華爾街搬起Kimi砸自己的腳

作者｜畫畫

48小時。

一家中國公司的模型發布。

全球AI股票集體下跌。英偉達跌，半導體跌......全球市值蒸發萬億美元。

高盛合伙人在客戶電話會里直接拋出一句：算力擴張時代，可能到頭了。

摩根大通給客戶發的備忘錄，稱之為DeepSeek 2.0。

所有人都在問同一個問題：Kimi K3真有那么厲害？

說實話，我覺得沒有。

Kimi是個好模型。但它還不足以撼動全球資本市場。真正被震動的，也不是英偉達，是華爾街過去三年一直相信的那套故事。

Kimi只是推倒多米諾骨牌的那只手。

一、華爾街到底怕什么

要看懂這場恐慌，先得看清過去三年華爾街到底在信什么。

本質上，他們相信的是一條大模型定律。

模型越強，參數就越大，訓練就越貴，需要的GPU就越多，資本開支就越高，英偉達就越值錢。

這也是整個AI時代最大的金融敘事。

2023年ChatGPT火了之后，這條公式一路跑到2026年中。英偉達市值從1萬億美元沖到5萬億美元。微軟、Meta、Alphabet、亞馬遜，每次財報電話會都在重復同一句：我們繼續加大AI基礎設施投入。

估值邏輯只有一個假設，做AI就得燒錢。燒得越多，護城河越深。

三年，這條公式沒被證偽過一次。

直到DeepSeek出現。

2025年1月，DeepSeek-R1用遠低于預期的成本，跑出了接近GPT-4的推理水平。英偉達那天蒸發了5890億美元，創下美股歷史紀錄。

結果呢？

半年之后，微軟繼續投。Meta加預算20%。CoreWeave上市股價翻倍。所有人繼續下注。

華爾街松了一口氣，DeepSeek被當成一次虛驚。

然后Kimi K3來了。

這次的數據更刺眼。LMArena前端代碼榜以1679分登頂，超過Claude Fable 5。綜合排名從上一代的第18名直接跳到第1。前端7個細分方向，拿下6個第一。7月27日開放權重發布，成本據說只有美國頂級模型的六成。

高盛在內部備忘錄里寫了這樣一句反問：

一家買不到最大規模算力的中國實驗室，靠著架構創新、合成數據、強化學習、后訓練，憑什么把差距縮得這么快？

這個問題一問出來，華爾街的信仰就出問題了。

以前所有人默認，Scale就是GPU。今天Scale變成了GPU加算法加數據加后訓練加RL的合力。

算力不再是唯一的答案，這才是華爾街真正怕的東西。

華爾街怕的不是Kimi，是英偉達。準確說，是AI資本開支永遠在擴張這個定價邏輯。

硅谷巨頭們預計2026年資本開支達到7000億美元，臺積電剛宣布2026年資本開支640億美元，超市場預期。這些錢要變成芯片、變成數據中心、變成英偉達的訂單。前提是，大模型必須繼續變大、繼續燒錢。

Kimi K3出來后發現，未必如此。

如果越來越多公司都能用更少GPU、更低成本，做出同等水平的模型，那全球GPU采購量還需要那么大嗎？臺積電640億美元的回報率會不會打折？英偉達的遠期收入預期要不要下調？

這下好了，過去三年所有算力擴張的估值模型，都得重新計算。

Kimi只是讓所有人第一次真正開始問一個問題：GPU還能賣這么多嗎？

只要華爾街開始思考這個問題，股價就必然晃動。

二、為什么偏偏又是中國？

還有一層更深的東西，很多人不敢明說。

為什么又是中國？

DeepSeek第一次讓華爾街意識到，中國能追。Kimi第二次告訴華爾街，中國還在追，而且沒停。

一次可以叫偶然，可以歸給幾個天才或者運氣。兩次在不同節點、不同方法上都發生了低成本逆襲，資本就必須重新算概率。

這個概率一改，事情就變了。

美國巨頭信的是大力出奇跡。錢多、卡多，工程上有瑕疵就用更多算力去蓋過去。這種打法效率其實不高，但在充裕環境里沒人在意。

中國頭部公司從第一天起，環境就完全反過來。買不到十萬卡集群，融資也沒那么闊綽，只能把手里的算力壓榨到極致。

被逼出來兩個能力。

一是合成數據。用最少的高質量樣本，卷出最高的邏輯上限。

二是后訓練加強化學習。用工程微調和策略優化，去補底層預訓練的不足。

這兩個能力，恰好是算力信仰最不重視的地方。

結果就是，當追趕者能用40%甚至更低的成本做出頂級性能，美國巨頭堆起來的十萬卡壁壘，反而變成成本累贅。

這才是華爾街真正的系統性恐懼。不是一家中國公司做出了一個好模型，是這條低成本路徑被走通了兩次。第三次、第四次，可能已經在路上。

三、但華爾街可能又看錯了

就在華爾街砸盤、討論算力時代是否終結的時候，現實給了一個反轉。

昨晚，Kimi官方公告，K3發布后請求量遠超預期，集群逼近承載極限。即日起暫停C端新用戶訂閱，全速擴容。為了匹配算力，還得把耗能最猛的Kimi Code從主權益里拆出來單獨賣。

