Paradoks Jevonsa: Dlaczego Citi i Bank of America uważają, że chiński model AI Kimi K3 zwiększy popyt na układy pamięci, a nie go zmniejszy

Stanowisko Citi: Peter Lee wprost przywołuje paradoks

Analityk półprzewodników Citi, Peter Lee, wyraźnie odwołuje się do paradoksu Jevonsa: poprawa wydajności technologicznej obniża jednostkowy koszt użytkowania, co historycznie prowadzi do wzrostu – a nie spadku – całkowitego zużycia zasobów . W podcaście Citi Research nagranym na miesiące przed premierą K3, Lee stwierdził wprost: „Uważam, że tego rodzaju wydajność oprogramowania nie jest zagrożeniem dla pamięci. Myślę, że jest pozytywna dla popytu, ponieważ czyni AI tańszą i bardziej użyteczną, co napędza cykl zakupowy jeszcze wyższego popytu na zaawansowane układy scalone. Więc myślę, że to jak paradoks Jevonsa” .

Oto jego argumentacja, dlaczego architektura Kimi K3 konkretnie napędza większy popyt na pamięć:

• Okno kontekstowe 1 miliona tokenów – Każde wywołanie wnioskowania z długim kontekstem zużywa ogromną pamięć podręczną KV (key-value cache), która musi być przechowywana w pamięci HBM i serwerowej pamięci DRAM. Tańsze ceny za token oznaczają, że użytkownicy będą częściej wypełniać ten milionowy kontekst, a nie rzadziej .
• Sparsity MoE jest mirażem dla pamięci – Mimo że Kimi K3 aktywuje tylko 16 z 896 ekspertów na token (~50 mld aktywnych parametrów), wszystkie 2,8 biliona wag musi zostać załadowanych do pamięci systemowej, aby obsłużyć dynamiczne kierowanie do ekspertów. Samodzielne hostowanie wersji open-weight (27 lipca) będzie wymagać klastrów z terabajtami serwerowej pamięci DDR5 i korporacyjnych dysków SSD do przechowywania i stronicowania całego modelu .
• Przepływy pracy oparte na agentach – Agentowe, wieloetapowe pętle wnioskowania (do których K3 jest specjalnie zoptymalizowany) generują wiele sekwencyjnych wywołań wnioskowania na zadanie, z których każde zużywa przepustowość pamięci. Tańsze wnioskowanie sprawia, że dłuższe łańcuchy agentów stają się ekonomicznie opłacalne, zwiększając zużycie pamięci na zadanie .
• Samodzielne hostowanie wag – Gdy pełne wagi zostaną udostępnione publicznie 27 lipca, przedsiębiorstwa i naukowcy będą uruchamiać własne instancje, zamiast polegać wyłącznie na dostępie API. Każde wdrożenie na własnym serwerze wymaga własnej dedykowanej puli pamięci (HBM w GPU, DDR5 na hoście i korporacyjnych dysków SSD do przechowywania/zamianiany modeli), co mnoży całkowitą zainstalowaną bazę pamięci .

Citi osobno również gwałtownie podniosło prognozy cen pamięci, przewidując, że ceny DRAM mogą wzrosnąć nawet o 200% w 2026 roku, a ceny HBM o 30% kwartał do kwartału w Q4 2026, co wskazuje, że spodziewali się już napędzanego przez AI supercyklu pamięciowego przed premierą Kimi K3 . Citi ostrzegało już we wrześniu 2025 roku, że zarówno pamięci DRAM, jak i NAND flash wejdą w niedobór do 2026 roku .

Stanowisko Bank of America Securities: Vivek Arya stosuje tę samą logikę

Bank of America nie użył wprost wyrażenia „paradoks Jevonsa” w opublikowanych komentarzach na temat Kimi K3, ale ich wcześniejsze i powyprzedażowe zalecenia są zgodne z tą samą logiką:

