算力还能称王吗？Kimi K 3给华尔街浇了一盆冷水
模型越好用，用的人越多，
算力缺口反而越大。
文 ｜ 凤凰网《AI研究院》
来源｜ 凤凰网财经（ID：finance_ifeng）
封面来源 ｜ Kimi官方
谁能想到，一款国产AI产品，因为太火爆而主动关上新用户注册的大门。
7月16日晚，月之暗面发布新一代大模型Kimi K3。
图源：网络 发布48小时后，Kimi就发了一则公告，暂停C端新用户订阅，原因是“过去48小时用户请求量大幅超出预估，逼近现有集群承载极限”。
用大白话说就是：想来用的人太多，算力不够分了，先紧着老用户用。
图源：网络 凤凰网《AI研究院》发现， Kim i K3能这么火，除了技术层面登顶全球代码榜，更因为众多博主通过实测对比，展现出惊艳众人的代码能力；例如K3与GPT-5.6 Sol同样制作网页3D游戏，Kimi K3生成的角色和地图模型比GPT-5.6 Sol更加精细，游戏可玩性更强。
而资本市场的反应很撕裂。
A股这边，“Kimi概念”掀起涨停潮，参股月之暗面的九安医疗5天4板；美股那边，K3的发布成为压垮半导体行情的最后一根稻草，发布后72小时内半导体板块合计蒸发数千亿美元，摩根大通更把这一天叫做“DeepSeek 2.0时刻”。
作为AI六小龙中最年轻的玩家，月之暗面为何能在这个时间点掀起一轮从技术到资本的全球大洗牌？
登顶全球权威AI榜单
7月16日晚，Kimi K3（下简称K3）正式亮相。
这是全球首个开源的3万亿参数级别模型，一次性能记住100万Token的内容，换算成实际场景就是一次性读完《红楼梦》，然后提问书中各种细节，随便抽问细节都能答上来，比如贾宝玉的通灵宝玉在哪一回丢失、又在哪一回如何找回。
此次引发全球瞩目，是因为与国外顶级AI大模型对比，K3直接登顶能力榜单。
图为Arena前端代码能力排行榜 图源：网络 Arena是由全球用户共同投票的“大模型竞技场”，它的评测方式是公开盲测，用户同时体验两个匿名模型生成的前端页面，哪个好用好看就投哪家，投完才知道是谁做的。
K3在这个榜单上拿到了1679分，排名全球第一，超越了Claude Fable 5（1631分）和GPT-5.6 Sol（1618分），并且在七个前端细分领域，K3拿下了六个第一，这是中国大模型第一次登顶这个榜单。
Arena榜单运营负责人表示，Kimi K3或将倒逼投资者重新审视整个AI行业，此次发布很可能“引发资本市场的重新洗牌”，因为K3证明了高性能大模型不一定需要天价算力，并且可以开源自行部署。
加州大学伯克利分校计算机科学教授 Ion Stoica 图源：网络
现代AI与大数据的“基础设施级”奠基人之一的Ion Stoica教授表示，行业此前普遍判定中国开源模型与全球顶尖水平存在6至9个月差距，如今这一差距已收缩至2至3个月。
在此之前，DeepSeek-R1、智谱GLM-5.2是国产最接近海外一线的大模型，当时二者仅将技术差距压缩至4个月左右，从未摸到3个月以内的区间。
实测层面除了前述游戏生成能力，在FUI（虚构界面）设计方面同样惊艳。
图源：网络 凤凰网《AI研究院》发现， 有海外博主对比测试两个模型（Kimi K3 vs Fable 5）生成同类型卫星轨道监控大屏界面，无论是视觉审美还是信息专业度，K3都比Fable 5高一个档次，更像真正的航天地面指挥中心界面。
九安医疗5天4板，
引发算力需求大讨论
K3发布的冲击波，从技术圈一路蔓延到资本市场。
一边是A股概念股集体涨停，一边是美股半导体股票跌入熊市。
图为 九安医疗披露半年度业绩预告与近期走势 图源：网络
7月14日晚，九安医疗披露半年度业绩预告：预计上半年归母净利润28亿至34亿元，同比增长204%至269%，净利润暴增的核心原因是公司科创投资布局收益显现，月之暗面就是其投资公司之一。
九安医疗旗下主体先后两次投资月之暗面，合计持股约3.5%-4%，是A股上市公司里持股比例最高的“Kimi影子股”。
叠加7月16日K3发布与实测发酵，四个交易日拿下三个涨停，7月20日早盘再度封板，收获“5天4板”。
中国软件国际公告与当日走势 图源：网络
7月20日午间，中国软件国际公告与月之暗面签署Token分成合作协议，午后股价一度拉升超35%。
但市场的反应不止一面。
图为华尔街日报评论文章 图源：网络 7月16日晚，K3发布前后的72小时内美股半导体板块蒸发数千亿美元，华尔街日报点名月之暗面的K3加剧了这轮芯片股的抛售。
摩根大通把这一日称作“DeepSeek 2.0时刻”，上一次中国大模型引发这种级别的震荡，还是2025年1月DeepSeek-R1发布、把英伟达单日砸跌17%的时候。
恐慌的原因是：Kimi K3这类高效模型，会不会让GPU不再那么值钱了？
因为过去三年华尔街笃信一条铁律：模型越强→参数越大→训练越贵→需要的GPU越多→资本开支越高→英伟达越值钱。
Kimi K3让这条逻辑链再次出现了裂痕，如果用更少的算力就能做出同等水平的模型，全球GPU采购量还需要那么大吗？
一场关于算力需求的大辩论由此展开。
高盛合伙人Rich Privorotsky在客户电话会上的这句话被反复引用，“这并非扩展定律失效，而是单纯扩大预训练算力不再是获得领先能力的唯一路径。”Privorotsky团队还补充到，如果前沿AI能够以远低于西方的成本开发，那么投入资本最多的企业，也就面临最大的过度投资风险。
图为SemiAnalysis的观点节选 图源：网络 知名半导体情报机构SemiAnalysis直接给出了反方意见，逻辑是K3采用的Kimi Delta Attention（KDA）机制省的是“注意力状态”那部分带宽，省不掉2.8万亿参数本身，因此对GPU、HBM、高速互联网络的需求不是更少了，而是更多了。
打个比方，传统的Transformer注意力机制就像餐厅每上一道菜，服务员要把之前所有菜的菜单重新抄一遍（产生KV缓存），菜越多（上下文越长），抄起来得越累。
KDA改成“只记每道菜跟上一道比换了啥”，KV那部分带宽能压到传统的1/10，但厨房里那口炒2.8万亿参数的大锅省不掉。
K3单模型权重就要占1.5TB以上的HBM（高端显存），相当于一家店就算只来几桌客人，后厨那口大锅、灶台以及传菜通道也得按“满负荷”配置。
这背后也透露出经济学里的“杰文斯悖论”，技术效率提升不会减少资源消耗，反而会因为应用门槛降低、使用场景扩大，最终推高总需求。
K3发布48小时就因为用户请求量逼近集群承载极限，不得不暂停C端新用户订阅，似乎也在印证这一点：模型越好用，用的人越多，算力缺口反而越大。
无论这场算力大讨论的结果如何，月之暗面正在用技术路线的选择，重新定义全球AI产业的价值分配。