แต่ในทางตรงกันข้าม ธนาคารวอลล์สตรีทสองแห่งกลับมองต่างออกไป Citi และ Bank of America Securities (BofA) ต่างโต้แย้งว่าการเทขายครั้งนี้เป็นการตัดสินใจที่ผิดทิศทาง และพวกเขาได้อ้างถึงทฤษฎีเศรษฐศาสตร์อายุ 160 ปี มาอธิบายว่าเพราะเหตุใด: Jevons Paradox

สาระสำคัญของทฤษฎี Jevons Paradox

ทั้ง Citi และ BofA Securities โต้แย้งว่าการพัฒนาเชิงประสิทธิภาพของ Kimi K3 จะ เพิ่ม ความต้องการชิปหน่วยความจำโดยรวม แทนที่จะลดลง เนื่องจากการลดต้นทุนต่อ Token ในการ Inference (การประมวลผล) ทำให้ AI เข้าถึงได้ง่ายและถูกนำไปใช้ในวงกว้างมากขึ้น นี่คือผลลัพธ์ของ 'Jevons Paradox' โดยแท้

จุดยืนของ Citi: Peter Lee เรียกทฤษฎีนี้อย่างชัดเจน

Peter Lee นักวิเคราะห์เซมิคอนดักเตอร์ของ Citi อธิบายอย่างชัดเจนถึง Jevons Paradox: ประสิทธิภาพทางเทคโนโลยีที่ดีขึ้นช่วยลดต้นทุนต่อหน่วยการใช้งาน ซึ่งในอดีตมักนำไปสู่การเพิ่มขึ้นของปริมาณการใช้ทรัพยากรทั้งหมด ไม่ใช่การลดลง ในพอดแคสต์ของ Citi Research ก่อนที่ K3 จะเปิดตัว Lee กล่าวว่า "ผมคิดว่าประสิทธิภาพของซอฟต์แวร์แบบนี้ไม่ใช่ภัยคุกคามต่อหน่วยความจำ มันเป็นผลดีต่อดีมานด์ เพราะมันทำให้ AI ราคาถูกลงและมีประโยชน์มากขึ้น ซึ่งขับเคลื่อนวงจรการซื้อชิปขั้นสูงที่มีความต้องการสูงยิ่งขึ้นไปอีก ดังนั้นผมจึงคิดว่ามันคือ Jevons Paradox"

เหตุผลของเขาที่ว่าสถาปัตยกรรมของ Kimi K3 นั้นกระตุ้นดีมานด์หน่วยความจำที่มากขึ้น:

• หน้าต่างบริบท (Context Window) 1 ล้าน Token — การเรียกใช้งาน Inference แต่ละครั้งที่มีบริบทยาวนั้นใช้ KV cache ขนาดมหึมาซึ่งต้องเก็บไว้ในหน่วยความจำแบนด์วิดท์สูง (HBM) และ Server DRAM ยิ่งราคาต่อ Token ถูกลง ผู้ใช้ก็จะยิ่งใช้ประโยชน์จากหน้าต่างบริบทขนาดใหญ่นี้มากขึ้น
• MoE Sparsity เป็นภาพลวงตาสำหรับหน่วยความจำ — แม้ว่า Kimi K3 จะเปิดใช้เพียง 16 จาก 896 ผู้เชี่ยวชาญ (experts) ต่อหนึ่ง Token (~50 พันล้านพารามิเตอร์ที่ทำงาน) แต่น้ำหนักโมเดล (weights) ทั้งหมด 2.8 ล้านล้านตัวยังคงต้องถูกโหลดไว้ในระบบหน่วยความจำเพื่อรองรับการจัดเส้นทางแบบไดนามิก การติดตั้งโมเดล (self-hosting) ด้วยตัวเองนั้นจำเป็นต้องใช้คลัสเตอร์ที่มี Server DDR5 และ Enterprise SSD หลายเทราไบต์เพื่อเก็บและจัดการทั้งโมเดล
• งานที่ใช้ Agent-based — วงจรการให้เหตุผลแบบหลายขั้นตอน (multi-step reasoning) ซึ่ง K3 ถูกออกแบบมาโดยเฉพาะนั้น จะสร้างการเรียกใช้ Inference หลายครั้งต่อหนึ่งงาน โดยแต่ละครั้งใช้แบนด์วิดท์หน่วยความจำ เมื่อการ Inference ราคาถูกลง การใช้ Agent chain ที่ยาวขึ้นก็จะเป็นไปได้ในเชิงเศรษฐศาสตร์ ส่งผลให้การใช้หน่วยความจำต่องานมากขึ้น
• การติดตั้งเองจาก Open-Weight — เมื่อน้ำหนักโมเดล (weights) ทั้งหมดถูกเผยแพร่ในวันที่ 27 กรกฎาคม องค์กรและนักวิจัยจะสามารถรันโมเดลของตนเองได้ การติดตั้งแต่ละครั้งจำเป็นต้องมีชุดหน่วยความจำเฉพาะของตัวเอง (HBM บน GPU, DDR5 บนเซิร์ฟเวอร์ และ Enterprise SSD สำหรับการสลับ/จัดเก็บโมเดล) ซึ่งจะทวีคูณฐานการติดตั้งหน่วยความจำโดยรวม

นอกจากนี้ Citi ยังได้แยกปรับเพิ่มคาดการณ์ราคาหน่วยความจำอย่างรวดเร็ว โดยคาดว่าราคา DRAM อาจพุ่งสูงขึ้นถึง 200% ในปี 2026 และราคา HBM จะเพิ่มขึ้น 30% เมื่อเทียบเป็นรายไตรมาสใน Q4 ปี 2026 ซึ่งบ่งชี้ว่าพวกเขาคาดหวังถึง 'AI-driven memory supercycle' (วัฏจักรซุปเปอร์ของหน่วยความจำที่ขับเคลื่อนโดย AI) อยู่แล้วก่อนที่ Kimi K3 จะเปิดตัว

จุดยืนของ Bank of America Securities: Vivek Arya ประยุกต์ใช้ตรรกะเดียวกัน

แม้ว่า BofA จะไม่ได้ใช้คำว่า "Jevons Paradox" อย่างชัดเจนในบทวิเคราะห์เกี่ยวกับ Kimi K3 แต่การคาดการณ์ทั้งก่อนและหลังการเทขายนั้นสอดคล้องกับตรรกะเดียวกัน:

• "ถอยในฤดูร้อน ดีดตัวในฤดูใบไม้ร่วง" — BofA มองว่าการปรับฐานของหุ้นเซมิคอนดักเตอร์เป็นเพียงอารมณ์ตามฤดูกาลและการปรับฐานที่สมบูรณ์ ไม่ใช่การกลับตัวของดีมานด์
• หน่วยความจำ "ถูกประเมินต่ำเกินไปและพร้อมจะเติบโต" — ในรายงานเมื่อวันที่ 7 กรกฎาคม BofA ระบุว่าหุ้นกลุ่มหน่วยความจำซื้อขายกันที่ราคาเพียง 10 เท่าของกำไร ซึ่งต่ำกว่าภาคส่วนเซมิคอนดักเตอร์ในภาพรวมอย่างมีนัยสำคัญ และแนะนำให้เป็นโอกาสในการซื้อ
• แนวโน้มดีมานด์ AI ในระยะยาวยังคงแข็งแกร่ง — BofA คาดการณ์ยอดขายเซมิคอนดักเตอร์ทั่วโลกจะทะลุ 1 ล้านล้านดอลลาร์เป็นครั้งแรกในปี 2026 โดยมีหน่วยความจำเป็นตัวขับเคลื่อนหลัก
• หลังการเปิดตัว Kimi K3 BofA แนะนำนักลงทุนอย่าตื่นตระหนก — Vivek Arya ระบุว่าการเทขายที่เกิดจาก K3 นั้นเกิดจาก "อารมณ์ตามฤดูกาล" และความกังวลเรื่องเงินเฟ้อต้นทุนในหน่วยความจำ ไม่ใช่การล่มสลายของดีมานด์