這條消息，狠狠打了華爾街一記耳光。

它把一個反復被驗證的技術產業規律，直接擺到了臺面上。成本下降，從來不會減少需求，只會讓需求爆炸。

這樣的例子也比比皆是。

計算機便宜了，電腦數量翻倍。互聯網便宜了，網站數量爆炸。云計算便宜了，全球服務器比以前多得多。

現在模型便宜了會發生什么？

Agent變多，AI應用調用量變大，推理需求飆升，Kimi自己都撐不住了。

這套現象在經濟學上叫杰文斯悖論。19 世紀英國經濟學家發現，蒸汽機效率提升后全國煤炭總消耗反而上漲，效率降低了使用門檻，大量產業開始普及蒸汽機，整體需求擴張抵消了單臺設備的能耗節約。

今天的GPU，就是19世紀的煤炭。GPU需求不會消失，變的是身份。

以前GPU的主要買家是訓練。幾萬張卡集中封閉訓幾個月，訓完之后其實很多時候是間歇性閑置的。

以后主要買家是推理。7×24小時的Agent服務。每臺手機、每輛車、每個機器人上的本地模型，視頻生成，百萬token窗口的持續計算。

算力消耗的模式，正在從低頻、巨量、集中，變成高頻、海量、泛在。

總量可能不降，甚至可能更高。但誰受益、怎么受益，會重新排隊。

高盛說算力擴張時代接近尾聲，至少在兩年維度里，這個判斷大概率是錯的。

更準確的說法應該是，算力擴張的邏輯變了。主導權從訓練移交到推理。

英偉達不會因此崩盤。但過去三年那種閉著眼買英偉達的日子，可能真的過去了。

四、Kimi只是那面鏡子

回頭看這次拋售，Kimi K3的角色其實很清楚。

它是導火索，不是原因。

看幾個數據你就明白了。

費城半導體指數今年還在漲68%。漲了這么多，一次深回調本來就是必然。標普500等權重指數同一天創了歷史新高。錢沒走，只是從科技股挪到了別的板塊。

EPFR的數據顯示，美國企業內部人士上半年拋股票776億美元，20年來第二高。聰明錢早就在撤。

臺積電Q2凈利潤同比漲77%，營收預期上調。但資本開支640億美元超預期，反而讓市場焦慮。

Alphabet的Gemini 3.5 Pro延期好幾個月，AI產品落地節奏跟不上預期。

這些東西堆在一起，市場早就繃得緊了，缺一個理由釋放壓力。

Kimi K3剛好遞上了這個理由，給了華爾街一塊磚砸自己的腳。

嚴格來說，這次拋售更像是擁擠交易的松動，不是AI邏輯的突然崩塌，是過去三年集中抱團在英偉達身上的錢，開始往別處走了。

Kimi不是改變了AI，Kimi改變了資本理解AI的方式。

五、舊地圖，新大陸

站在今天的位置來看，AI產業的競爭邏輯，正在快速變道。

第一階段從2023年到2025年，核心是算力儲備。GPU多、能訓更大模型的一方就是贏家。 這一階段的贏家是英偉達、臺積電，加上少數幾家能扛百億美元訓練預算的巨頭。

第二階段從2025年底開始，核心變成效率。 誰能用更少資源做同等水平的模型，更快把模型變成產品，在推理成本上建立優勢，誰就在下一輪拿主動權。

華爾街的問題，從來不是不聰明，是太喜歡用一個簡單故事，去解釋一個復雜時代。

三年前，AI被講成GPU的故事。估值圍著GPU轉，倉位也圍著GPU轉。

今天，這個故事第一次出現明顯的邏輯盲區。

盲區不等于結束，盲區意味著故事需要升級。

從誰GPU最多變成誰把GPU用得最好。從硬件紅利變成工程能力和系統效率，從資本密集變成技術密集和應用密集。

DeepSeek，讓華爾街開始懷疑。Kimi，讓華爾街開始修正。

【版面之外】的話：

如果未來有一天回頭看。Kimi K3未必會成為最重要的模型。但它很可能會成為一個標志。

不是因為它超越了誰，是它第一次讓全球資本意識到，AI競爭，比的已經不是誰擁有更多資源。現在看的是，誰能把同樣的資源，變成更大的能力。

這是兩種完全不同的產業時代。

前一個時代，錢決定速度。后一個時代，效率決定價值。