Kimi K3 Tái Định Hình Đường Cong Giá AI: Từ Kimi Linear đến HBM và Chiến Lược Big Tech

Fri, 17 Jul 2026 12:31:36 +0900

Kimi K3 ra mắt ngày 16 tháng 7 năm 2026 với giá $3 cho mỗi triệu token đầu vào chưa được cache và $15 cho mỗi triệu token đầu ra. Đây không phải chiến lược định giá siêu rẻ quen thuộc của một đối thủ Trung Quốc. Mức giá này ngang bằng Claude Sonnet 5 theo giá chuẩn, thấp hơn 40% so với GPT-5.6 Sol về đầu vào và thấp hơn 50% về đầu ra. Moonshot AI đang định vị K3 như một mô hình doanh nghiệp chủ lực, không phải lựa chọn tiết kiệm dự phòng.

Kiến trúc được thiết kế để hỗ trợ tuyên bố đó. K3 có tổng cộng 2.8 nghìn tỷ tham số nhưng thực tế chỉ kích hoạt 16 trong số 896 chuyên gia cho mỗi token. Kimi Delta Attention kiểm soát chi phí của ngữ cảnh dài, Attention Residuals chọn lọc thu hồi các biểu diễn trước đó xuyên suốt chiều sâu mạng, và quá trình huấn luyện nhận thức lượng tử hóa sử dụng trọng số MXFP4 với kích hoạt MXFP8. Moonshot khuyến nghị một supernode với ít nhất 64 bộ tăng tốc.

Sự kết hợp đó tạo ra một kết quả bán dẫn hai chiều. Bộ nhớ và tính toán trên mỗi token có thể giảm trong khi số lượng tổ chức có thể triển khai mô hình cấp tiên tiến, và khối lượng công việc họ vận hành, có thể tăng. K3 vừa là công nghệ hiệu quả vừa là khối lượng công việc hạ tầng.

Đọc thêm: Giá trị token AI và thu giữ giá trị bộ nhớ / Hợp đồng tương lai token AI và chi phí trên mỗi token / Phân kỳ Mỹ-Trung trong hạ tầng suy luận agentic / Kiểm chứng chéo mô hình thiếu hụt HBM 2030

Tóm Tắt Điều Hành

K3 kết hợp 2.8T tham số, thị giác tích hợp và cửa sổ ngữ cảnh 1 triệu token. Sản phẩm và API đã hoạt động, nhưng tính đến ngày 17 tháng 7, toàn bộ trọng số, báo cáo kỹ thuật và giấy phép vẫn chưa được phát hành. Luận điểm open-weight phải được xác minh sau thời hạn ngày 27 tháng 7.
Điểm GDPval-AA v2 chính thức của Moonshot là 1.668, không phải 1.687. AA-Briefcase là 1.548. BrowseComp 91.2 sử dụng nén ngữ cảnh; kết quả ngữ cảnh 1M không nén là 90.4. Kết quả mạnh, nhưng bộ đánh giá hỗn hợp và đánh giá do công ty tự thực hiện đòi hỏi sao chép độc lập.
Tuyên bố của Kimi Linear về KV cache thấp hơn tới 75% và thông lượng giải mã lý thuyết cao hơn tới 6.3 lần tại ngữ cảnh 1M đến từ một mô hình nghiên cứu 48B tổng, 3B kích hoạt. Không nên trình bày đây là hiệu suất API K3 đo được thực tế.
K3 không phải mô hình giá rẻ. Nó ngang bằng giá chuẩn của Sonnet 5, đắt hơn 50% so với chương trình khuyến mãi ra mắt tạm thời của Sonnet, và rẻ hơn GPT-5.6 Sol. Vì hiện tại chỉ có chế độ suy luận tối đa và các kiểm tra độc lập cho thấy lượng token đầu ra cao, chi phí trên mỗi tác vụ hoàn thành có thể kém hấp dẫn hơn so với bảng giá.
Tác động bán dẫn đặt tính toán và KV cache thấp hơn trên mỗi yêu cầu đối lập với nhiều triển khai tự lưu trữ hơn và khối lượng công việc tổng lớn hơn. DRAM máy chủ và SSD doanh nghiệp là những người hưởng lợi bậc hai rõ ràng nhất vì ngữ cảnh agent tồn tại lâu tràn từ HBM xuống các tầng cache phân tán.
Lớp mô hình và lớp đám mây trải nghiệm kinh tế đối nghịch. Giá API của OpenAI, Anthropic và Gemini chịu áp lực, trong khi Azure, AWS và Google Cloud có thể kiếm tiền từ K3 và các mô hình khác thông qua tính toán, lưu trữ và mạng. Meta phải bảo vệ vị trí dẫn đầu open-weight của Mỹ.
Các bằng chứng quan trọng ngày 27 tháng 7 là giấy phép, toàn bộ trọng số, đánh giá bên ngoài, thông lượng trên NVIDIA và AMD, hỗ trợ trên bộ tăng tốc Trung Quốc, token đầu ra thực tế trên mỗi tác vụ, tương thích vLLM và áp dụng vào danh mục đám mây.

1. Hiệu Chỉnh Các Con Số Trước Khi Rút Ra Kết Luận

Nhiều con số đã thay đổi khi thông tin ra mắt lan truyền qua mạng xã hội. Các giá trị chính thức quan trọng vì một số khác biệt làm thay đổi cách diễn giải đầu tư.

