Citi og Bank of America: Derfor er Kimi K3 faktisk godt for hukommelseschips

Den 16. juli 2026 præsenterede Moonshot AI Kimi K3, en åben model med 2,8 billioner parametre, der matchede eller overgik de førende amerikanske modeller til omkring halv pris. Markedsreaktionen var øjeblikkelig og brutal: PHLX Semiconductor Index faldt 12,5 % på en uge, Nvidia faldt 2,5 % på en enkelt dag, og investorer genoplevede den samme frygt, der greb markederne under DeepSeek-R1 i januar 2025 — at billigere, mere effektiv AI ville kvæle efterspørgslen efter de chips, der driver det .

To Wall Street-banker tog den modsatte position. Citi og Bank of America Securities argumenterede begge for, at udsalget var præcis det forkerte væddemål, og de påberåbte sig en 160 år gammel økonomisk teori for at forklare hvorfor: Jevons-paradokset.

Jevons-paradokset i en nøddeskal

Citi og Bank of America Securities hævder begge, at Kimi K3's effektivitetsgennembrud vil øge den samlede efterspørgsel efter hukommelseschips snarere end at reducere den, fordi det at skære prisen pr. token for inferens gør AI dramatisk mere tilgængelig og udbredt — et klassisk eksempel på Jevons-paradokset. Udsalget den 16. juli var efter deres opfattelse det forkerte retningsbestemte væddemål .

Citis position: Peter Lee påberåber sig paradokset eksplicit

Citis halvlederanalytiker Peter Lee påberåber sig udtrykkeligt Jevons-paradokset: Forbedret teknologisk effektivitet sænker brugsomkostningen pr. enhed, hvilket historisk set fører til en stigning — ikke et fald — i det samlede ressourceforbrug . I en Citi Research-podcast indspillet måneder før K3's lancering udtalte Lee direkte: "Jeg tror, at denne form for softwareeffektivitet ikke er en trussel mod hukommelse. Jeg tror, det er positivt for efterspørgslen, fordi det gør AI billigere og mere nyttigt, hvilket driver en indkøbscyklus med endnu højere efterspørgsel efter de avancerede chips. Så jeg tror, det er som Jevons-paradokset" .

Hans begrundelse for, hvorfor Kimi K3's arkitektur specifikt driver mere efterspørgsel efter hukommelse:

• 1 million tokens kontekstvindue — Hvert langt inferenskald med stor kontekst forbruger en massiv KV-cache, der skal lagres i højhastighedshukommelse (HBM) og server-DRAM. Billigere priser pr. token betyder, at brugerne vil fylde det million-tokens kontekstvindue oftere, ikke sjældnere .
• MoE-sparsitet er en illusion for hukommelse — Selvom Kimi K3 kun aktiverer 16 af 896 eksperter pr. token (~50 milliarder aktive parametre), skal de fulde 2,8 billioner vægte stadig indlæses i systemhukommelsen for at understøtte dynamisk ekspert-routing. Selvhostning af open-weight-udgivelsen (27. juli) vil kræve clusters med terabyte af server-DDR5 og enterprise-SSD'er for at holde og sideveksle hele modellen .
• Agentbaserede arbejdsgange — Agentiske, flertrins ræsonnementsløkker (som K3 er specifikt optimeret til) genererer mange sekventielle inferenskald pr. opgave, som hver især forbruger hukommelsesbåndbredde. Billigere inferens gør længere agentkæder økonomisk levedygtige, hvilket forstærker hukommelsesforbruget pr. opgave .
• Open-weight selvhostning — Når de fulde vægte offentliggøres den 27. juli, vil virksomheder og forskere køre deres egne instanser i stedet for udelukkende at stole på API-adgang. Hver selvhostet installation kræver sin egen dedikerede hukommelsespulje (HBM på GPU'erne, DDR5 på værtsmaskinen og enterprise-SSD'er til model lagring/swapning), hvilket multiplicerer den samlede installerede hukommelse .

Citi har også separat hævet prognoserne for hukommelsespriser markant og forudser, at DRAM-priserne kan stige op til 200 % i 2026, og at HBM-priserne kan stige 30 % kvartal over kvartal i Q4 2026, hvilket indikerer, at de allerede før Kimi K3 forventede en AI-drevet hukommelsessupercyklus . Citi havde også allerede i september 2025 advaret om, at både DRAM og NAND flash-hukommelse ville komme i forsyningsmangel i 2026 .