• „Letni reset, jesienne odbicie” – BofA określił wycofanie się z sektora półprzewodników (indeks SOX spadł o 11% w Q3) jako sezonową zmianę nastrojów i zdrowy reset, a nie strukturalne odwrócenie popytu. Przewidzieli odbicie jesienią, wraz z wznowieniem budowy infrastruktury AI .
• Pamięci są „niedowartościowane i gotowe do ekspansji” – W raporcie z 7 lipca BofA zauważył, że akcje spółek pamięciowych są notowane przy mnożniku zysków wynoszącym zaledwie 10, znacznie poniżej szerszego sektora półprzewodników, i zalecił je jako okazję do zakupu .
• Długoterminowa teza popytu na AI pozostaje nienaruszona – Prognoza półprzewodników BofA na 2026 rok zakładała, że globalna sprzedaż półprzewodników po raz pierwszy przekroczy 1 bilion dolarów (wzrost o 29% rok do roku), a głównym motorem wzrostu będą pamięci (HBM, DDR5, NAND). Konsekwentnie argumentowali, że bardziej wydajne i tańsze modele AI poszerzają rynek docelowy, a nie go kurczą . Bank of America później jeszcze bardziej podniósł prognozę całkowitego rynku półprzewodników (TAM) na 2026 rok, do 1,3 biliona dolarów .
• Po premierze Kimi K3 BofA radził inwestorom, aby nie panikowali – 17 lipca Vivek Arya przypisał wyprzedaż wywołaną przez K3 „sezonowym wahaniom nastrojów” i obawom przed inflacją kosztów w pamięciach, a nie załamaniu popytu, doradzając, że fundamenty producentów układów pamięci pozostają nienaruszone .

Dlaczego sama architektura wzmacnia byczą tezę

Historyczny precedens, na który powołują się oba banki

Wyprzedaż akcji po premierze DeepSeek-R1 w styczniu 2025 roku przebiegła według tego samego schematu: tańszy, wydajny chiński model wywołał panikę w sektorze półprzewodników, a następnie popyt na układy scalone faktycznie przyspieszył wraz z szerszym wdrożeniem . Citi i BofA postrzegają Kimi K3 jako „DeepSeek 2.0” – ten sam strach i prawdopodobnie ten sam ostateczny wynik dla producentów pamięci, takich jak Samsung, SK Hynix i Micron .

Dane branżowe potwierdzają tę tezę. TrendForce prognozował, że popyt na HBM wzrośnie o 70% rok do roku w samym 2026 roku, a HMB będzie stanowić 23% całkowitej produkcji wafli DRAM . Analitycy szacują, że centra danych AI mogą w 2026 roku konsumować około 70% wysokiej klasy pamięci DRAM . Sami producenci pamięci – w tym dyrektor generalny Microna, Sanjay Mehrotra – przyznali, że niedobory będą się utrzymywać poza 2026 rok .

Nawet rynek koreański dostrzegł ten argument: 20 lipca dziennik Chosun Ilbo poinformował, że wewnętrzna notatka branży papierów wartościowych, powołująca się na paradoks Jevonsa, spowodowała, że akcje Samsunga i SK Hynix na krótko odbiły na plus, zanim szersza wyprzedaż została wznowiona .

Czego banki nie mówią

Należy zauważyć ograniczenia tej tezy. Żaden z banków nie twierdzi, że wyprzedaż była irracjonalna – jedynie, że była kierunkowo błędna. BofA wyraźnie przyznał, że uzasadnione „obawy przed inflacją kosztów w pamięciach” częściowo napędzały spadek . Prognozy cen pamięci Citi, choć optymistyczne, również implikują presję cenową, która mogłaby uciskać firmy z branży AI na niższych szczeblach łańcucha wartości. Ponadto Bank of America nie użył wprost wyrażenia „paradoks Jevonsa” w opublikowanych komentarzach na temat Kimi K3; zgodność ich logiki wynika z ich wcześniejszych i powyprzedażowych zaleceń .

Podsumowanie

Oba banki dostrzegają krótkoterminowy strach rynkowy, ale ich konsekwentne stanowisko jest takie, że niższy koszt i udostępnienie wag Kimi K3 poszerzą adopcję AI, zwiększą całkowity wolumen wnioskowania i podniosą popyt na pamięć – a nie go osłabią. Paradoks Jevonsa, zaobserwowany po raz pierwszy w XIX wieku w zużyciu węgla, może okazać się najbardziej niezawodnym kluczem do zrozumienia popytu na półprzewodniki w erze AI w 2026 roku.