Därför tror Citi och Bank of America att Kimi K3:s lansering gynnar minneschipen

Den 16 juli 2026 lanserade Moonshot AI Kimi K3, en öppen modell med 2,8 biljoner parametrar som matchar eller överträffar de främsta amerikanska modellerna till ungefär halva kostnaden. Marknadsreaktionen var omedelbar och brutal: PHLX Semiconductor Index föll 12,5 procent på en vecka, Nvidia tappade 2,5 procent på en enda dag, och investerarna återupplevde samma rädsla som grep marknaderna under DeepSeek-R1 i januari 2025 – att billigare och effektivare AI skulle minska efterfrågan på de chip som driver den .

Två Wall Street-banker intog motsatt ståndpunkt. Citi och Bank of America Securities menade båda att utförsäljningen var fel satsning, och de hänvisade till en 160 år gammal ekonomisk teori för att förklara varför: Jevons paradox.

Jevons paradox i ett nötskal

Citi och Bank of America Securities argumenterar båda för att Kimi K3:s effektivitetsgenombrott kommer att öka den totala efterfrågan på minneskretsar snarare än minska den, eftersom en lägre kostnad per token gör AI dramatiskt mer tillgängligt och utbrett – ett klassiskt utfall av Jevons paradox. Utförsäljningen den 16 juli var, enligt dem, fel väg att gå .

Citis position: Peter Lee hänvisar explicit till paradoxen

Citis halvledaranalytiker Peter Lee hänvisar uttryckligen till Jevons paradox: förbättrad teknisk effektivitet sänker enhetskostnaden, vilket historiskt leder till en ökning – inte en minskning – av den totala resursförbrukningen . I en Citi Research-podd inspelad månader före K3:s lansering sade Lee: ”Jag tror att den här typen av mjukvarueffektivitet inte är ett hot mot minne. Jag tror att det är positivt för efterfrågan eftersom det gör AI billigare och mer användbart, vilket driver en inköpscykel med ännu högre efterfrågan på avancerade chip. Så jag tror att det är Jevons paradox” .

Hans resonemang om varför Kimi K3:s arkitektur specifikt driver mer minnesefterfrågan:

• Kontextfönster på 1 miljon token – Varje inferensanrop med långt kontextförbrukar en massiv KV-cache som måste lagras i högbandbreddsminne (HBM) och server-DRAM. Billigare prissättning per token innebär att användarna kommer att fylla det miljon-token långa kontextfönstret oftare, inte mer sällan .
• MoE-sparsitet är en chimär för minne – Även om Kimi K3 bara aktiverar 16 av 896 experter per token (cirka 50 miljarder aktiva parametrar), måste de fulla 2,8 biljoner vikterna fortfarande laddas in i systemminnet för att stödja dynamisk expertdirigering. Egen drift av den öppna viktsläppningen (27 juli) kommer att kräva kluster med terabyte av server-DDR5 och företags-SSD:er för att hålla och växla in hela modellen .
• Agentbaserade arbetsflöden – Agentiska, flerstegs-resonemangsslingor (som K3 är särskilt optimerad för) genererar många sekventiella inferensanrop per uppgift, som var och en förbrukar minnesbandbredd. Billigare inferens gör längre agentkedjor ekonomiskt lönsamma, vilket ökar minnesförbrukningen per uppgift .
• Egen drift av öppna vikter – När de fulla vikterna blir offentliga den 27 juli kommer företag och forskare att köra egna instanser i stället för att enbart förlita sig på API-åtkomst. Varje egen installation kräver en egen dedikerad minnespool (HBM på GPU:erna, DDR5 på värden och företags-SSD:er för modellagring/växling), vilket mångfaldigar den totala installerade minnesbasen .

Citi har också separat höjt sina prognoser för minnespriser kraftigt och förutspår att DRAM-priserna kan stiga med upp till 200 procent under 2026 och att HBM-priserna kan öka med 30 procent kvartalsvis under fjärde kvartalet 2026, vilket indikerar att de redan förväntade sig en AI-driven minnessupercykel före Kimi K3 . Citi hade redan i september 2025 varnat för att både DRAM och NAND-flashminne skulle gå in i ett utbudsunderskott under 2026 .