Bank of America Securities' position: Vivek Arya anvender samme logik

Bank of America har ikke eksplicit brugt udtrykket "Jevons-paradokset" i offentliggjort kommentar om Kimi K3, men deres allerede eksisterende og efter-udsalg kald stemmer overens med samme logik:

• "Sommerreset, efterårsopsving" — BofA karakteriserede halvledertilbagetrækningen (SOX-indekset faldt 11 % i Q3) som en sæsonbestemt stemningssvingning og en sund reset, ikke en strukturel efterspørgselsvending. De forudså et opsving i efteråret, når AI-infrastrukturinvesteringerne genoptages .
• Hukommelse er "undervurderet og klar til ekspansion" — I en rapport fra 7. juli bemærkede BofA, at hukommelseschips handles til kun 10 gange indtjening, betydeligt under den bredere halvledersektor, og anbefalede dem som en købsmulighed .
• Langsigtet AI-efterspørgselsstrategi intakt — BofA's halvlederudsigt for 2026 forudså, at det globale salg af halvledere for første gang ville overstige 1 billion dollars (en stigning på 29 % år-over-år), med hukommelse (HBM, DDR5, NAND) som den primære vækstdriver. De har konsekvent argumenteret for, at dygtigere, billigere AI-modeller udvider det adresserbare marked snarere end at skrumpe det . Bank of America hævede senere sin prognose for det samlede halvledermarked (TAM) i 2026 yderligere til 1,3 billioner dollars .
• Efter Kimi K3 bad BofA investorer om ikke at gå i panik — Den 17. juli tilskrev Vivek Arya det K3-udløste udsalg til "sæsonbestemte stemningssvingninger" og bekymringer om omkostningsinflation i hukommelse, ikke et kollaps i efterspørgslen, og rådede til, at fundamentale forhold for hukommelseschipproducenter forbliver intakte .

Hvorfor arkitekturen selv forstærker den positive case

Arkitektonisk træk	Hvorfor det driver hukommelsesefterspørgsel
2,8 billioner totale parametre (MoE)	Selv med sparsom aktivering skal 2,8 billioner vægte være i systemhukommelsen. Selvhostning af open-weight kræver servere med store DDR5-puljer og HBM-udstyrede GPU'er .
1 million tokens kontekstvindue	KV-cachen skalerer lineært med kontekstlængden. Billigere inferens tilskynder til længere prompter, hvilket øger hukommelsesforbruget pr. forespørgsel .
Agentiske / flertrins arbejdsgange	Hvert ræsonnementstrin er et separat inferenskald. Flere trin pr. opgave = mere hukommelsesbåndbredde brugt pr. brugersession .
Open-weight udgivelse (27. juli)	Muliggør udbredt selvhostning. Hver selvhostet installation tilføjer et fast hukommelsesaftryk, som en delt API-ende ville have konsolideret .
Konkurrencedygtig prissætning (~$3/M tokens input)	Historisk set har hvert større AI-prisfald ganget det samlede token-volumen langt, langt mere end effektivitetsgevinsten .

Den historiske præcedens, som begge banker læner sig op ad

DeepSeek-R1-udsalg i januar 2025 fulgte samme mønster: en billigere, effektiv kinesisk model forårsagede en halvlederpanik, og derefter accelererede efterspørgslen efter chips faktisk, efterhånden som udbredelsen blev bredere . Citi og BofA ser Kimi K3 som "DeepSeek 2.0" — den samme frygt, og sandsynligvis det samme endelige udfald for hukommelsesproducenter som Samsung, SK Hynix og Micron .

Branchedata understøtter tesen. TrendForce forudså, at HBM-efterspørgslen ville stige 70 % år-over-år alene i 2026, og at HBM ville forbruge 23 % af det samlede DRAM-waferoutput . Analytikere anslår, at AI-datacentre i 2026 kunne forbruge ~70 % af al high-end DRAM . Hukommelsesproducenterne selv — inklusive Microns CEO Sanjay Mehrotra — har erkendt, at mangler vil fortsætte ud over 2026 .

Selv det koreanske marked genkendte argumentet: Den 20. juli rapporterede Chosun Ilbo, at et memorandum fra værdipapirindustrien, der citerede Jevons-paradokset, fik Samsung- og SK Hynix-aktier til kortvarigt at vende til positiv, før det bredere udsalg genoptog .

Hvad bankerne ikke siger

Det er vigtigt at bemærke begrænsningerne ved denne tese. Ingen af bankerne hævder, at udsalget var irrationelt — kun at det var retningsbestemt forkert. BofA erkendte udtrykkeligt, at legitime "bekymringer om omkostningsinflation i hukommelse" delvist drev faldet . Citis prognoser for hukommelsespriser, selvom de er positive, indebærer også et prispres, der kunne klemme downstream AI-virksomheder. Og Bank of America har ikke eksplicit brugt udtrykket "Jevons-paradokset" i offentliggjort Kimi K3-kommentar; overensstemmelsen i deres logik er udledt fra deres allerede eksisterende og efter-udsalg kald .

Bottom line

Begge banker anerkender den kortsigtede markedsfrygt, men deres konsekvente holdning er, at Kimi K3's lavere omkostninger og open-weight-udgivelse vil udbrede AI-adoption, øge det samlede inferensvolumen og hæve efterspørgslen efter hukommelse — ikke kvæle den. Jevons-paradokset, først observeret i 1800-tallets kulforbrug, kan vise sig at være den mest pålidelige ramme til at forstå AI's halvlederefterspørgsel i 2026.