Kimi K3 Bikin Saham Semikonduktor Anjlok, Tapi Dua Bank Besar Wall Street Justru Melihat Peluang Besar

Pada 16 Juli 2026, Moonshot AI meluncurkan Kimi K3, sebuah model AI dengan bobot terbuka (open-weight) yang memiliki 2,8 triliun parameter. Model ini mampu menyamai atau bahkan melampaui kinerja model-model AI tercanggih asal AS, tetapi dengan biaya sekitar setengahnya .

Reaksi pasar pun datang dengan cepat dan brutal: Indeks Semikonduktor PHLX (PHLX Semiconductor Index) anjlok 12,5% hanya dalam sepekan. Saham Nvidia terjun 2,5% dalam sehari. Investor kembali dihantui ketakutan yang sama seperti saat DeepSeek-R1 pada Januari 2025—bahwa model AI yang lebih murah dan efisien akan menggerus permintaan akan chip-chip canggih yang selama ini menjadi tulang punggung industri .

Namun, dua bank investasi raksasa Wall Street justru mengambil posisi sebaliknya. Citi dan Bank of America Securities (BofA Securities) sama-sama berpendapat bahwa aksi jual besar-besaran ini justru merupakan langkah yang salah arah. Untuk menjelaskan mengapa, mereka menggunakan teori ekonomi yang sudah berusia 160 tahun: Paradoks Jevons.

Inti Argumen Paradoks Jevons

Citi dan BofA Securities berpendapat bahwa terobosan efisiensi dari Kimi K3 justru akan meningkatkan total permintaan chip memori, bukan menguranginya. Logikanya sederhana: dengan memangkas biaya per token (unit data yang diproses AI), teknologi AI menjadi jauh lebih murah dan mudah diakses, sehingga penggunaannya akan meledak. Inilah inti dari Paradoks Jevons. Menurut mereka, aksi jual pada 16 Juli adalah taruhan yang salah arah .

Posisi Citi: Peter Lee Secara Langsung Menyebut Paradoks Jevons

Analis semikonduktor Citi, Peter Lee, secara eksplisit menggunakan istilah "Paradoks Jevons" dalam podcast Citi Research. Ia menyatakan bahwa efisiensi perangkat lunak bukanlah ancaman bagi memori, melainkan hal yang positif karena membuat AI lebih murah dan lebih berguna, yang pada akhirnya mendorong siklus pembelian chip canggih yang lebih tinggi .

Berikut rincian alasan Peter Lee mengapa arsitektur Kimi K3 justru mendorong lebih banyak permintaan memori:

• Jendela Konteks 1 Juta Token: Setiap panggilan inferensi dengan konteks yang sangat panjang ini membutuhkan memori berkecepatan tinggi (HBM) dan server DRAM dalam jumlah besar. Biaya per token yang lebih murah justru akan mendorong pengguna untuk menggunakan jendela konteks yang lebih panjang dan lebih sering .
• Sparsitas MoE Ilusi untuk Memori: Meskipun Kimi K3 hanya mengaktifkan 16 dari 896 'pakar' per token, seluruh bobot model sebesar 2,8 triliun parameter harus tetap dimuat di memori sistem. Terlebih lagi, dengan rencana rilis bobot terbuka pada 27 Juli, perusahaan yang ingin menjalankan model ini sendiri akan membutuhkan klaster server dengan DDR5 dalam jumlah terabyte dan SSD kelas enterprise .
• Alur Kerja Berbasis Agen: Kimi K3 dioptimalkan untuk tugas-tugas multi-langkah. Setiap langkah dalam proses penalaran agen merupakan panggilan inferensi terpisah yang masing-masing mengonsumsi bandwidth memori. Inferensi yang lebih murah membuat rantai agen yang lebih panjang menjadi ekonomis, sehingga meningkatkan konsumsi memori per tugas .
• Hosting Mandiri Bobot Terbuka: Ketika bobot model dirilis pada 27 Juli, perusahaan dan peneliti akan menjalankan instance mereka sendiri. Setiap deployment mandiri membutuhkan kumpulan memori khusus (HBM di GPU, DDR5 di server, dan SSD enterprise untuk penyimpanan model), yang secara eksponensial melipatgandakan basis memori yang terpasang .

Secara terpisah, Citi juga telah menaikkan perkiraan harga memori secara tajam. Mereka memperkirakan harga DRAM bisa melonjak hingga 200% pada tahun 2026 dan harga HBM naik 30% secara kuartalan pada Q4 2026, yang menunjukkan mereka sudah mengantisipasi siklus super memori yang didorong oleh AI bahkan sebelum Kimi K3 .

Posisi Bank of America Securities: Vivek Arya Menerapkan Logika yang Sama

Meskipun BofA tidak secara eksplisit menyebut "Paradoks Jevons", analis mereka, Vivek Arya, memiliki pandangan yang selaras. Mereka melihat penurunan ini sebagai "koreksi musiman" dan bukan pembalikan tren .

