¿Recreando el "momento DeepSeek"? Wall Street dice que Kimi K3, en cambio, refuerza la demanda de potencia de cálculo

Autor: Long Yue

El mercado ha tratado a Kimi K3 como el "DeepSeek momento 2.0" con pánico, pero esta vez, el juicio de Wall Street es completamente diferente.

En la noche del 16 de julio, la cara oculta de la luna lanzó Kimi K3 en Shanghái. Este modelo de código abierto con 28 billones de parámetros obtuvo una puntuación de 57 en el índice de inteligencia Artificial Analysis, ocupando el tercer o cuarto lugar a nivel mundial, empatando con Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI. Más importante aún, en la lista de programación Frontend Code Arena creada por la Universidad de California, Berkeley, K3 alcanzó la cima con 1679 puntos, superando a Claude Fable 5 y GPT-5.6 Sol, convirtiéndose en el primer modelo de código abierto en superar todos los modelos cerrados extranjeros en una lista de programación autorizada.

El 17 de julio, el sector de semiconductores de EE. UU. experimentó una caída notable. La reacción del mercado es comprensible: en enero de 2025, el lanzamiento de DeepSeek R1 provocó una caída abrupta en las acciones de potencia de cálculo, la lógica era: ¿Es necesario que las empresas de IA de EE. UU. inviertan tanto dinero en potencia de cálculo si los modelos chinos se están volviendo cada vez más fuertes? Si los modelos chinos pueden acercarse a las capacidades de vanguardia a un costo más bajo, ¿se reevaluará la demanda de Nvidia, HBM, servidores y equipos de red?

Sin embargo, según informes de las mesas de operaciones de UBS, Nomura, Bank of America Merrill Lynch y Citigroup, los últimos informes de investigación creen que: Kimi K3 no es el final de la demanda de potencia de cálculo, sino un acelerador.

Kimi K3 y DeepSeek R1 no son el mismo tipo de impacto. R1 mostró más "eficiencia" al mercado; K3 destaca más "escala". 28 billones de parámetros, contexto de 1M tokens, inferencia siempre activa, multimodalidad nativa, arquitectura MoE, estas características no son una historia de activos ligeros. Juntas, aumentarán la presión sobre la inferencia, la memoria, la red y el almacenamiento.

¿Cuán poderoso es Kimi K3?

Kimi K3 fue lanzado por la cara oculta de la luna el 16 de julio de 2026, y el peso completo del modelo se abrirá el 27 de julio. Es un modelo de código abierto con 28 billones de parámetros, considerado por varias instituciones como el modelo de peso de código abierto más grande en la actualidad.

Las configuraciones clave incluyen tres puntos:

Primero, ventana de contexto de 1M tokens. El modelo puede manejar textos más largos, bibliotecas de código más extensas, perfiles empresariales más complejos y tareas de investigación.

Segundo, inferencia siempre activa. No es solo una simple pregunta y respuesta, sino que se orienta hacia la inferencia de larga cadena y tareas de agente.

Tercero, capacidades visuales nativas. K3 no solo maneja texto, sino que también se orienta hacia tareas multimodales como video, imágenes, desarrollo de juegos, diseño frontend, CAD, etc.

En términos de arquitectura, K3 utiliza Kimi Delta Attention, Attention Residuals y Stable LatentMoE. La parte de MoE activa 16 expertos por token de un total de 896 expertos. La declaración de la cara oculta de la luna es que, en comparación con Kimi K2, la eficiencia de escalado general ha mejorado aproximadamente 2.5 veces.

Esto explica por qué K3 no es "un K2 más barato". Los precios recopilados por Nomura muestran que el precio de entrada de K3 es de 3 dólares por cada millón de tokens, el costo de entrada de caché es de 0.30 dólares, y la salida es de 15 dólares por cada millón de tokens; según el estándar de Artificial Analysis, el costo por tarea de K3 es de aproximadamente 0.94 dólares. Este precio es inferior a los aproximadamente 2.75 dólares de Claude Fable 5 y 1.80 dólares de Claude Opus 4.8, cercano a los 1.04 dólares de GPT-5.6 Sol, pero claramente superior a los 0.32---0.47 dólares de GLM-5.2, y muy por encima de los 0.04 dólares de DeepSeek V4 Pro.

Por lo tanto, la posición de K3 no es la de ser el más barato, sino la de acercarse a las capacidades de los modelos de vanguardia a un precio más bajo.