เหตุใดสถาปัตยกรรมของ K3 จึงตอกย้ำมุมมองเชิงบวก

บทเรียนประวัติศาสตร์ที่ธนาคารทั้งสองอ้างถึง

เหตุการณ์เทขาย DeepSeek-R1 ในเดือนมกราคม 2025 เป็นไปในรูปแบบเดียวกัน: โมเดลจีนที่มีราคาถูกและมีประสิทธิภาพทำให้เกิดความตื่นตระหนกในตลาดเซมิคอนดักเตอร์ จากนั้นดีมานด์ชิปก็เร่งตัวขึ้นเมื่อมีการปรับใช้ในวงกว้าง Citi และ BofA มองว่า Kimi K3 คือ "DeepSeek 2.0" — ความกลัวเดียวกัน และน่าจะเป็นผลลัพธ์สุดท้ายแบบเดียวกันสำหรับผู้ผลิตหน่วยความจำอย่าง Samsung, SK Hynix และ Micron

ข้อมูลอุตสาหกรรมก็สนับสนุนข้อโต้แย้งนี้ TrendForce คาดการณ์ว่าดีมานด์ HBM จะเพิ่มขึ้น 70% เมื่อเทียบปีต่อปีในปี 2026 เพียงปีเดียว ผู้ผลิตหน่วยความจำเอง รวมถึง Micron CEO Sanjay Mehrotra ก็ยอมรับว่าการขาดแคลนจะยังคงอยู่เลยปี 2026 ไป

แม้แต่ในตลาดเกาหลีก็รับรู้ถึงข้อโต้แย้งนี้: วันที่ 20 กรกฎาคม Chosun Ilbo รายงานว่าบันทึกของอุตสาหกรรมหลักทรัพย์ที่อ้างถึง Jevons Paradox ทำให้ราคาหุ้น Samsung และ SK Hynix ปรับตัวขึ้นเป็นบวกในช่วงสั้นๆ ก่อนที่การขายจะกลับมาดำเนินต่อ

สิ่งที่ธนาคารไม่ได้พูด

สิ่งสำคัญคือต้องทราบข้อจำกัดของทฤษฎีนี้ ไม่มีธนาคารใดอ้างว่าการเทขายนั้นไร้เหตุผล เพียงแต่มองว่ามันผิดทิศทางเท่านั้น BofA ยอมรับอย่างชัดเจนว่าความกังวลเรื่อง "เงินเฟ้อต้นทุนในหน่วยความจำ" ที่ถูกต้องตามกฎหมายนั้นเป็นส่วนหนึ่งที่ทำให้เกิดการปรับฐาน

บทสรุป

ทั้งสองธนาคารรับทราบถึงความกลัวของตลาดในระยะสั้น แต่จุดยืนที่สอดคล้องกันของพวกเขาคือ ต้นทุนที่ต่ำลงและการเผยแพร่น้ำหนักโมเดลแบบเปิดของ Kimi K3 จะขยายการนำ AI ไปใช้ เพิ่มปริมาณการ Inference โดยรวม และเพิ่มดีมานด์หน่วยความจำ Jevons Paradox ซึ่งถูกสังเกตพบครั้งแรกจากการบริโภคถ่านหินในศตวรรษที่ 19 อาจกลายเป็นกรอบแนวคิดที่น่าเชื่อถือที่สุดในการทำความเข้าใจดีมานด์เซมิคอนดักเตอร์ที่ขับเคลื่อนโดย AI ในปี 2026