• "Koreksi Musim Panas, Pemulihan Musim Gugur": BofA menganggap penurunan indeks SOX (indeks semikonduktor) sebesar 11% di Q3 sebagai gejolak musiman yang sehat. Mereka memperkirakan akan terjadi rebound pada musim gugur seiring dilanjutkannya pembangunan infrastruktur AI .
• Memori "Kurang Dihargai dan Siap Ekspansi": Dalam laporan 7 Juli, BofA mencatat bahwa saham memori diperdagangkan hanya pada 10 kali laba, jauh di bawah sektor semikonduktor lainnya, dan merekomendasikannya sebagai peluang beli .
• Tesis Permintaan AI Jangka Panjang Tetap Utuh: BofA memproyeksikan penjualan semikonduktor global akan menembus USD 1 triliun untuk pertama kalinya pada tahun 2026, dengan memori (HBM, DDR5, NAND) sebagai pendorong utama pertumbuhan .
• Pasca-Kimi K3, BofA Minta Investor Jangan Panik: Pada 17 Juli, Vivek Arya mengaitkan aksi jual yang dipicu K3 dengan "gejolak musiman" dan kekhawatiran inflasi biaya di memori, bukan penurunan permintaan. Ia menegaskan bahwa fundamental untuk produsen chip memori tetap kuat .

Mengapa Arsitektur K3 Memperkuat Argumen Bullish

Tabel di bawah ini menjelaskan bagaimana fitur-fitur arsitektur Kimi K3 justru mendorong permintaan memori:

Fitur Arsitektur	Mengapa Mendorong Permintaan Memori
2,8T parameter total (MoE)	Meskipun aktivasi sparse, seluruh bobot 2,8T harus ada di memori. Hosting mandiri membutuhkan server dengan DDR5 yang besar .
Jendela Konteks 1 Juta Token	Cache KV (Key-Value) bertambah secara linear seiring panjang konteks. Biaya yang lebih murah mendorong penggunaan konteks yang lebih panjang, meningkatkan konsumsi memori per kueri .
Alur Kerja Agen/Multi-Langkah	Setiap langkah penalaran adalah panggilan inferensi terpisah. Lebih banyak langkah = lebih banyak bandwidth memori yang digunakan .
Rilis Bobot Terbuka (27 Juli)	Memungkinkan banyak pihak untuk hosting mandiri. Setiap deployment mandiri menambah konsumsi memori yang signifikan .
Harga Kompetitif (~$3/M token input)	Secara historis, setiap penurunan harga besar-besaran pada AI melipatgandakan volume token yang diproses .

Preseden Sejarah yang Jadi Pegangan Kedua Bank

Peristiwa ini sangat mirip dengan aksi jual DeepSeek-R1 pada Januari 2025. Saat itu, model China yang efisien dan murah juga menyebabkan kepanikan di pasar semikonduktor. Namun, setelahnya, permintaan chip justru semakin cepat karena adopsi AI meluas . Citi dan BofA melihat Kimi K3 sebagai "DeepSeek 2.0"—ketakutan yang sama, dan kemungkinan besar hasil akhir yang sama bagi produsen memori seperti Samsung, SK Hynix, dan Micron .

Data industri juga mendukung tesis ini. TrendForce memperkirakan permintaan HBM akan meningkat 70% tahun-ke-tahun pada tahun 2026 saja . Analis memperkirakan pusat data AI dapat mengonsumsi hingga 70% DRAM kelas atas pada tahun 2026 . Bahkan CEO Micron, Sanjay Mehrotra, telah mengakui bahwa kelangkaan akan berlanjut hingga melampaui tahun 2026 .

Menariknya, pasar Korea pun sempat merespons argumen ini. Pada 20 Juli, Chosun Ilbo melaporkan bahwa sebuah memo dari industri sekuritas yang mengutip Paradoks Jevons menyebabkan saham Samsung dan SK Hynix sempat berbalik positif sebelum akhirnya kembali tertekan oleh aksi jual yang lebih luas .

Apa yang Tidak Dikatakan oleh Kedua Bank

Penting untuk dicatat batasan dari tesis ini. Kedua bank tidak mengklaim bahwa aksi jual itu tidak rasional—hanya bahwa arahnya salah. BofA secara eksplisit mengakui bahwa ada kekhawatiran yang sah tentang inflasi biaya di sektor memori yang ikut mendorong penurunan . Perkiraan harga memori Citi yang optimis juga mengimplikasikan tekanan harga yang bisa menekan perusahaan AI di hilir. Bank of America juga tidak secara eksplisit menyebut "Paradoks Jevons" dalam komentar mereka tentang Kimi K3, melainkan logika mereka selaras dengan panggilan mereka sebelumnya .

Intisari

Baik Citi maupun BofA Securities mengakui ketakutan pasar dalam jangka pendek. Namun, posisi konsisten mereka adalah bahwa biaya Kimi K3 yang lebih rendah dan rilis bobot terbuka akan memperluas adopsi AI, meningkatkan volume inferensi total, dan pada akhirnya menaikkan permintaan memori—bukan menghancurkannya. Paradoks Jevons, yang pertama kali diamati pada konsumsi batu bara di abad ke-19, mungkin terbukti menjadi kerangka kerja yang paling dapat diandalkan untuk memahami permintaan semikonduktor AI di tahun 2026.