Cuatro bancos de inversión establecen claramente: esto no es una debilidad en la demanda

En respuesta a las preocupaciones del mercado sobre el impacto del "momento DeepSeek", el analista del equipo de tecnología de Asia-Pacífico de Nomura, Duan Bing, escribió en su informe: "Creemos que la competencia y la innovación en el mercado global de grandes modelos no se detendrán. A medida que nos acercamos cada vez más a la inteligencia artificial general (AGI), la aplicación de la IA generativa en el lado del consumidor y empresarial seguirá expandiéndose. Los laboratorios de IA de vanguardia y las empresas de plataformas en la nube de gran escala probablemente seguirán invirtiendo en esta etapa para mantener su posición competitiva------ a medida que la ley de escala continúe, interpretamos esta competencia como un beneficio para la cadena de valor de la infraestructura de IA."

El analista de semiconductores de Citigroup, Peter Lee, en su informe del 19 de julio, tituló directamente "una vez más, la paradoja de Jevons". ¿Qué significa la paradoja de Jevons? En pocas palabras: la mejora en la eficiencia de las máquinas de vapor de carbón, en realidad, aumentó el consumo de carbón, porque más personas pueden permitírselo y más escenarios pueden utilizarlo. Lo mismo ocurre con los modelos de IA------ cuando los modelos de alta calidad se vuelven más baratos, los desarrolladores y las empresas desplegarán más aplicaciones y procesarán más tokens, lo que, en última instancia, aumentará el consumo de potencia de cálculo.

Peter Lee cree que, incluso si K3 se utiliza ampliamente, la demanda de memoria general como DDR5 y eSSD seguirá aumentando. La razón es que la eficiencia de inferencia de K3 es comparable a otros modelos de vanguardia, pero el uso de caché KV aumentará con el crecimiento del contexto, lo que aumentará la presión sobre la memoria.

El analista de semiconductores de Bank of America, Vivek Arya, en su informe del 17 de julio, fue más directo. Él cree que, la respuesta de los laboratorios de IA de vanguardia de EE. UU. "no es menos potencia de cálculo, sino más". Si los modelos de código abierto de China continúan acercándose, OpenAI, Anthropic y Google deberán mantener la diferenciación a través de un entrenamiento más grande, inferencias más pesadas y iteraciones más rápidas. Arya también mencionó un contexto que a menudo se pasa por alto: informes de medios indican que Gemini 3.5 Pro de Google se ha retrasado varios meses respecto a lo planeado, y su rendimiento de programación no ha alcanzado los objetivos internos, lo que hace que la posición de liderazgo en la vanguardia "sea cada vez más difícil de defender".

El equipo de analistas de UBS, liderado por Timo Arcuri, en su informe del 20 de julio, señaló que existen paralelismos entre K3 y DeepSeek R1, pero K3 se relaciona más con la escala------ es el modelo de código abierto más grande del mundo, con 28 billones de parámetros y una ventana de contexto de 1 millón de tokens. Los analistas enfatizan que los modelos de código abierto suelen requerir más memoria que los modelos de vanguardia cerrados, ya que la ventana de contexto es más larga, y la demanda de caché KV, incluso después de la cuantificación, sigue creciendo en términos absolutos, lo que hace que el despliegue de modelos de código abierto dependa más de HBM y almacenamiento.

¿Quién se beneficia realmente en esta competencia?

Almacenamiento: el sector más directamente beneficiado. UBS estima que el flujo de caja libre acumulado (FCF) de almacenamiento y memoria alcanzará aproximadamente el 30% del valor de mercado para 2028, siendo el porcentaje más alto entre todos los subsectores------ Micron (MU) solo representa un 47%. Tanto Citigroup como Nomura mantienen una calificación de compra para Samsung Electronics, argumentando que el mercado global de memoria está en un estado de oferta extremadamente ajustada. El analista de Citigroup, Peter Lee, señala que la demanda de memoria de Kimi K3 en el lado de la inferencia no es inferior a la de otros modelos de vanguardia, y la expansión del volumen de caché KV elevará directamente la demanda de servidores DDR5 y discos duros sólidos empresariales (eSSD). Él señala especialmente que el despliegue a gran escala de Kimi K3 requiere una configuración de clúster de "super nodo" con más de 64 GPU.

Infraestructura de potencia de cálculo: TSMC y Nvidia son los principales beneficiarios. Ya sea que la ley de escala en el lado del entrenamiento siga siendo efectiva o que la demanda de tokens en el lado de la inferencia crezca, todo apunta a una mayor demanda de chips de proceso avanzado. Nomura reafirma su calificación de compra para TSMC, ASE, MediaTek, entre otros. Nvidia ha declarado públicamente que la inferencia de modelos modernos de MoE (arquitectura de expertos mixtos) tiene un rendimiento de eficiencia energética en GB300 NVL72 que mejora hasta 25 veces en comparación con la arquitectura Hopper de la generación anterior. Modelos como K3 son naturalmente beneficiarios del hardware más reciente de Nvidia.

