Paniek om Kimi K3? Wall Street-banken zeggen: precies de verkeerde gok

Op 16 juli 2026 onthulde Moonshot AI Kimi K3, een open-weight model met 2,8 biljoen parameters dat de prestaties van toonaangevende Amerikaanse modellen evenaarde of overtrof tegen ongeveer de helft van de kosten. De markt reageerde onmiddellijk en genadeloos: de PHLX Semiconductor Index daalde 12,5% in een week, Nvidia verloor 2,5% op één dag, en beleggers maakten dezelfde angst mee die de markten in de greep hield tijdens DeepSeek-R1 in januari 2025 — dat goedkopere, efficiëntere AI de vraag naar de chips die het aandrijven zou doen kelderen .

Twee Wall Street-banken namen het tegenovergestelde standpunt in. Citi en Bank of America Securities betoogden allebei dat de verkoopgolf precies de verkeerde gok was, en ze haalden een 160 jaar oude economische theorie aan om uit te leggen waarom: de Jevons Paradox.

De Jevons Paradox-argumentatie in een notendop

Citi en Bank of America Securities stellen allebei dat Kimi K3's efficiëntiedoorbraak de totale vraag naar geheugenchips zal doen toenemen in plaats van afnemen, omdat het verlagen van de kosten per token AI drastisch toegankelijker en breder inzetbaar maakt — een schoolvoorbeeld van de Jevons Paradox. De selloff van 16 juli was volgens hen de verkeerde richting .

Citi's positie: Peter Lee verwijst expliciet naar de paradox

Citi-halfgeleideranalist Peter Lee verwijst expliciet naar de Jevons Paradox: verbeterde technologische efficiëntie verlaagt de kosten per eenheid, wat historisch leidt tot een toename — niet een afname — van het totale verbruik . In een Citi Research-podcast die maanden voor K3's lancering werd opgenomen, stelde Lee: "Ik denk dat dit soort software-efficiëntie geen bedreiging is voor geheugen. Ik denk dat het positief is voor de vraag omdat het AI goedkoper en nuttiger maakt, wat een inkoopcyclus van nog hogere vraag naar de geavanceerde chips aandrijft. Dus ik denk dat het de Jevons paradox is" .

Zijn redenatie waarom Kimi K3's architectuur specifiek meer geheugenvraag aandrijft:

• 1M-token contextvenster — Elke inferentieaanroep met een lange context verbruikt een enorme KV-cache die in high-bandwidth memory (HBM) en server-DRAM moet worden opgeslagen. Goedkopere prijzen per token betekenen dat gebruikers dat contextvenster van een miljoen tokens vaker zullen vullen, niet minder .
• MoE-sparsity is een illusie voor geheugen — Hoewel Kimi K3 slechts 16 van de 896 experts per token activeert (~50B actieve parameters), moeten de volledige 2,8T-gewichten nog steeds in het systeemgeheugen worden geladen om dynamische expertroutering te ondersteunen. Zelfhosting van de open-weight release (27 juli) vereist clusters met terabytes aan server-DDR5 en enterprise-SSD's om het hele model te kunnen bevatten en pagineren .
• Agent-gebaseerde workflows — Agentische, meerstaps redeneerloops (waar K3 specifiek voor is geoptimaliseerd) genereren meerdere sequentiële inferentieaanroepen per taak, die elk geheugenbandbreedte verbruiken. Goedkopere inferentie maakt langere agentketens economisch haalbaar, wat het geheugengebruik per taak opstapelt .
• Open-weight zelfhosting — Wanneer de volledige gewichten op 27 juli openbaar worden, zullen bedrijven en onderzoekers hun eigen instanties draaien in plaats van uitsluitend afhankelijk te zijn van API-toegang. Elke zelfgehoste implementatie vereist zijn eigen speciale geheugenpool (HBM op de GPU's, DDR5 op de host, en enterprise-SSD's voor modelopslag/-wisseling), wat de totale geïnstalleerde geheugenbasis vermenigvuldigt .

Citi heeft ook afzonderlijk de geheugenprijsverwachtingen fors verhoogd, met een voorspelling dat DRAM-prijzen in 2026 tot 200% zouden kunnen stijgen en HBM-prijzen in Q4 2026 met 30% kwartaal-op-kwartaal, wat aangeeft dat ze al vóór Kimi K3 een door AI gedreven geheugensupercyclus verwachtten . Citi waarschuwde al in september 2025 dat zowel DRAM als NAND-flashgeheugen in 2026 in een tekort zouden komen .