Hạng mục	Giá trị chính thức	Diễn giải đầu tư
Tổng tham số	2.8T	Kích thước mô hình tổng, không phải tính toán kích hoạt trên mỗi token
Định tuyến chuyên gia	16 trên 896	MoE cực thưa; chất lượng định tuyến và giao tiếp trở thành ràng buộc bậc nhất
Ngữ cảnh	1M token	Hữu ích cho kho mã và nghiên cứu, nhưng chi phí tác vụ phụ thuộc vào độ dài đầu ra và tỷ lệ cache hit
GDPval-AA v2	1.668	Bảng chính thức không hiển thị 1.687
AA-Briefcase	1.548	Cao hơn GPT-5.6 Sol ở mức 1.495, thấp hơn Claude Fable 5 ở mức 1.583
BrowseComp	91.2	Sử dụng nén bắt đầu từ 300K token
BrowseComp không nén	90.4	Kết quả sạch hơn cho tuyên bố ngữ cảnh 1M gốc
Sẵn sàng sản phẩm	Web, Work, Code và API hoạt động	Có thể bắt đầu kiểm tra thương mại ngay
Trọng số	Cam kết trước ngày 27 tháng 7	Giấy phép và toàn bộ artifacts chưa được xác minh tính đến ngày 17 tháng 7
Chế độ suy luận	Chỉ có tối đa	Các chế độ chi phí thấp chưa có

Moonshot nêu rõ rằng K3 vẫn thua Claude Fable 5 và GPT-5.6 Sol về trải nghiệm người dùng tổng thể. Đồng thời, họ báo cáo hiệu suất cấp tiên tiến trong lập mã, công việc tri thức và các điểm chuẩn đa phương thức. Cách diễn giải đáng tin cậy không phải là Trung Quốc đã dẫn đầu một cách dứt khoát. Đó là một mô hình Trung Quốc đã gia nhập dải hiệu suất ngay dưới các hệ thống độc quyền mạnh nhất trong khi hứa hẹn ngữ cảnh 1M và trọng số có thể tải xuống.

Bảng điểm chuẩn không phải một giải đấu kiểm soát duy nhất. K3 chạy ở mức suy luận tối đa. Tùy thuộc vào tác vụ, các mô hình sử dụng Kimi Code, Claude Code hoặc Codex, và một số điểm của đối thủ là kết quả tốt nhất trên các bộ đánh giá hoặc được nhập từ bảng xếp hạng bên ngoài. Sao chép độc lập vẫn cần thiết.

Tuy nhiên, Terminal-Bench 2.1 ở mức 88.3, FrontierSWE ở mức 81.2, SWE Marathon ở mức 42.0, AutomationBench ở mức 30.8, GPQA-Diamond ở mức 93.5 và MMMU-Pro ở mức 81.6 cho thấy K3 được thiết kế cho công việc sử dụng công cụ dài hạn và lập mã, không chỉ đơn thuần là trò chuyện. Tín hiệu quan trọng hơn là gói tổng thể: năng lực gần tiên tiến, ngữ cảnh 1M và cam kết open weights.

2. Làm Thế Nào Một Mô Hình 2.8T Trở Nên Có Thể Triển Khai

2.1 Tổng tham số không phải tham số kích hoạt

Tính toán tất cả 2.8T tham số cho mỗi token sẽ cực kỳ tốn kém. Stable LatentMoE thực tế kích hoạt 16 trong số 896 chuyên gia, tức khoảng 1.8% nhóm chuyên gia. Báo cáo kỹ thuật cần thiết để xác lập số lượng tham số kích hoạt chính xác, nhưng rõ ràng tổng tham số không bằng tính toán trên mỗi token.

MoE thưa dịch chuyển thay vì loại bỏ các nút thắt cổ chai.

Điều gì cải thiện	Điều gì trở nên khó hơn
Tính toán kích hoạt trên mỗi token	Chất lượng bộ định tuyến và cân bằng chuyên gia
Tính toán cần thiết cho mục tiêu chất lượng	Giao tiếp giữa các bộ tăng tốc
Một số chi phí suy luận	Tránh bộ tăng tốc nhàn rỗi và chuyên gia nóng
Mở rộng năng lực mô hình	Giữ toàn bộ tập trọng số luôn truy cập được

Đây là lý do Moonshot khuyến nghị một supernode với 64 bộ tăng tốc trở lên. Ngay cả khi chỉ một tập nhỏ chuyên gia được kích hoạt, chuyên gia được chọn không được biết trước và toàn bộ mô hình phải luôn truy cập được. Ở bốn bit, 2.8T trọng số ngụ ý tối thiểu lý thuyết khoảng 1.4 TB trước scales, metadata, buffer, cache và sao chép. Kích hoạt thưa giảm số học nhưng không loại bỏ yêu cầu bộ nhớ lưu trú mô hình hay hạ tầng fabric.

2.2 Kimi Linear giải quyết chi phí ngữ cảnh dài

Bài báo Kimi Linear có trước K3 và đánh giá một mô hình nghiên cứu 48B tổng, 3B kích hoạt, không phải K3. Nó kết hợp Kimi Delta Attention với Multi-head Latent Attention đầy đủ theo tỷ lệ 3:1.

Attention đầy đủ mạnh về sao chép chính xác và truy xuất chi tiết, nhưng KV cache tăng theo ngữ cảnh. Linear attention nén lịch sử thành một trạng thái kích thước cố định, giảm sự phụ thuộc vào độ dài chuỗi, nhưng có thể mất chi tiết chính xác. Kimi Linear sử dụng ba lớp KDA theo sau một lớp attention đầy đủ để cân bằng hiệu quả và khả năng biểu đạt.