Red: la tendencia de super nodos crea oportunidades estructurales. Kimi K3 necesita clústeres de super nodos, y la potencia de cálculo local en China se ve limitada por las restricciones de exportación de chips de alta gama, lo que requiere aún más depender de la arquitectura de super nodos para compensar la brecha de rendimiento de una sola tarjeta, lo que impulsa la demanda de proveedores de red como módulos ópticos y chips ópticos. Nomura tiene una perspectiva positiva sobre Zhongji Xuchuang y Suzhou Xuchuang.

Plataformas en la nube: se benefician del efecto de aglomeración ecológica. Las plataformas en la nube que albergan múltiples modelos de código abierto de vanguardia tienen un mayor poder de negociación y no dependen de un único proveedor de modelos cerrados. Nomura tiene una perspectiva positiva sobre Alibaba (BABA) como el núcleo del ecosistema de IA en la nube de China, así como sobre GDS, y los operadores de centros de datos como VNET.

¿A qué velocidad se está infiltrando el modelo de IA chino a nivel global?

Este puede ser el punto de datos más fácil de subestimar en toda la narrativa.

Según las estadísticas de la puerta de enlace API abierta OpenRouter, la proporción de uso de tokens de los modelos de IA chinos en el tráfico de desarrolladores globales era de menos del 2% hace un año, y ahora ha superado el 45%. Los datos de Bank of America Merrill Lynch corroboran la aceleración de la penetración general de la IA: actualmente, aproximadamente el 55% de las empresas estadounidenses han suscrito modelos, plataformas o herramientas de IA, la tasa de adopción empresarial de Anthropic es del 42%, y OpenAI del 40%. Los principales consumidores de IA (el 1% superior de los usuarios empresariales) gastan actualmente 4833 dólares al mes en IA por empleado.

El mercado se está diversificando. Por un lado, están los modelos de código abierto chinos representados por DeepSeek y Kimi K3, que cubren el mercado de costo-efectividad económica y media-alta; por otro lado, los modelos de vanguardia de EE. UU. se centran en cargas de trabajo más complejas (como cálculos científicos), manteniendo una prima técnica y de precios. El juicio de Nomura es que ambos lados, los principales jugadores de grandes modelos en China y EE. UU., se beneficiarán------ siempre que cada uno pueda seguir a la vanguardia de la curva tecnológica.

K3 realmente cambia el ritmo de la competencia, no es solo la historia de una sola empresa

Después del lanzamiento de K3, la primera reacción del mercado fue compararlo con DeepSeek R1. Esta comparación es útil, pero no debe detenerse en la capa de "¿se va a derribar el hardware de IA otra vez?".

DeepSeek hizo que el mercado revaluara la eficiencia de entrenamiento. K3 muestra al mercado otra cosa: los modelos de código abierto también pueden llevar la escala, el contexto largo, los agentes y la multimodalidad a la frontera.

Esto obligará a los laboratorios de vanguardia de EE. UU. a seguir invirtiendo, y también permitirá que los modelos chinos continúen expandiéndose en el ecosistema de desarrolladores global. Los modelos de vanguardia cerrados mantienen una prima técnica y de precios, los modelos de código abierto cubren más rangos de precios y escenarios de despliegue, los proveedores de nube ofrecen distribución de modelos y aterrizaje empresarial, y la cadena de hardware asume la presión de entrenamiento e inferencia.

A corto plazo, las transacciones pueden experimentar fluctuaciones debido a la "memoria DeepSeek". A medio plazo, mientras la utilización de tokens siga creciendo, el contexto largo y los agentes continúen expandiéndose, la potencia de cálculo, HBM, almacenamiento, red e IDC seguirán siendo costos inevitables.

Esta es también la razón por la que varias instituciones han llegado a conclusiones similares después de K3: un modelo de código abierto más fuerte no es el final de la demanda de infraestructura de IA, sino que podría ser la entrada a la próxima ronda de expansión de la demanda.

Sin embargo, Bank of America Merrill Lynch también dejó claro un riesgo en la cola: "Si la velocidad de ganancia de eficiencia supera el crecimiento de la carga de trabajo, podríamos ver algún retroceso en la construcción de infraestructura." En otras palabras, si los modelos se vuelven cada vez más baratos, pero el uso no se expande significativamente, la lógica de crecimiento de la demanda de potencia de cálculo se verá afectada.