花旗與美銀：Kimi K3 的「效率恐慌」其實是記憶體晶片的多頭訊號

他認為 Kimi K3 的架構會特別驅動更多記憶體需求的原因如下：

• 100 萬 token 的上下文視窗——每次長上下文的推論呼叫都會消耗龐大的 KV 快取，而這些資料必須儲存在高頻寬記憶體（HBM）和伺服器 DRAM 中。更便宜的每 token 定價意味著用戶會更頻繁地填滿這個百萬 token 的上下文，而不是減少使用 。
• MoE 稀疏性對於記憶體來說是假象——雖然 Kimi K3 每次 token 只啟動 896 個專家中的 16 個（約 500 億活躍參數），但為了支援動態專家路由，完整的 2.8T 權重仍須載入系統記憶體。7 月 27 日開放權重後，自託管的客戶將需要配備數 TB 伺服器 DDR5 和企業級 SSD 的叢集來儲存和分頁整個模型 。
• 基於代理的工作流程——K3 特別優化了代理型、多步驟的推理迴圈。此類任務會產生多次連續的推論呼叫，每次呼叫都消耗記憶體頻寬。更便宜的推論讓更長的代理鏈在經濟上變得可行，從而加劇了每項任務的記憶體消耗 。
• 開放權重自託管——當完整權重於 7 月 27 日公開後，企業和研究人員將運行自己的實例，而非僅依賴 API。每個自託管部署都需要其專屬的記憶體池（GPU 上的 HBM、主機上的 DDR5，以及用於模型儲存/交換的企業級 SSD），從而倍增了總記憶體安裝基數 。

花旗也另外大幅上調了記憶體價格預測，預計 2026 年 DRAM 價格可能飆漲 200%，並預測 2026 年第四季 HBM 價格將季增 30%，這顯示他們在 Kimi K3 問世前就已預期 AI 驅動的記憶體超級週期 。花旗早在 2025 年 9 月就曾警告，DRAM 和 NAND 快閃記憶體將在 2026 年進入供應短缺狀態 。

美銀證券的立場：分析師 Vivek Arya 採用相同邏輯

美銀在關於 Kimi K3 的已發布評論中，並未明確使用「傑文斯悖論」一詞，但他們在拋售前後的市場判斷都符合此邏輯：

• 「夏季回調，秋季反彈」——美銀將半導體回調（SOX 指數第三季下跌 11%）定性為季節性情緒波動和健康修正，而非結構性需求逆轉。他們預測隨著 AI 基礎建設重啟，秋季將會反彈 。
• 記憶體「遭低估且蓄勢待發」——在 7 月 7 日的報告中，美銀指出記憶體晶片的本益比僅為 10 倍，遠低於整體半導體板塊，並將其視為買入機會 。
• 長期 AI 需求論點不變——美銀的 2026 年半導體展望預計全球半導體銷售將首次突破 1 兆美元（年增 29%），其中記憶體是主要成長驅動力。他們一貫認為，更強大、更便宜的 AI 模型只會擴大市場規模，而非縮小 。美銀後來更將 2026 年半導體市場總規模預測上調至 1.3 兆美元 。
• Kimi K3 之後，美銀呼籲投資人勿恐慌——7 月 17 日，分析師 Vivek Arya 將 K3 引發的拋售歸因於「季節性情緒波動」和記憶體成本通膨擔憂，而非需求崩潰，並建議記憶體晶片製造商的基本面仍然穩固 。

為何架構本身強化了多頭論點

兩家銀行倚重的歷史先例

2025 年 1 月的 DeepSeek-R1 拋售遵循了相同模式：一個更便宜、高效的中國模型引發半導體恐慌，但隨後晶片需求因部署範圍擴大而加速成長 。花旗和美銀將 Kimi K3 視為「DeepSeek 2.0」——同樣的恐懼，對三星、SK 海力士和美光等記憶體製造商來說，很可能導致同樣的最終結果 。

行業數據支持了這個論點。市調機構 TrendForce 預測，僅 2026 年 HBM 需求就可能年增 70%，且 HBM 將佔據全球 DRAM 晶圓總產出的 23% 。分析師估計，到 2026 年，AI 資料中心可能消耗約 70% 的高階 DRAM 。記憶體製造商本身——包括美光 CEO Sanjay Mehrotra——也承認短缺將持續到 2026 年之後 。

就連韓國市場也意識到這個論點：據《朝鮮日報》7 月 20 日報導，一份引用傑文斯悖論的證券業備忘錄，一度讓三星和 SK 海力士的股價短暫轉正，隨後才被更廣泛的賣壓淹沒 。

銀行沒有說的話

必須指出此論述的限制。沒有一家銀行聲稱拋售是非理性的——僅指出其方向錯誤。美銀明確承認，引發下跌的部分原因確實是對記憶體「成本通膨的合理擔憂」。花旗對記憶體價格的預測雖然樂觀，但也暗示價格壓力可能會擠壓下游 AI 公司的利潤。此外，美銀並未在已發表的 Kimi K3 評論中明確使用「傑文斯悖論」一詞；其邏輯的一致性，是從他們在拋售前後的市場判斷推斷出來的 。

結論

兩家銀行都承認市場近期的恐懼，但他們一致的立場是：Kimi K3 更低的成本和開放權重發布，將擴大 AI 的採用、增加總推論量，並提高記憶體需求——而非扼殺它。這個最初在 19 世紀煤炭消費中觀察到的傑文斯悖論，或許將成為理解 2026 年 AI 半導體需求最可靠的框架。