Paradoks Jevons: Kenapa Citi dan Bank of America Kata Kimi K3 Sebenarnya Bagus untuk Cip Memori

Pada 16 Julai 2026, Moonshot AI melancarkan Kimi K3, sebuah model sumber terbuka dengan 2.8 trilion parameter yang menyamai atau mengatasi model tercanggih AS pada kos hampir separuh. Reaksi pasaran serta-merta dan dahsyat: Indeks Semikonduktor PHLX jatuh 12.5% dalam seminggu, Nvidia menjunam 2.5% dalam sehari, dan pelabur mengulangi ketakutan yang sama ketika DeepSeek-R1 pada Januari 2025 — bahawa AI yang lebih murah dan cekap akan mengurangkan permintaan untuk cip yang menjanakannya .

Dua bank Wall Street mengambil pandangan bertentangan. Citi dan Bank of America Securities berhujah bahawa kejatuhan itu adalah tekaan yang salah, dan mereka menggunakan teori ekonomi berusia 160 tahun untuk menjelaskan sebabnya: Paradoks Jevons.

Hujah Paradoks Jevons secara ringkas

Citi dan Bank of America Securities berpendapat bahawa kejayaan kecekapan Kimi K3 akan meningkatkan permintaan cip memori secara keseluruhan, bukannya mengurangkannya, kerana pengurangan kos per token inferens menjadikan AI lebih mudah diakses dan digunakan secara meluas — ini adalah hasil Paradoks Jevons yang tipikal. Kejatuhan pada 16 Julai, pada pandangan mereka, adalah tekaan arah yang salah .

Pendirian Citi: Peter Lee secara jelas merujuk Paradoks Jevons

Penganalisis semikonduktor Citi, Peter Lee, secara jelas merujuk Paradoks Jevons: kecekapan teknologi yang lebih baik mengurangkan kos penggunaan per unit, yang secara sejarahnya membawa kepada peningkatan — bukan penurunan — dalam jumlah penggunaan sumber . Dalam podcast Citi Research yang dirakam beberapa bulan sebelum pelancaran K3, Lee menyatakan: "Saya fikir kecekapan perisian seperti ini bukanlah ancaman kepada memori. Saya fikir ia positif untuk permintaan kerana ia menjadikan AI lebih murah dan lebih berguna, yang mendorong kitaran pembelian untuk cip canggih yang lebih tinggi. Jadi saya fikir ia seperti Paradoks Jevons" .

Hujah beliau mengapa seni bina Kimi K3 secara khusus mendorong lebih banyak permintaan memori:

• Tetingkap konteks 1 juta token — Setiap panggilan inferens konteks panjang menggunakan KV cache yang besar yang mesti disimpan dalam memori lebar jalur tinggi (HBM) dan DRAM pelayan. Harga per token yang lebih murah bermakna pengguna akan mengisi konteks sejuta token itu dengan lebih kerap, bukan kurang .
• Kespisan MoE adalah ilusi untuk memori — Walaupun Kimi K3 hanya mengaktifkan 16 daripada 896 pakar setiap token (~50B parameter aktif), kesemua 2.8T berat masih mesti dimuatkan ke dalam memori sistem untuk menyokong penghalaan pakar dinamik. Pengehosan sendiri pelepasan berat terbuka (27 Julai) memerlukan kluster dengan terabait server DDR5 dan SSD perusahaan untuk menyimpan dan mengelola keseluruhan model .
• Aliran kerja berasaskan ejen — Gelung penaakulan berbilang langkah (yang K3 dioptimumkan secara khusus) menjana banyak panggilan inferens berurutan setiap tugas, setiap satu menggunakan lebar jalur memori. Inferens yang lebih murah menjadikan rantaian ejen yang lebih panjang berdaya maju dari segi ekonomi, menggandakan penggunaan memori setiap tugas .
• Pengehosan sendiri berat terbuka — Apabila berat penuh didedahkan pada 27 Julai, perusahaan dan penyelidik akan menjalankan contoh mereka sendiri daripada hanya bergantung pada akses API. Setiap penggunaan yang dihoskan sendiri memerlukan kolam memori khusus sendiri (HBM pada GPU, DDR5 pada hos, dan SSD perusahaan untuk penyimpanan/pertukaran model), menggandakan jumlah pangkalan memori terpasang .

Citi juga telah menaikkan ramalan harga memori secara berasingan, menjangkakan harga DRAM boleh melonjak sehingga 200% pada 2026 dan harga HBM meningkat 30% suku ke suku pada S4 2026, menunjukkan mereka sudah menjangkakan kitaran super memori didorong AI sebelum Kimi K3 . Citi juga telah memberi amaran seawal September 2025 bahawa kedua-dua DRAM dan memori kilat NAND akan menghadapi kekurangan bekalan menjelang 2026 .