แต่ในทางตรงกันข้าม ธนาคารวอลล์สตรีทสองแห่งกลับมองต่างออกไป Citi และ Bank of America Securities (BofA) ต่างโต้แย้งว่าการเทขายครั้งนี้เป็นการตัดสินใจที่ผิดทิศทาง และพวกเขาได้อ้างถึงทฤษฎีเศรษฐศาสตร์อายุ 160 ปี มาอธิบายว่าเพราะเหตุใด: Jevons Paradox

สาระสำคัญของทฤษฎี Jevons Paradox

ทั้ง Citi และ BofA Securities โต้แย้งว่าการพัฒนาเชิงประสิทธิภาพของ Kimi K3 จะ เพิ่ม ความต้องการชิปหน่วยความจำโดยรวม แทนที่จะลดลง เนื่องจากการลดต้นทุนต่อ Token ในการ Inference (การประมวลผล) ทำให้ AI เข้าถึงได้ง่ายและถูกนำไปใช้ในวงกว้างมากขึ้น นี่คือผลลัพธ์ของ 'Jevons Paradox' โดยแท้

จุดยืนของ Citi: Peter Lee เรียกทฤษฎีนี้อย่างชัดเจน

Peter Lee นักวิเคราะห์เซมิคอนดักเตอร์ของ Citi อธิบายอย่างชัดเจนถึง Jevons Paradox: ประสิทธิภาพทางเทคโนโลยีที่ดีขึ้นช่วยลดต้นทุนต่อหน่วยการใช้งาน ซึ่งในอดีตมักนำไปสู่การเพิ่มขึ้นของปริมาณการใช้ทรัพยากรทั้งหมด ไม่ใช่การลดลง ในพอดแคสต์ของ Citi Research ก่อนที่ K3 จะเปิดตัว Lee กล่าวว่า "ผมคิดว่าประสิทธิภาพของซอฟต์แวร์แบบนี้ไม่ใช่ภัยคุกคามต่อหน่วยความจำ มันเป็นผลดีต่อดีมานด์ เพราะมันทำให้ AI ราคาถูกลงและมีประโยชน์มากขึ้น ซึ่งขับเคลื่อนวงจรการซื้อชิปขั้นสูงที่มีความต้องการสูงยิ่งขึ้นไปอีก ดังนั้นผมจึงคิดว่ามันคือ Jevons Paradox"

เหตุผลของเขาที่ว่าสถาปัตยกรรมของ Kimi K3 นั้นกระตุ้นดีมานด์หน่วยความจำที่มากขึ้น:

• หน้าต่างบริบท (Context Window) 1 ล้าน Token — การเรียกใช้งาน Inference แต่ละครั้งที่มีบริบทยาวนั้นใช้ KV cache ขนาดมหึมาซึ่งต้องเก็บไว้ในหน่วยความจำแบนด์วิดท์สูง (HBM) และ Server DRAM ยิ่งราคาต่อ Token ถูกลง ผู้ใช้ก็จะยิ่งใช้ประโยชน์จากหน้าต่างบริบทขนาดใหญ่นี้มากขึ้น
• MoE Sparsity เป็นภาพลวงตาสำหรับหน่วยความจำ — แม้ว่า Kimi K3 จะเปิดใช้เพียง 16 จาก 896 ผู้เชี่ยวชาญ (experts) ต่อหนึ่ง Token (~50 พันล้านพารามิเตอร์ที่ทำงาน) แต่น้ำหนักโมเดล (weights) ทั้งหมด 2.8 ล้านล้านตัวยังคงต้องถูกโหลดไว้ในระบบหน่วยความจำเพื่อรองรับการจัดเส้นทางแบบไดนามิก การติดตั้งโมเดล (self-hosting) ด้วยตัวเองนั้นจำเป็นต้องใช้คลัสเตอร์ที่มี Server DDR5 และ Enterprise SSD หลายเทราไบต์เพื่อเก็บและจัดการทั้งโมเดล
• งานที่ใช้ Agent-based — วงจรการให้เหตุผลแบบหลายขั้นตอน (multi-step reasoning) ซึ่ง K3 ถูกออกแบบมาโดยเฉพาะนั้น จะสร้างการเรียกใช้ Inference หลายครั้งต่อหนึ่งงาน โดยแต่ละครั้งใช้แบนด์วิดท์หน่วยความจำ เมื่อการ Inference ราคาถูกลง การใช้ Agent chain ที่ยาวขึ้นก็จะเป็นไปได้ในเชิงเศรษฐศาสตร์ ส่งผลให้การใช้หน่วยความจำต่องานมากขึ้น
• การติดตั้งเองจาก Open-Weight — เมื่อน้ำหนักโมเดล (weights) ทั้งหมดถูกเผยแพร่ในวันที่ 27 กรกฎาคม องค์กรและนักวิจัยจะสามารถรันโมเดลของตนเองได้ การติดตั้งแต่ละครั้งจำเป็นต้องมีชุดหน่วยความจำเฉพาะของตัวเอง (HBM บน GPU, DDR5 บนเซิร์ฟเวอร์ และ Enterprise SSD สำหรับการสลับ/จัดเก็บโมเดล) ซึ่งจะทวีคูณฐานการติดตั้งหน่วยความจำโดยรวม

นอกจากนี้ Citi ยังได้แยกปรับเพิ่มคาดการณ์ราคาหน่วยความจำอย่างรวดเร็ว โดยคาดว่าราคา DRAM อาจพุ่งสูงขึ้นถึง 200% ในปี 2026 และราคา HBM จะเพิ่มขึ้น 30% เมื่อเทียบเป็นรายไตรมาสใน Q4 ปี 2026 ซึ่งบ่งชี้ว่าพวกเขาคาดหวังถึง 'AI-driven memory supercycle' (วัฏจักรซุปเปอร์ของหน่วยความจำที่ขับเคลื่อนโดย AI) อยู่แล้วก่อนที่ Kimi K3 จะเปิดตัว

จุดยืนของ Bank of America Securities: Vivek Arya ประยุกต์ใช้ตรรกะเดียวกัน

แม้ว่า BofA จะไม่ได้ใช้คำว่า "Jevons Paradox" อย่างชัดเจนในบทวิเคราะห์เกี่ยวกับ Kimi K3 แต่การคาดการณ์ทั้งก่อนและหลังการเทขายนั้นสอดคล้องกับตรรกะเดียวกัน:

• "ถอยในฤดูร้อน ดีดตัวในฤดูใบไม้ร่วง" — BofA มองว่าการปรับฐานของหุ้นเซมิคอนดักเตอร์เป็นเพียงอารมณ์ตามฤดูกาลและการปรับฐานที่สมบูรณ์ ไม่ใช่การกลับตัวของดีมานด์
• หน่วยความจำ "ถูกประเมินต่ำเกินไปและพร้อมจะเติบโต" — ในรายงานเมื่อวันที่ 7 กรกฎาคม BofA ระบุว่าหุ้นกลุ่มหน่วยความจำซื้อขายกันที่ราคาเพียง 10 เท่าของกำไร ซึ่งต่ำกว่าภาคส่วนเซมิคอนดักเตอร์ในภาพรวมอย่างมีนัยสำคัญ และแนะนำให้เป็นโอกาสในการซื้อ
• แนวโน้มดีมานด์ AI ในระยะยาวยังคงแข็งแกร่ง — BofA คาดการณ์ยอดขายเซมิคอนดักเตอร์ทั่วโลกจะทะลุ 1 ล้านล้านดอลลาร์เป็นครั้งแรกในปี 2026 โดยมีหน่วยความจำเป็นตัวขับเคลื่อนหลัก
• หลังการเปิดตัว Kimi K3 BofA แนะนำนักลงทุนอย่าตื่นตระหนก — Vivek Arya ระบุว่าการเทขายที่เกิดจาก K3 นั้นเกิดจาก "อารมณ์ตามฤดูกาล" และความกังวลเรื่องเงินเฟ้อต้นทุนในหน่วยความจำ ไม่ใช่การล่มสลายของดีมานด์