Bank of America Securities position: Vivek Arya tillämpar samma logik

Bank of America har inte explicit använt frasen ”Jevons paradox” i publicerad kommentar om Kimi K3, men deras befintliga analyser och uttalanden efter utförsäljningen följer samma logik:

• ”Sommar-återställning, höst-återhämtning” – BofA karaktäriserade halvledarnas nedgång (SOX-index föll 11 procent under Q3) som en säsongsmässig svängning och en sund återställning, inte en strukturell efterfrågevändning. De förutspådde en återhämtning under hösten i takt med att AI-infrastrukturutbyggnaden återupptas .
• Minne är ”undervärderat och redo för expansion” – I en rapport den 7 juli noterade BofA att minneskretsar handlas till bara 10 gånger vinsten, betydligt under den bredare halvledarsektorn, och rekommenderade dem som ett köptillfälle .
• Långsiktig AI-efterfrågan intakt – BofA:s halvledarprognos för 2026 förutspådde att den globala halvledarförsäljningen för första gången skulle överstiga 1 biljon dollar (en ökning med 29 procent jämfört med föregående år), med minne (HBM, DDR5, NAND) som den främsta tillväxtmotorn. Banken har konsekvent argumenterat för att mer kapabla och billigare AI-modeller breddar den adresserbara marknaden snarare än krymper den . Bank of America höjde senare sin prognos för den totala adresserbara marknaden för halvledare 2026 ytterligare, till 1,3 biljoner dollar .
• Efter Kimi K3: BofA uppmanade investerare att inte få panik – Den 17 juli hänförde Vivek Arya den K3-utlösta utförsäljningen till ”säsongsmässiga svängningar” och kostnadsinflationsrädsla inom minne, inte en efterfrågekollaps, och rådde att fundamenten för minnestillverkarna är intakta .

Varför arkitekturen i sig förstärker den positiva synen

Arkitektonisk egenskap	Varför den driver minnesefterfrågan
2,8 biljoner totala parametrar (MoE)	Även med gles aktivering måste 2,8 biljoner vikter finnas i systemminnet. Egen drift av öppna vikter kräver servrar med stora DDR5-pooler och HBM-utrustade GPU:er .
Kontextfönster på 1 miljon token	KV-cachen skalar linjärt med kontextlängden. Billigare inferens uppmuntrar till längre uppmaningar, vilket ökar minnesförbrukningen per fråga .
Agentiska / flerstegsarbetsflöden	Varje resonemangssteg är ett separat inferensanrop. Fler steg per uppgift = mer minnesbandbredd som används per användarsession .
Öppen viktsläpp (27 juli)	Möjliggör utbredd egen drift. Varje egen installation lägger till ett fast minnesfotavtryck som en delad API-slutpunkt skulle ha konsoliderat .
Konkurrenskraftig prissättning (cirka 3 USD/M tokens indata)	Historiskt har varje större AI-prissänkning ökat den totala tokenvolymen långt mer än effektivitetsvinsten .

Det historiska prejudikat som båda bankerna lutar sig mot

DeepSeek-R1-utförsäljningen i januari 2025 följde samma mönster: en billigare, effektiv kinesisk modell orsakade halvledarpanik, och sedan accelererade chipbehovet i takt med att användningen breddades . Citi och BofA ser Kimi K3 som ”DeepSeek 2.0” – samma rädsla, och troligen samma slutresultat för minnestillverkare som Samsung, SK Hynix och Micron .

Industridata stöder tesen. TrendForce förutspådde att HBM-efterfrågan skulle öka med 70 procent år 2026, med HBM som förbrukar 23 procent av den totala DRAM-skivproduktionen . Analytiker uppskattar att AI-datacenter kan förbruka cirka 70 procent av allt högklassigt DRAM under 2026 . Minnes tillverkarna själva – inklusive Microns vd Sanjay Mehrotra – har medgett att bristen kommer att bestå även efter 2026 .

Även den koreanska marknaden noterade argumentet: den 20 juli rapporterade Chosun Ilbo att ett memo från värdepappersbranschen som hänvisade till Jevons paradox fick Samsung- och SK Hynix-aktier att kortvarigt vända till positivt innan den bredare utförsäljningen återupptogs .

Vad bankerna inte säger

Det är viktigt att notera begränsningarna i denna tes. Ingen av bankerna påstår att utförsäljningen var irrationell – bara att den var felriktad. BofA erkände uttryckligen att legitima ”kostnadsinflationsrädslor inom minne” delvis drev nedgången . Citis minnesprisprognoser, även om de är hausseartade, innebär också prispress som kan klämma AI-företag längre ner i kedjan. Och Bank of America har inte explicit använt frasen ”Jevons paradox” i publicerade kommentarer om Kimi K3; överensstämmelsen i deras logik är härledd från deras befintliga och efterföljande uttalanden .

Slutsats

Båda bankerna erkänner den kortsiktiga marknadsrädslan, men deras konsekventa ståndpunkt är att Kimi K3:s lägre kostnad och öppna viktläppning kommer att bredda AI-användningen, öka den totala inferensvolymen och höja minnesefterfrågan – inte minska den. Jevons paradox, först observerad på 1800-talets kolmarknad, kan visa sig vara den mest pålitliga ramen för att förstå AI:s halvledarefterfrågan under 2026.