Thành phần	Vai trò	Đánh đổi
KDA	Nén lịch sử dài thành trạng thái kích thước cố định	Có thể làm yếu sao chép chính xác và truy xuất chi tiết
Full MLA	Khôi phục nhớ lại token-to-token chính xác	KV cache vẫn tăng theo ngữ cảnh
Hybrid 3:1	Cân bằng hiệu quả và chất lượng	Yêu cầu kernel và phần mềm phục vụ phức tạp hơn

Bài báo báo cáo KV cache thấp hơn tới 75% và thông lượng giải mã lý thuyết cao hơn tới 6.3 lần tại ngữ cảnh 1M. Một so sánh đo lường trong phân tích độ phức tạp báo cáo tăng tốc 2.3 lần. Những kết quả này xác lập hướng đi, không phải hiệu suất API K3 được đảm bảo.

Đối với nhà đầu tư, KV cache thấp hơn nghĩa là nhiều yêu cầu đồng thời hơn trên mỗi bộ tăng tốc. Nó cũng làm cho các kho mã lớn hơn, nhiều tài liệu hơn và agent liên tục trở nên kinh tế. Bộ nhớ trên mỗi token có thể giảm trong khi tổng token tăng.

2.3 Attention Residuals cải thiện hiệu quả theo chiều sâu

Các kết nối residual chuẩn tiếp tục cộng thêm đầu ra lớp trước đó. Trong các mạng rất sâu, các biểu diễn hữu ích có thể bị pha loãng. Attention Residuals cho phép một lớp chọn các biểu diễn trước đó mà nó cần. Block AttnRes nhóm các lớp và giữ lại các biểu diễn cấp khối, giảm overhead bộ nhớ.

Nghiên cứu của Moonshot cho thấy khoảng tám khối phục hồi phần lớn lợi ích, và Block AttnRes có thể khớp một đường cơ sở được huấn luyện với khoảng 1.25 lần tính toán. Điều này cải thiện hiệu quả vốn đầu tư huấn luyện, nhưng không tự động giảm nhu cầu trung tâm dữ liệu. Hiệu quả tốt hơn có thể được tái đầu tư vào các mô hình lớn hơn và tác vụ dài hơn.

2.4 Lượng tử hóa là chiến lược khả chuyển phần cứng

K3 áp dụng huấn luyện nhận thức lượng tử hóa từ giai đoạn tinh chỉnh có giám sát trở đi, sử dụng trọng số MXFP4 và kích hoạt MXFP8. Điều này nên kiểm soát mất mát độ chính xác tốt hơn so với lượng tử hóa sau huấn luyện tích cực và giúp triển khai trên nhiều nền tảng phần cứng dễ dàng hơn.

Vũ đài kernel của Moonshot bao gồm NVIDIA H200 và GPU đa dụng từ nhà cung cấp thay thế. Bài đăng chính thức không nêu tên chip Trung Quốc hay tuyên bố kinh tế ngang H200. Điều được xác minh là ý định chiến lược tối ưu hóa bên ngoài NVIDIA cũng như trên NVIDIA.

Điều đó quan trọng cho cả Trung Quốc lẫn người mua toàn cầu. Trung Quốc cần các mô hình cấp tiên tiến có thể tồn tại khi tiếp cận các hệ thống NVIDIA hàng đầu bị hạn chế. Những người mua khác muốn sức mạnh đàm phán giữa NVIDIA, AMD và bộ tăng tốc tùy chỉnh.

3. Bảng Giá Tiết Lộ Điều Gì

3.1 K3 được định giá như mô hình chủ lực

Mô hình	Đầu vào cached/1M	Đầu vào chuẩn	Đầu ra	Định vị hiện tại
Kimi K3	$0.30	$3	$15	Định giá mô hình chủ lực tiên tiến
Claude Sonnet 5 khuyến mãi ra mắt	Khác nhau	$2	$10	Tạm thời đến hết ngày 31 tháng 8
Claude Sonnet 5 chuẩn	Khác nhau	$3	$15	Giá headline giống K3
GPT-5.6 Sol	$0.50	$5	$30	Cao hơn K3 67% về đầu vào và 100% về đầu ra

K3 đắt hơn so với chương trình khuyến mãi hiện tại của Sonnet 5. Mô tả nó là nửa giá theo nghĩa phổ quát là không chính xác. Chiến lược rõ ràng hơn là ngang bằng với tầng chuẩn của Sonnet trong khi thấp hơn API tiên tiến đắt nhất.

Mức giá vừa là tín hiệu tự tin vừa là quyết định kiếm tiền. Moonshot không còn chấp nhận giảm giá sâu chỉ để có lượng sử dụng. Họ đang tuyên bố một vị trí trong tầng mô hình mặc định doanh nghiệp.

3.2 Chi phí trên mỗi tác vụ hoàn thành quan trọng hơn chi phí trên mỗi token

Bảng giá giả định lượng token bằng nhau. Các agent khác nhau về độ dài lập kế hoạch, lời gọi công cụ, thử lại và độ dài văn bản. K3 hiện tại chỉ cung cấp suy luận tối đa. Artificial Analysis báo cáo K3 sử dụng khoảng 130 triệu token đầu ra trong đánh giá Intelligence Index, gấp hơn hai lần trung vị đồng đẳng khoảng 63 triệu. Token đầu ra rẻ hơn vẫn có thể dẫn đến tác vụ hoàn thành tốn kém.

Chi phí tác vụ = token đầu vào × giá đầu vào + token đầu ra × giá đầu ra + chi phí công cụ và thử lại

Người mua doanh nghiệp sẽ theo dõi tỷ lệ thành công tác vụ, token đầu ra, thời gian đến token đầu tiên, thông lượng, độ tin cậy công cụ, tỷ lệ cache hit và độ ổn định phiên. Moonshot cho biết Mooncake đạt hơn 90% cache hit trên khối lượng công việc lập mã, giúp đầu vào cached chỉ bằng một phần mười giá chưa cache. Nếu tỷ lệ đó duy trì trên lưu lượng doanh nghiệp, kinh tế thực tế của K3 cải thiện đáng kể.