Pendirian Bank of America Securities: Vivek Arya menggunakan logik yang sama

Bank of America tidak menggunakan frasa "Paradoks Jevons" secara jelas dalam ulasan yang diterbitkan tentang Kimi K3, tetapi panggilan sedia ada dan selepas kejatuhan mereka sejajar dengan logik yang sama:

• "Penyesuaian musim panas, pemulihan musim luruh" — BofA mencirikan penarikan balik semikonduktor (indeks SOX jatuh 11% pada S3) sebagai perubahan mood bermusim dan penyesuaian yang sihat, bukan pembalikan permintaan struktur. Mereka meramalkan pemulihan pada musim luruh apabila pembinaan infrastruktur AI disambung semula .
• Memori "terkurang nilai dan bersedia untuk pengembangan" — Dalam laporan 7 Julai, BofA menyatakan cip memori didagangkan pada hanya 10x pendapatan, jauh di bawah sektor semikonduktor yang lebih luas, dan mengesyorkannya sebagai peluang pembelian .
• Tesis permintaan AI jangka panjang kekal — Tinjauan semikonduktor 2026 BofA mengunjurkan jualan semikonduktor global melebihi $1 trilion buat kali pertama (naik 29% tahun ke tahun), dengan memori (HBM, DDR5, NAND) sebagai pemacu pertumbuhan utama. Mereka secara konsisten berhujah bahawa model AI yang lebih berkemampuan dan lebih murah meluaskan pasaran yang boleh dialamatkan dan bukannya mengecutkannya . Bank of America kemudian menaikkan ramalan TAM semikonduktor 2026nya lagi, kepada $1.3 trilion .
• Selepas Kimi K3, BofA memberitahu pelabur jangan panik — Pada 17 Julai, Vivek Arya mengaitkan kejatuhan yang dicetuskan K3 kepada "perubahan mood bermusim" dan kebimbangan inflasi kos dalam memori, bukan keruntuhan permintaan, menasihati bahawa asas untuk pengeluar cip memori kekal utuh .

Mengapa seni bina itu sendiri mengukuhkan kes kenaikan

Ciri seni bina	Mengapa ia mendorong permintaan memori
2.8T jumlah parameter (MoE)	Walaupun dengan pengaktifan jarang, 2.8T berat mesti berada dalam memori sistem. Pengehosan sendiri berat terbuka memerlukan pelayan dengan kolam DDR5 yang besar dan GPU dilengkapi HBM .
Tetingkap konteks 1M token	KV cache berskala secara linear dengan panjang konteks. Inferens yang lebih murah menggalakkan gesaan yang lebih panjang, meningkatkan penggunaan memori setiap pertanyaan .
Aliran kerja ejen / berbilang langkah	Setiap langkah penaakulan adalah panggilan inferens yang berasingan. Lebih banyak langkah setiap tugas = lebih banyak lebar jalur memori digunakan setiap sesi pengguna .
Pelepasan berat terbuka (27 Julai)	Membolehkan pengehosan sendiri secara meluas. Setiap penggunaan yang dihoskan sendiri menambah jejak memori tetap yang akan disatukan oleh titik akhir API yang dikongsi .
Harga kompetitif (~$3/M token input)	Secara sejarah, setiap penurunan harga AI utama menggandakan jumlah token yang jauh mengatasi keuntungan kecekapan .

Precedent sejarah yang menjadi sandaran kedua-dua bank

Kejatuhan DeepSeek-R1 pada Januari 2025 mengikut corak yang sama: model China yang cekap dan lebih murah menyebabkan panik semikonduktor, dan kemudian permintaan cip sebenarnya dipercepatkan apabila penggunaan meluas . Citi dan BofA melihat Kimi K3 sebagai "DeepSeek 2.0" — ketakutan yang sama, dan kemungkinan hasil akhir yang sama untuk pengeluar memori seperti Samsung, SK Hynix, dan Micron .

Data industri menyokong tesis ini. TrendForce mengunjurkan permintaan HBM akan meningkat 70% tahun ke tahun pada 2026 sahaja, dengan HBM menggunakan 23% daripada jumlah keluaran wafer DRAM . Penganalisis menganggarkan pusat data AI boleh menggunakan ~70% DRAM mewah pada 2026 . Pengeluar memori sendiri — termasuk CEO Micron, Sanjay Mehrotra — telah mengakui kekurangan akan berterusan melepasi 2026 .

Malah pasaran Korea mengiktiraf hujah ini: pada 20 Julai, Chosun Ilbo melaporkan bahawa memo industri sekuriti yang memetik Paradoks Jevons menyebabkan saham Samsung dan SK Hynix bertukar positif sebentar sebelum kejatuhan yang lebih luas disambung semula .

Apa yang bank tidak katakan

Adalah penting untuk mengambil perhatian had tesis ini. Kedua-dua bank tidak mendakwa kejatuhan itu tidak rasional — hanya ianya salah arah. BofA secara jelas mengakui bahawa "ketakutan inflasi kos dalam memori" yang sah sebahagiannya mendorong penurunan itu . Ramalan harga memori Citi, walaupun menaik, juga membayangkan tekanan harga yang boleh menekan syarikat AI hiliran. Dan Bank of America tidak menggunakan frasa "Paradoks Jevons" secara jelas dalam ulasan Kimi K3 yang diterbitkan; penjajaran logik mereka disimpulkan daripada panggilan sedia ada dan selepas kejatuhan mereka .

Kesimpulan

Kedua-dua bank mengakui ketakutan pasaran jangka pendek, tetapi pendirian konsisten mereka ialah kos Kimi K3 yang lebih rendah dan pelepasan berat terbuka akan meluaskan penggunaan AI, meningkatkan jumlah volum inferens, dan meningkatkan permintaan memori — bukan menjejaskannya. Paradoks Jevons, pertama kali diperhatikan dalam penggunaan arang batu abad ke-19, mungkin menjadi rangka kerja yang paling boleh dipercayai untuk memahami permintaan semikonduktor AI pada 2026.