เหตุใดสถาปัตยกรรมของ K3 จึงตอกย้ำมุมมองเชิงบวก

บทเรียนประวัติศาสตร์ที่ธนาคารทั้งสองอ้างถึง

เหตุการณ์เทขาย DeepSeek-R1 ในเดือนมกราคม 2025 เป็นไปในรูปแบบเดียวกัน: โมเดลจีนที่มีราคาถูกและมีประสิทธิภาพทำให้เกิดความตื่นตระหนกในตลาดเซมิคอนดักเตอร์ จากนั้นดีมานด์ชิปก็เร่งตัวขึ้นเมื่อมีการปรับใช้ในวงกว้าง Citi และ BofA มองว่า Kimi K3 คือ "DeepSeek 2.0" — ความกลัวเดียวกัน และน่าจะเป็นผลลัพธ์สุดท้ายแบบเดียวกันสำหรับผู้ผลิตหน่วยความจำอย่าง Samsung, SK Hynix และ Micron

ข้อมูลอุตสาหกรรมก็สนับสนุนข้อโต้แย้งนี้ TrendForce คาดการณ์ว่าดีมานด์ HBM จะเพิ่มขึ้น 70% เมื่อเทียบปีต่อปีในปี 2026 เพียงปีเดียว ผู้ผลิตหน่วยความจำเอง รวมถึง Micron CEO Sanjay Mehrotra ก็ยอมรับว่าการขาดแคลนจะยังคงอยู่เลยปี 2026 ไป

แม้แต่ในตลาดเกาหลีก็รับรู้ถึงข้อโต้แย้งนี้: วันที่ 20 กรกฎาคม Chosun Ilbo รายงานว่าบันทึกของอุตสาหกรรมหลักทรัพย์ที่อ้างถึง Jevons Paradox ทำให้ราคาหุ้น Samsung และ SK Hynix ปรับตัวขึ้นเป็นบวกในช่วงสั้นๆ ก่อนที่การขายจะกลับมาดำเนินต่อ

สิ่งที่ธนาคารไม่ได้พูด

สิ่งสำคัญคือต้องทราบข้อจำกัดของทฤษฎีนี้ ไม่มีธนาคารใดอ้างว่าการเทขายนั้นไร้เหตุผล เพียงแต่มองว่ามันผิดทิศทางเท่านั้น BofA ยอมรับอย่างชัดเจนว่าความกังวลเรื่อง "เงินเฟ้อต้นทุนในหน่วยความจำ" ที่ถูกต้องตามกฎหมายนั้นเป็นส่วนหนึ่งที่ทำให้เกิดการปรับฐาน

บทสรุป

ทั้งสองธนาคารรับทราบถึงความกลัวของตลาดในระยะสั้น แต่จุดยืนที่สอดคล้องกันของพวกเขาคือ ต้นทุนที่ต่ำลงและการเผยแพร่น้ำหนักโมเดลแบบเปิดของ Kimi K3 จะขยายการนำ AI ไปใช้ เพิ่มปริมาณการ Inference โดยรวม และเพิ่มดีมานด์หน่วยความจำ Jevons Paradox ซึ่งถูกสังเกตพบครั้งแรกจากการบริโภคถ่านหินในศตวรรษที่ 19 อาจกลายเป็นกรอบแนวคิดที่น่าเชื่อถือที่สุดในการทำความเข้าใจดีมานด์เซมิคอนดักเตอร์ที่ขับเคลื่อนโดย AI ในปี 2026