3.3 Mooncake dịch chuyển nhu cầu bộ nhớ xuống thấp hơn trong hệ thống phân cấp

Mooncake tách cụm prefill và decode và phân tán KV cache qua CPU, DRAM và SSD thay vì giữ mọi thứ trong HBM GPU. Bài báo của nó báo cáo thông lượng cao hơn tới 525% trong mô phỏng và nhiều hơn 75% yêu cầu trên khối lượng công việc thực tế.

Điều này giải thích tại sao nhu cầu bộ nhớ AI mở rộng ra ngoài HBM.

HBM bộ tăng tốc → DRAM máy chủ → SSD doanh nghiệp → tầng cache từ xa

KDA có thể giảm KV cache trên mỗi yêu cầu, nhưng các agent ngữ cảnh 1M liên tục làm tăng tổng khối lượng cache và thời gian lưu giữ. Dữ liệu nóng ở lại trong HBM và DRAM; ngữ cảnh lạnh hơn chuyển sang SSD. Hiệu quả có thể làm mềm luận điểm chỉ dựa vào HBM trong khi tăng cường hệ thống phân cấp bộ nhớ và trung tâm dữ liệu đầy đủ.

4. Open Weights Trung Quốc Di Chuyển Lên Ngăn Xếp Doanh Nghiệp

OpenRouter báo cáo rằng các mô hình Trung Quốc đã vượt qua mô hình Mỹ về tỷ lệ token trên nền tảng của họ vào đầu tháng 6 năm 2026, dựa trên hơn 450 nghìn tỷ token từ tháng 1 đến ngày 14 tháng 6. Thị phần của DeepSeek tăng từ khoảng 9% lên 18% và trở thành nhà cung cấp hàng đầu vào giữa tháng 5.

Con đường áp dụng có ba giai đoạn:

Các mô hình mở giá thấp tiếp nhận khối lượng công việc phân loại, dịch thuật và kiểm thử.
Hiệu suất lập mã và agent tốt hơn tiếp nhận quy trình công việc doanh nghiệp lặp đi lặp lại.
Chất lượng gần tiên tiến và ngữ cảnh triệu token cạnh tranh cho định tuyến chủ lực.

Giá của K3 được thiết kế cho giai đoạn thứ ba. Nó không theo chiến lược giá thấp nhất. Nó tính phí API cấp tiên tiến trong khi hứa hẹn trọng số mà đám mây, chính phủ và doanh nghiệp có thể tự triển khai.

API độc quyền và open weights tích lũy các tài sản chiến lược khác nhau.

API tiên tiến độc quyền	Open weights gần tiên tiến
Kiểm soát UX và năng lực tốt nhất	Nhân rộng các tuyến triển khai và lựa chọn phần cứng
Tập trung hóa dữ liệu sử dụng	Cho phép doanh nghiệp giữ dữ liệu và vận hành
Thay đổi giá và chính sách tập trung	Các file đã phát hành khó rút lại
Nhà cung cấp mô hình thu biên độ gộp	Đám mây, chip và nhà cung cấp ứng dụng chia sẻ giá trị

Mô hình độc quyền mạnh nhất có thể vẫn đứng đầu trong khi mất thị phần token trả phí. Doanh nghiệp có thể định tuyến công việc lặp đi lặp lại sang các mô hình loại K3 và dành riêng các tác vụ pháp lý, thiết kế và nghiên cứu khó nhất cho mô hình đóng hàng đầu. Tỷ lệ token trả phí hỗn hợp và giá bình quân quan trọng hơn thứ hạng bảng xếp hạng.

5. Nhu Cầu Bán Dẫn: Hiệu Quả và Khuếch Tán Đến Cùng Lúc

5.1 NVIDIA: rủi ro hiệu quả ngắn hạn, đàn hồi triển khai trung hạn

Sparse MoE, KDA, lượng tử hóa và tối ưu hóa kernel tự động giảm thời gian GPU trên mỗi tác vụ. Khả năng di chuyển phần cứng cũng làm yếu giả định rằng mọi khối lượng công việc tiên tiến phải ở lại trên CUDA. Đó là những tín hiệu định giá tiêu cực cho NVIDIA.

Mặt tích cực cũng quan trọng không kém. Moonshot khuyến nghị ít nhất 64 bộ tăng tốc cho K3 tự lưu trữ. Các trọng số được phát hành có thể thúc đẩy đám mây, chính phủ, phòng thí nghiệm và doanh nghiệp lớn xây dựng cụm của riêng họ. Nhu cầu tập trung sau một API trở thành nhu cầu phần cứng trải rộng nhiều trung tâm dữ liệu.

Tổng nhu cầu bộ tăng tốc = thời gian GPU thấp hơn/tác vụ × khối lượng công việc tổng cao hơn × nhiều tổ chức tự lưu trữ hơn

Hạng tử đầu tiên âm; hai hạng tử cuối dương. K3 một mình không đủ để cắt giảm ước tính thu nhập NVIDIA, nhưng cũng không đủ để giả định mọi cải thiện hiệu quả đều tạo thêm nhu cầu GPU. Đàn hồi khối lượng công việc là biến quyết định.

5.2 AMD: quyền chọn từ lựa chọn phần cứng

AMD hưởng lợi nếu MXFP4, MXFP8 và khả năng di chuyển vLLM cho phép doanh nghiệp tách lựa chọn mô hình khỏi lựa chọn bộ tăng tốc. Một mô hình mở gần tiên tiến cung cấp cho người mua một khối lượng công việc thực tế để kiểm tra các lựa chọn thay thế NVIDIA.

