — при сохранении закона масштабирования мы рассматриваем эту конкуренцию как благо для всей цепи создания ценности AI-инфраструктуры».

Аналитик Citi по полупроводникам Питер Ли в докладе от 19 июля прямо озаглавил его «Еще один парадокс Джевонса». Что значит парадокс Джевонса? Повышение эффективности использования угля в паровых машинах увеличило, а не уменьшило его потребление — потому что стало использовать можно повсеместно. С AI так же: чем лучше и дешевле модель, тем больше приложений разрабатывается, тем больше токенов обрабатывается — и совокупное потребление вычислителей, в итоге, только растет.

Питер Ли считает, что даже если K3 будет широко применяться, спрос на оперативную память DDR5 и корпоративные SSD будет только увеличиваться. Причина — хотя эффективность инференса аналогична другим передовым моделям, использование KV-кэша растет пропорционально увеличению длины контекста, что увеличивает нагрузку на память.

Аналитик BofA Securities по полупроводникам Вивек Арья в отчете от 17 июля высказался даже прямее: ответ ведущих американских AI-лабораторий — «не меньше, а больше вычислений». Если китайские open-source модели будут и дальше сокращать отставание, OpenAI, Anthropic и Google придется тренировать еще более крупные модели, проводить еще более тяжелые вычисления, еще быстрее итерации ради дифференциации. Арья также отметил важный контекст: по сообщениям СМИ, Gemini 3.5 Pro от Google уже отложен на несколько месяцев, его программная производительность не достигла внутренних целей, а лидерство на острие становится все труднее удержать.

Команда аналитиков UBS под руководством Тимо Аркури в докладе от 20 июля отметила: да, есть параллели между K3 и DeepSeek R1, но K3 больше фокусируется на масштабе — это крупнейшая открытая модель в мире, с 2,8 трлн параметров и окном контекста в 1 млн токенов. Аналитики подчеркивают: открытые модели, как правило, требуют больше памяти, чем закрытые, из-за большего контекстного окна; даже при квантовании запросы к KV-кэшу растут в абсолютных значениях, делая open-source еще более зависимыми от HBM и накопителей.

Хранение данных: самый прямой бенефициар. Оценки UBS показывают, что к 2028 году совокупный свободный денежный поток (FCF) сектора хранения и памяти достигнет около 30% от текущей капитализации, что является самой высокой долей среди всех подотраслей. У Micron (MU) — до 47%. Citi и Nomura сохраняют рейтинг «покупать» для Samsung Electronics, поскольку на мировом рынке памяти наблюдается острейший дефицит. Питер Ли (Citi) отмечает: памятьную нагрузку Kimi K3 при инференсе нельзя считать ниже, чем у других моделей; экспансия KV-кэша будет напрямую разогревать спрос на серверную DDR5 и корпоративные eSSD. Особенно крупномасштабные развертывания Kimi K3 требуют суперузловых кластеров более чем из 64 GPU.

Вычислительная инфраструктура: TSMC и Nvidia стоят в первых рядах бенефициаров. Как в тренировках моделей, так и в растущем спросе на инференс по токенам в итоге нужен все больший объем передовых чипов. Nomura подтверждает свои рейтинги «покупать» для TSMC, ASE, MediaTek и других. Nvidia ранее публично заявила: в современных MoE-моделях инференс на GB300 NVL72 превосходит по энергоэффективности предыдущее поколение Hopper в 25 раз. K3 — идеальная нагрузка для самого нового оборудования Nvidia.

Сети: тренд на суперузлы открывает структурные возможности. Kimi K3 требует суперкластеров, а китайский рынок вычислительных мощностей, из-за экспортных ограничений на топовые чипы, вынужден компенсировать разницу за счет архитектуры суперузлов — это поддерживает спрос на оптические модули, чипы и другие сетевые компоненты. Nomura делает ставку на Zhongji Xuchuang и Suzhou Xuchuang.

Облачные платформы: получают выгоду за счет скопления экосистемы. Платформы, поддерживающие множество open-source моделей, получают большее ценовое преимущество, не зависят от одного вендора закрытого ПО. Nomura выделяет Alibaba (BABA) как ядро AI-экосистемы Китая, а также центры обработки данных вроде GDS и VNET.

Возможно, именно этот показатель наиболее сильно недооценивается.

По данным открытого API-шлюза OpenRouter, доля токенов китайских AI-моделей во всемирном трафике разработчиков за год выросла с менее 2% до более чем 45%. Статистика BofA Merrill Lynch подтверждает ускорение общей AI-проникновенности: уже около 55% американских компаний подписаны на AI-модели, платформы или инструменты; проникновение Anthropic — 42%, OpenAI — 40%. Для топ-1% корпоративных потребителей средние ежемесячные траты на AI-сервисы на одного сотрудника уже составляют $4833.

Рынок становится все более дифференцированным: с одной стороны, сильные open-source модели Китая (DeepSeek, Kimi K3) покрывают сегменты «эконом» и средне-высокого соотношения цена/качество; с другой, топовые американские модели концентрируются на еще более сложных задачах (например, вычисления в науке), сохраняя технологическую и ценовую премии. По мнению Nomura: крупные игроки как в Китае, так и в США продолжат выигрывать — если смогут оставаться впереди технологической кривой.

После релиза K3 рынку привычно сравнивать эту модель с DeepSeek R1. Это сравнение полезно, но не стоит ограничиваться мыслью «придется ли снова закупать AI-железо».

DeepSeek пересмотрел рыночные ожидания по эффективности обучения. K3 показал: open-source модели способны выходить на передовые рубежи по масштабам, длине контекста, агентным возможностям и мультимодальности.

Это будет вынуждать американские лаборатории и дальше инвестировать, а китайским моделям позволит укреплять позиции в глобальной разработческой экосистеме. Закрытые топовые модели сохранят техническую и ценовую премию; open-source — займут больше ценовых и внедренческих ниш; облачные провайдеры — обеспечат дистрибуцию моделей и решение задач компаний; аппаратный сектор — останется под нагрузкой обучения и инференса.

Краткосрочно торги могут колебаться по «памяти о DeepSeek». Среднесрочно — если объем использования токенов будет расти, длинный контекст и агенты — распространяться, спрос на вычисления, HBM, память, сеть и дата-центры будет неизбежным костовым пунктом.

Поэтому многие организации после презентации K3 пришли к похожему выводу: более мощные open-source модели — это не конец инфраструктурного спроса на AI, а, возможно, дверь к новому раунду экспансии.

Тем не менее, BofA Merrill Lynch оставляет и рисковый пункт: «Если прибыль от эффективности будет расти быстрее, чем нагрузка, мы можем увидеть некий откат по инфраструктурному строительству». Проще говоря — если модели становятся все дешевле, а использование резко не растет, теоретический рост спроса на вычисления может замедлиться.