Bank of America Securities' positie: Vivek Arya past dezelfde logica toe

Bank of America heeft de term "Jevons Paradox" niet expliciet gebruikt in gepubliceerd commentaar over Kimi K3, maar hun al bestaande en na-de-selloff oproepen sluiten aan bij dezelfde logica:

• "Zomerreset, najaarsherstel" — BofA karakteriseerde de halfgeleiderterugval (de SOX-index daalde 11% in Q3) als een seizoensgebonden stemmingswisseling en een gezonde reset, niet een structurele omkering van de vraag. Ze voorspelden een herstel in de herfst naarmate de AI-infrastructuurbouw wordt hervat .
• Geheugen is "ondergewaardeerd en klaar voor expansie" — In een rapport van 7 juli merkte BofA op dat geheugenchips tegen slechts 10x de winst worden verhandeld, aanzienlijk onder de bredere halfgeleidersector, en beval ze aan als een koopkans .
• Langetermijn-AI-vraagthese intact — BofA's halfgeleidervooruitzicht voor 2026 voorspelde dat de wereldwijde halfgeleiderverkopen voor het eerst de $1 biljoen zouden overschrijden (+29% j-o-j), met geheugen (HBM, DDR5, NAND) als de primaire groeimotor. Ze hebben consequent betoogd dat capabelere, goedkopere AI-modellen de totale markt vergroten in plaats van verkleinen . Bank of America verhoogde later zijn 2026-halfgeleider-TAM-voorspelling nog verder, naar $1,3 biljoen .
• Na Kimi K3 zei BofA tegen beleggers: geen paniek — Op 17 juli schreef Vivek Arya de door K3 veroorzaakte selloff toe aan "seizoensgebonden stemmingswisselingen" en kosteninflatie-angsten in geheugen, niet aan een vraaginstorting, en adviseerde dat de fundamenten voor geheugenchipmakers intact blijven .

Waarom de architectuur zelf de stierencasus versterkt

Architectonisch kenmerk	Waarom het de geheugenvraag stimuleert
2,8T totale parameters (MoE)	Zelfs met sparse activatie moeten 2,8T-gewichten in het systeemgeheugen verblijven. Open-weight zelfhosting vereist servers met grote DDR5-pools en HBM-uitgeruste GPU's .
1M-token contextvenster	De KV-cache schaalt lineair met de contextlengte. Goedkopere inferentie stimuleert langere prompts, wat het geheugengebruik per query verhoogt .
Agentische / meerstaps workflows	Elke redeneerstap is een aparte inferentieaanroep. Meer stappen per taak = meer geheugenbandbreedte gebruikt per gebruikerssessie .
Open-weight release (27 juli)	Maakt wijdverspreide zelfhosting mogelijk. Elke zelfgehoste implementatie voegt een vaste geheugenvoetafdruk toe die een gedeeld API-eindpunt zou hebben geconsolideerd .
Concurrerende prijzen (~$3/M tokens input)	Historisch gezien vermenigvuldigde elke grote AI-prijsdaling het totale tokenvolume, wat de efficiëntiewinst verre overtrof .

Het historische precedent waar beide banken op leunen

De DeepSeek-R1-selloff in januari 2025 volgde hetzelfde patroon: een goedkoper, efficiënt Chinees model veroorzaakte een halfgeleiderpaniek, waarna de chipvraag juist versnelde naarmate de inzet verbreedde . Citi en BofA zien Kimi K3 als "DeepSeek 2.0" — dezelfde angst, en waarschijnlijk dezelfde uiteindelijke uitkomst voor geheugenmakers als Samsung, SK Hynix en Micron .

Industriegegevens ondersteunen de these. TrendForce voorspelde dat de HBM-vraag in 2026 alleen al met 70% jaar-op-jaar zou toenemen, waarbij HBM 23% van de totale DRAM-waferproductie zou opslokken . Analisten schatten dat AI-datacenters in 2026 ~70% van de high-end DRAM zouden kunnen verbruiken . Geheugenfabrikanten zelf — waaronder Micron-CEO Sanjay Mehrotra — hebben toegegeven dat tekorten tot na 2026 zullen aanhouden .

Zelfs de Koreaanse markt herkende het argument: op 20 juli meldde de Chosun Ilbo dat een memo uit de effectenindustrie waarin de Jevons Paradox werd aangehaald, de aandelen van Samsung en SK Hynix kortstondig positief deed omkeren voordat de bredere selloff werd hervat .

Wat de banken niet zeggen

Het is belangrijk om de grenzen van deze these te noteren. Geen van beide banken beweert dat de selloff irrationeel was — alleen dat hij in de verkeerde richting ging. BofA erkende expliciet dat legitieme "kosteninflatie-angsten in geheugen" mede de daling veroorzaakten . Citi's geheugenprijsvoorspellingen, hoewel bullish, impliceren ook prijsdruk die stroomafwaartse AI-bedrijven zou kunnen knellen. En Bank of America heeft de term "Jevons Paradox" niet expliciet gebruikt in gepubliceerd Kimi K3-commentaar; de afstemming van hun logica is afgeleid uit hun al bestaande en na-de-selloff oproepen .

Conclusie

Beide banken erkennen de kortetermijnangst van de markt, maar hun consistente standpunt is dat Kimi K3's lagere kosten en open-weight release de AI-adoptie zullen verbreden, het totale inferentievolume zullen verhogen en de geheugenvraag zullen doen stijgen — niet doen stranden. De Jevons Paradox, voor het eerst waargenomen in 19e-eeuws kolenverbruik, zou wel eens het meest betrouwbare raamwerk kunnen blijken om de halfgeleidervraag van AI in 2026 te begrijpen.