Bằng chứng phải đến sau khi có trọng số. Kernel ROCm, giao tiếp song song chuyên gia, thông lượng ngữ cảnh 1M và độ ổn định 64 bộ tăng tốc cần được đo lường. Tiềm năng tăng của AMD chỉ tăng nếu K3 chứng minh chi phí vượt trội trên mỗi tác vụ thành công trên các hệ thống MI.

5.3 HBM: cache thấp hơn trên mỗi yêu cầu, lưu trú mô hình lớn hơn

Lớp nhu cầu	Tác động hiệu quả K3	Hướng
Lưu trú trọng số	Mô hình 2.8T phải luôn truy cập nhanh	Nhiều bộ tăng tốc và bộ nhớ băng thông cao
KV cache mỗi yêu cầu	KDA giảm kích thước và tốc độ tăng cache	Ít dung lượng HBM hơn mỗi yêu cầu
Người dùng và agent đồng thời	Chi phí thấp hơn và triển khai mở có thể mở rộng khối lượng công việc	Nhiều HBM và DRAM tổng hơn

Các tiêu đề có thể tiêu cực cho SK hynix, Micron và Samsung vì KV cache thấp hơn 75% và thông lượng tăng 6.3 lần nghe có vẻ như cường độ bộ nhớ thấp hơn. Những con số đó thuộc về mô hình nghiên cứu Kimi Linear, không phải sản xuất K3 đo được. HBM cũng lưu trữ trọng số, kích hoạt, bộ đệm giao tiếp và batch, không chỉ KV cache.

Cân bằng trung hạn là trung tính đến tích cực nếu các cụm tự lưu trữ và khối lượng công việc agent tăng nhanh hơn hiệu quả. Nó trở nên tiêu cực nếu đàn hồi khối lượng công việc yếu và nén cải thiện nhanh hơn mức sử dụng.

5.4 DRAM máy chủ và SSD doanh nghiệp là người hưởng lợi bậc hai rõ ràng nhất

Ngữ cảnh dài và tái sử dụng cache không thể ở hoàn toàn trong HBM. Khi phục vụ tách prefill và decode và tràn cache qua CPU, DRAM và SSD, DRAM máy chủ và SSD doanh nghiệp trở thành tài sản vận hành cho suy luận AI.

Samsung có thể bán HBM, DRAM máy chủ, SSD dung lượng cao, xưởng đúc và đóng gói.
SK hynix kết hợp HBM và DRAM máy chủ với SSD doanh nghiệp Solidigm.
Micron cung cấp HBM, DRAM trung tâm dữ liệu và SSD.

K3 không cho thấy AI cần ít bộ nhớ hơn. Nó cho thấy bộ nhớ AI đang trở thành phân cấp. Dữ liệu nóng nhất ở trong HBM, ngữ cảnh được lưu giữ trong DRAM máy chủ, và cache lạnh hơn chuyển sang SSD doanh nghiệp. Các nhà cung cấp có ngăn xếp bộ nhớ đầy đủ có khả năng phục hồi lớn hơn so với luận điểm HBM đơn sản phẩm.

5.5 Mạng và silicon tùy chỉnh là nút thắt MoE ẩn

Phân tán 896 chuyên gia qua các bộ tăng tốc tạo ra giao tiếp biến đổi tùy thuộc vào định tuyến token. Đây là lý do Moonshot nhấn mạnh huấn luyện song song chuyên gia cân bằng, các hình dạng tĩnh và loại bỏ đồng bộ hóa host khỏi đường hành trình quan trọng. Vận hành hiệu quả qua 64 bộ tăng tốc trở lên đòi hỏi fabric mở rộng băng thông cao theo chiều dọc và chiều ngang.

Điều đó có cấu trúc tích cực cho Broadcom, Marvell, mạng NVIDIA, kết nối quang và silicon switch. Nó cũng khuyến khích ASIC suy luận được tối ưu hóa cho các mô hình mở. Bài tập thiết kế chip nhỏ 48 giờ của K3 không phải sản phẩm thương mại, nhưng minh họa thiết kế đồng thời mô hình-phần cứng nhanh hơn.

6. Chiến Lược Big Tech Mỹ và Truyền Dẫn Cổ Phiếu

6.1 Microsoft: áp lực kinh tế OpenAI, tăng sử dụng Azure

Microsoft sở hữu tiếp xúc với IP và kinh tế OpenAI cũng như hạ tầng Azure. Bản cập nhật quan hệ đối tác tháng 4 năm 2026 giữ Microsoft là đối tác đám mây chính và gia hạn giấy phép IP không độc quyền đến năm 2032.

K3 gây áp lực lên lớp mô hình vì công việc lặp đi lặp lại có thể rời khỏi API OpenAI. Nó có thể hỗ trợ lớp đám mây nếu Azure lưu trữ K3 như hạ tầng được quản lý hoặc tự lưu trữ.

Lớp Microsoft	Tác động K3
Chia sẻ doanh thu OpenAI	Tiêu cực qua giá và tỷ lệ
Copilot	Tích cực nếu chi phí định tuyến giảm
Azure AI	Tích cực nếu sử dụng đa mô hình tăng
Silicon tùy chỉnh và trung tâm dữ liệu	Tích cực nếu tối ưu hóa open-weight mở rộng

Tác động cổ phiếu ngắn hạn là trung tính. Câu hỏi trung hạn là liệu Azure có chuyển đổi được giảm phát giá mô hình thành tăng trưởng sử dụng và biên độ Copilot hay không.

