Derfor sier Citi og Bank of America at Kimi K3 faktisk er bra for minnebrikker

Citis posisjon: Peter Lee viser eksplisitt til paradokset

Citi-halvlederanalytiker Peter Lee viser eksplisitt til Jevons-paradokset: Forbedret teknologisk effektivitet senker enhetskostnaden ved bruk, noe som historisk fører til en økning – ikke en nedgang – i totalt ressursforbruk . I en Citi Research-podcast innspilt måneder før K3-lanseringen sa Lee direkte: "Jeg tror denne typen programvareeffektivitet ikke er en trussel mot minne. Jeg tror den er positiv for etterspørselen fordi den gjør KI billigere og mer nyttig, noe som driver en innkjøpssyklus med enda høyere etterspørsel etter avanserte brikker. Så jeg tror det er som Jevons-paradokset" .

Hans begrunnelse for hvorfor Kimi K3s arkitektur spesifikt driver mer etterspørsel etter minne:

• 1 million tokens kontekstvindu – Hvert langkontekst-inferansekall forbruker en massiv KV-cache som må lagres i høybåndbreddeminne (HBM) og server-DRAM. Billigere prising per token betyr at brukere vil fylle kontekstvinduet på én million tokens oftere, ikke sjeldnere .
• MoE-sparsitet er en illusjon for minne – Selv om Kimi K3 kun aktiverer 16 av 896 eksperter per token (omtrent 50 milliarder aktive parametre), må alle de 2,8 billionene med vekter likevel lastes inn i systemminnet for å støtte dynamisk ekspertruting. Å selv hoste den åpne vektutgivelsen (27. juli) vil kreve klynger med terabyte med server-DDR5 og bedrifts-SSD-er for å lagre og sidestille hele modellen .
• Agentbaserte arbeidsflyter – Agentiske, flertrinns resonneringssløyfer (som K3 er spesifikt optimalisert for) genererer mange sekvensielle inferansekall per oppgave, som hver forbruker minnebåndbredde. Billigere inferanse gjør lengre agentkjeder økonomisk levedyktige, noe som forsterker minneforbruket per oppgave .
• Selv-hosting av åpne vekter – Når de fulle vektene blir offentlige 27. juli, vil bedrifter og forskere kjøre sine egne instanser i stedet for kun å stole på API-tilgang. Hver selv-hostede distribusjon krever sin egen dedikerte minnepool (HBM på GPUene, DDR5 på vertsmaskinen og bedrifts-SSD-er for modellagring/veksling), noe som multipliserer den totale installerte minnebasen .

Citi har også separat hevet minneprisprognosene kraftig, og anslår at DRAM-prisene kan stige med opptil 200 prosent i 2026 og HBM-prisingen kan øke 30 prosent kvartal-over-kvartal i fjerde kvartal 2026, noe som indikerer at de allerede forventet en KI-drevet minnesupersyklus før Kimi K3 . Citi hadde også advart allerede i september 2025 om at både DRAM- og NAND-flashminne ville gå inn i tilbudsmangel innen 2026 .

Bank of America Securities' posisjon: Vivek Arya anvender samme logikk

Bank of America har ikke eksplisitt brukt uttrykket "Jevons-paradokset" i publiserte kommentarer om Kimi K3, men deres eksisterende og etter-salgs-utsagn følger samme logikk:

• "Sommerkorreksjon, høstoppgang" – BofA karakteriserte halvledertilbakeslaget (SOX-indeksen falt 11 prosent i tredje kvartal) som en sesongmessig humørsvingning og en sunn korreksjon, ikke en strukturell etterspørselssvekkelse. De spår en oppgang til høsten ettersom KI-infrastrukturinvesteringene tar seg opp igjen .
• Minne er "undervurdert og klart for ekspansjon" – I en rapport 7. juli bemerket BofA at minnebrikker handles til bare 10 ganger inntjening, betydelig lavere enn den bredere halvledersektoren, og anbefalte dem som en kjøpsmulighet .
• Langsiktig KI-etterspørselstese intakt – BofAs halvlederutsikter for 2026 anslår at globale halvledersalg for første gang vil overstige 1 billion dollar (opp 29 prosent år-over-år), med minne (HBM, DDR5, NAND) som den primære vekstdriveren. De har konsekvent argumentert for at mer kapable og billigere KI-modeller utvider det adresserbare markedet snarere enn å krympe det . Bank of America hevet senere sin prognose for det totale halvledermarkedet (TAM) i 2026 ytterligere, til 1,3 billioner dollar .
• Etter Kimi K3 ba BofA investorene om ikke å få panikk – 17. juli tilskrev Vivek Arya det K3-utløste salget til "sesongmessige humørsvingninger" og kostnadsinflasjonsfrykt innen minne, ikke et etterspørselskollaps, og rådet at fundamentale forhold for minnebrikkeprodusenter forblir intakte .

Hvorfor arkitekturen i seg selv forsterker oksesynet

Det historiske presedenset begge bankene lener seg på

DeepSeek-R1-salget i januar 2025 fulgte samme mønster: en billigere, effektiv kinesisk modell forårsaket panikk i halvledermarkedet, og deretter akselererte etterspørselen etter brikker etter hvert som utbredelsen økte . Citi og BofA ser Kimi K3 som "DeepSeek 2.0" – samme frykt, og sannsynligvis samme sluttresultat for minneprodusenter som Samsung, SK Hynix og Micron .

Bransjedata støtter tesen. TrendForce anslår at HBM-etterspørselen vil øke 70 prosent år-over-år i 2026 alene, med HBM som forbruker 23 prosent av total DRAM-utbytte . Analytikere anslår at KI-datasentre kan forbruke omtrent 70 prosent av all high-end DRAM i 2026 . Minneprodusentene selv – inkludert Microns konsernsjef Sanjay Mehrotra – har erkjent at mangelen vil vedvare utover 2026 .

Selv det koreanske markedet kjente igjen argumentet: 20. juli rapporterte Chosun Ilbo at et memorandum fra verdipapirbransjen som siterte Jevons-paradokset, førte til at Samsung- og SK Hynix-aksjer kortvarig snudde til positivt før det bredere salget fortsatte .

Hva bankene ikke sier

Det er viktig å merke seg begrensningene i denne tesen. Ingen av bankene hevder at salget var irrasjonelt – bare at det var retningsmessig feil. BofA erkjente eksplisitt at legitim "kostnadsinflasjonsfrykt innen minne" delvis drev nedgangen . Citis minneprisprognoser, selv om de er oksesinnede, innebærer også prispress som kan klemme underliggende KI-selskaper. Og Bank of America har ikke eksplisitt brukt uttrykket "Jevons-paradokset" i publisert Kimi K3-kommentar; samsvaret i logikken deres er utledet fra deres eksisterende og etter-salgs-utsagn .

Bunnlinjen

Begge bankene erkjenner den kortsiktige markedsfrykten, men deres konsekvente posisjon er at Kimi K3s lavere kostnad og åpne vektutgivelse vil bremse KI-adopsjonen, øke det totale inferansevolumet og løfte minneetterspørselen – ikke stagge den. Jevons-paradokset, først observert i 1800-tallets kullforbruk, kan vise seg å være den mest pålitelige rammen for å forstå KIs halvlederetterspørsel i 2026.