6.2 Amazon: Anthropic và AWS có kinh tế khác nhau

Amazon là nhà đầu tư lớn vào Anthropic và nhà cung cấp AWS, Bedrock, Trainium và Inferentia. K3 có thể giảm sức mạnh định giá của Claude và giá trị cổ phần Anthropic của Amazon. Tuy nhiên, nếu doanh nghiệp chạy K3 trên AWS, EC2, Bedrock, lưu trữ, mạng và sử dụng Trainium có thể tăng.

Chiến lược tối ưu của Amazon là giữ khối lượng công việc trên AWS bất kể mô hình nào thắng. Nếu K3 đến với giấy phép cho phép và hỗ trợ Trainium hiệu quả, AWS có thể kiếm tiền từ sự khuếch tán của đối thủ cạnh tranh. Tác động cổ phiếu là trung tính đến tích cực vừa phải, mặc dù cạnh tranh giá suy luận có thể giảm biên độ đám mây ngay cả khi doanh thu tăng.

6.3 Alphabet: áp lực giá Gemini, phòng thủ TPU và Vertex

Google kiểm soát mô hình, chip, nền tảng triển khai và nhu cầu cuối qua Search, Ads và Workspace. Vertex Model Garden hỗ trợ các mô hình của bên thứ nhất, bên thứ ba và mã nguồn mở.

K3 gây áp lực giá API Gemini nhưng có thể tạo nhu cầu TPU và Google Cloud. Chi phí mô hình thấp hơn cũng giảm chi phí AI Overviews, tạo quảng cáo và agent Workspace. Tác động cổ phiếu là trung tính đến tích cực vì Google không chỉ là nhà cung cấp mô hình. Rủi ro là Gemini mất cả vị trí dẫn đầu về hiệu suất lẫn giá, làm tăng chi phí thu hút khách hàng đám mây.

6.4 Meta: từ người hưởng lợi open-weight đến người bảo vệ

Meta hưởng lợi từ sự khuếch tán open-weight bằng cách hàng hóa hóa API của đối thủ và giảm chi phí đề xuất, quảng cáo và nội dung của chính mình. Nếu các phòng thí nghiệm Trung Quốc phát hành năng lực gần tiên tiến và ngữ cảnh dài hơn trước, Meta có nguy cơ mất vị trí là hệ sinh thái open-weight Mỹ chuẩn mực.

K3 buộc hai phản ứng: Llama tiếp theo phải cạnh tranh về ngữ cảnh dài, công cụ agent và chi phí triển khai, và Meta phải cung cấp một lựa chọn thay thế Mỹ đáng tin cậy cho các doanh nghiệp và chính phủ không muốn triển khai trọng số Trung Quốc. Tác động thu nhập ngắn hạn hạn chế vì quảng cáo thúc đẩy dòng tiền. Rủi ro chiến lược là lợi nhuận thấp hơn trên đầu tư hạ tầng AI và hệ sinh thái nhà phát triển nếu Llama tụt lại phía sau.

6.5 Định vị thị trường hiện tại quan trọng hơn một lần ra mắt

Từ ngày 22 tháng 6 đến ngày 16 tháng 7, trước khi phần lớn bằng chứng K3 có thể ảnh hưởng đến giao dịch, tổ hợp AI Mỹ đã phân kỳ mạnh mẽ.

Công ty	Lợi nhuận	Sụt giảm từ đỉnh giai đoạn	Tín hiệu định vị
Meta	+17.9%	-3.1%	Kỳ vọng dòng tiền quảng cáo mạnh và sử dụng AI
Microsoft	+9.2%	-1.2%	Khả năng phục hồi đám mây và phần mềm
Amazon	+7.3%	-3.2%	Kỳ vọng phục hồi AWS và tiêu dùng
Alphabet	+1.4%	-5.5%	Định vị tìm kiếm và đám mây hỗn hợp
NVIDIA	-0.6%	-3.1%	Tương đối phục hồi
Broadcom	-4.5%	-9.7%	Lạc quan AI tùy chỉnh gặp áp lực định giá
AMD	-9.2%	-14.3%	Quyền chọn bộ tăng tốc thay thế với biến động cao
Micron	-29.6%	-32.0%	Điều chỉnh sau kỳ vọng bộ nhớ cao
Oracle	-29.1%	-32.7%	Căng thẳng giữa tăng trưởng hạ tầng AI và tài chính
Marvell	-38.8%	-40.1%	Định giá lại nghiêm trọng trong mạng và silicon tùy chỉnh

Đây không phải lợi nhuận do K3 gây ra. Chúng cho thấy các vị thế mà K3 đến. NVIDIA tương đối phục hồi có thể nhạy cảm hơn với các tiêu đề hiệu quả, trong khi Micron và Marvell đã điều chỉnh sẵn có thể phản ứng mạnh hơn nếu các trọng số được phát hành tạo ra nhu cầu hạ tầng có thể xác minh.

7. Bản Đồ Tác Động Theo Công Ty

Công ty hoặc lớp	Tín hiệu ngắn hạn	Hướng đi trung hạn	Cần làm gì bây giờ
NVIDIA	Áp lực định giá từ hiệu quả và khả năng di chuyển	Cụm 64+ bộ tăng tốc tự lưu trữ bù đắp hiệu quả	Theo dõi đàn hồi khối lượng công việc, không thay đổi ước tính chỉ từ việc ra mắt
AMD	Quyền chọn triển khai thay thế	Tăng thị phần nếu kinh tế ROCm được chứng minh	Chờ thông lượng sau ngày 27 tháng 7
Broadcom và Marvell	Tổ hợp mạng đang định giá lại	Song song chuyên gia MoE tăng nhu cầu fabric	Xác minh đơn hàng và topology cụm K3 thực tế
SK hynix	Nhạy cảm với tiêu đề hiệu quả KV cache	HBM, DRAM máy chủ và tiếp xúc hệ thống phân cấp SSD Solidigm	Định giá ngăn xếp bộ nhớ đầy đủ, không chỉ HBM
Samsung Electronics	Rủi ro hiệu quả HBM cộng vị thế bắt kịp	Quyền chọn HBM, DRAM máy chủ, SSD và xưởng đúc	Danh mục rộng nhất, vẫn cần thực thi
Micron	Kỳ vọng cao đã được điều chỉnh	Tiếp xúc bộ nhớ và lưu trữ AI Mỹ tích hợp	Theo dõi khối lượng triển khai so với định giá
Microsoft	Áp lực giá và tỷ lệ OpenAI	Đòn bẩy chi phí Azure và Copilot	Sử dụng đám mây quan trọng hơn biên độ mô hình
Amazon	Áp lực giá trị tài sản Anthropic	AWS, Bedrock và Trainium hưởng lợi từ lựa chọn mô hình	Bù đắp nội bộ rõ ràng nhất
Alphabet	Áp lực giá Gemini	TPU, Vertex và lợi ích chi phí Search	Phòng thủ lớp ứng dụng vẫn mạnh
Meta	Áp lực vị trí dẫn đầu open-weight Mỹ	Tăng tốc Llama hoặc hệ sinh thái mở rộng hơn	Tác động chiến lược vượt quá tác động thu nhập ngắn hạn

Chưa đủ bằng chứng cho lời khuyên mua hoặc bán mới chỉ từ đợt ra mắt này. Trọng số, giấy phép và thông lượng phần cứng bên ngoài vẫn chưa có. Thứ tự bằng chứng quan trọng hơn hướng của câu chuyện.

8. Ba Kịch Bản

Kịch bản cơ sở: mô hình mạnh, tái định giá hạn chế

Xác suất chủ quan: 55%. Trọng số đầy đủ và giấy phép đủ cho phép đến trước ngày 27 tháng 7. Kết quả bên ngoài tái tạo 85% đến 95% hiệu suất chính thức. K3 chạy trên NVIDIA và AMD, nhưng 64+ bộ tăng tốc, suy luận tối đa và sử dụng token đầu ra cao giữ triển khai đắt đỏ.

API độc quyền đối mặt thêm áp lực giá trên công việc lặp đi lặp lại.
Đám mây đạt được hosting K3 và nhu cầu tự triển khai.
Hiệu quả trên mỗi token bù đắp khối lượng công việc cao hơn.
HBM trung tính đến tích cực vừa phải.
DRAM máy chủ, SSD doanh nghiệp và mạng tích cực.

Kịch bản tăng: open weights gia nhập định tuyến doanh nghiệp chủ lực

Xác suất chủ quan: 25%. Giấy phép gần MIT, hỗ trợ vLLM và SGLang ổn định, và NVIDIA, AMD và bộ tăng tốc Trung Quốc cho thấy thông lượng mạnh. Đánh giá bên ngoài xác nhận hiệu suất ngay dưới các mô hình độc quyền hàng đầu. Các chế độ suy luận thấp hơn giảm chi phí tác vụ. Các đám mây lớn và cổng doanh nghiệp thêm K3 vào định tuyến mặc định.

Giá hỗn hợp mô hình độc quyền và thị phần token giảm.
Sử dụng đa mô hình của hyperscaler tăng.
Các cụm tự phục vụ làm tăng nhu cầu bộ tăng tốc.
HBM, mạng, DRAM máy chủ và SSD doanh nghiệp hưởng lợi từ khối lượng triển khai.
Meta và các chương trình mô hình mở Mỹ tăng tốc đầu tư.

Kịch bản giảm: trọng số tiết lộ khoảng cách chi phí và chất lượng

Xác suất chủ quan: 20%. Trọng số bị trì hoãn hoặc bị hạn chế, điểm bên ngoài thấp hơn bảng chính thức, yêu cầu preserved-thinking-history và tính chủ động quá mức tạo ra thất bại doanh nghiệp, và chi phí tác vụ vượt quá Sonnet 5 do suy luận tối đa và dài dòng. Yêu cầu 64 bộ tăng tốc hạn chế tự lưu trữ.

Moonshot có thể phải rút lui khỏi định giá tiên tiến.
API độc quyền giữ lại phần bù UX và độ tin cậy.
Nhu cầu bán dẫn gia tăng vẫn hạn chế.
Ước tính thu nhập và capex hiện tại lấy lại quyền kiểm soát giá cổ phiếu.

9. Danh Sách Kiểm Tra Xác Minh Ngày 27 Tháng 7

Điểm bằng chứng	Tín hiệu mạnh	Tín hiệu yếu
Trọng số và giấy phép	Phát hành đầy đủ đúng hạn với quyền sửa đổi thương mại	Trì hoãn, hạn chế hoặc thiếu thành phần
Đánh giá bên ngoài	Điểm chính thức được tái tạo rộng rãi dưới một bộ đánh giá	Giảm lớn so với bảng công ty
Chi phí trên mỗi tác vụ	Các chế độ suy luận thấp hơn và ít token đầu ra hơn	Chỉ có suy luận tối đa và dài dòng liên tục
Thông lượng NVIDIA	Song song chuyên gia ổn định trên node 64 bộ tăng tốc	Nút thắt fabric và sử dụng thấp
Thông lượng AMD	Lợi thế chi phí dưới ROCm và vLLM	Kernel chưa trưởng thành hoặc mất mát độ chính xác
Bộ tăng tốc Trung Quốc	Phần cứng được đặt tên và thông lượng đo được	Chỉ có ngôn ngữ “GPU thay thế”
Caching	Gần 90% hit trên lưu lượng doanh nghiệp	Giảm mạnh ngoài lập mã
Áp dụng đám mây	Đăng trong danh mục AWS, Azure, Google Cloud hoặc Oracle	Giới hạn ở một vài nền tảng Trung Quốc
Giá cạnh tranh	Cắt giảm giá chuẩn hoặc giảm giá cache rộng hơn	Chỉ có khuyến mãi tạm thời
Đơn hàng bộ nhớ	Điều chỉnh tăng khối lượng HBM, DRAM máy chủ và SSD	Hiệu quả tăng trong khi khối lượng đình trệ

10. Lập Luận Phản Biện Mạnh Nhất

Kịch bản giảm mạnh nhất rất đơn giản: nhu cầu bán dẫn giảm nếu hiệu quả cải thiện nhanh hơn mức sử dụng. Nén mô hình, linear attention, lượng tử hóa, tái sử dụng cache và ASIC suy luận có thể xử lý cùng số lượng tác vụ hữu ích với ít GPU hơn và HBM ít hơn nhiều. Cạnh tranh open-weight có thể giảm giá API mà không tạo ra đủ công việc trả phí gia tăng để biện minh cho capex AI.

Bằng chứng cho kết quả đó sẽ bao gồm doanh thu suy luận chậm hơn dù giá giảm, sử dụng bộ tăng tốc cao hơn nhưng ít cụm mới hơn, tăng trưởng bit HBM dưới cải tiến hiệu quả mô hình, chuyển đổi yếu từ backlog AI đám mây thành doanh thu, và doanh nghiệp sử dụng mô hình mở chỉ để cắt giảm chi phí thay vì tạo ra quy trình công việc mới.

Kịch bản tăng đòi hỏi giảm giá mở khóa công việc mới: lập mã quy mô kho lưu trữ, tự động hóa nghiên cứu, chỉnh sửa video, thiết kế chip và các quy trình công việc trước đây không kinh tế. Đàn hồi khối lượng công việc so với hiệu quả mô hình là điểm bằng chứng chung cho cả đầu tư vào bộ tăng tốc lẫn HBM.

11. Kết Luận

Kimi K3 không chứng minh Trung Quốc đã vượt qua các mô hình độc quyền Mỹ mạnh nhất. Moonshot thừa nhận khoảng cách UX còn lại. Tính đến ngày 17 tháng 7, toàn bộ trọng số và báo cáo kỹ thuật chưa có, và một bảng điểm chuẩn bộ đánh giá hỗn hợp không thể tuyên bố người chiến thắng.

Nó thay đổi cấu trúc thị trường. Một mô hình 2.8T, ngữ cảnh 1M, gần tiên tiến đang hoạt động ở giá chuẩn của Sonnet, với trọng số được hứa hẹn trong mười ngày. Open weights Trung Quốc đang chuyển từ các lựa chọn thay thế cấp hai giá rẻ sang khối lượng công việc doanh nghiệp chủ lực.

Đối với bán dẫn, sự kiện này là tái phân bổ nhu cầu nhiều hơn là phá hủy nhu cầu. KDA và lượng tử hóa giảm HBM và thời gian GPU trên mỗi yêu cầu. Sparse MoE và supernode 64 bộ tăng tốc tăng bộ nhớ lưu trú mô hình và fabric. Mooncake đẩy cache vào DRAM máy chủ và SSD doanh nghiệp. Câu chuyện chỉ HBM trở nên kém đơn giản hơn, trong khi hệ thống phân cấp bộ nhớ và trung tâm dữ liệu đầy đủ vẫn tiếp xúc với triển khai rộng rãi hơn.

Big Tech Mỹ đối mặt với sự phân chia tương tự. API mô hình hấp thụ áp lực giá; đám mây và ứng dụng hấp thụ chi phí mô hình thấp hơn. Microsoft, Amazon và Alphabet có thể lưu trữ K3 ngay cả khi các mô hình ưa thích của họ mất thị phần. Meta phải bảo vệ vai trò chiến lược là tiêu chuẩn open-weight Mỹ đáng tin cậy.

Vào ngày 27 tháng 7, bằng chứng quan trọng không phải là sự tồn tại của file trọng số. Đó là giấy phép cho phép, đánh giá có thể tái tạo, thông lượng đa phần cứng và chi phí cạnh tranh trên mỗi tác vụ hoàn thành. Nếu những điều kiện đó được đáp ứng, K3 trở thành sự kiện thay đổi cả đường cong giá AI lẫn hướng đi nhu cầu bán dẫn. Nếu không, nó vẫn là một đợt ra mắt sản phẩm ấn tượng thay vì một lần đặt lại ngành.

Nguồn và Giới Hạn

Tài liệu gốc: Ra mắt Kimi K3, Tài liệu API Kimi K3, Bài báo Kimi Linear, GitHub Kimi Linear, Bài báo Attention Residuals, Bài báo Mooncake, Giá Claude Sonnet 5, Giá GPT-5.6 Sol, Phân tích áp dụng mô hình OpenRouter, Quan hệ đối tác Microsoft-OpenAI, Google Vertex Model Garden, và Quan hệ đối tác Amazon-Anthropic.

Phân tích truyền dẫn bán dẫn và cổ phiếu là suy luận từ kiến trúc công khai, dữ liệu phục vụ và thị trường. Số tham số kích hoạt chính xác, kích thước trọng số, điều khoản giấy phép, thông lượng AMD và bộ tăng tốc Trung Quốc, và chi phí doanh nghiệp thực tế trên mỗi tác vụ hoàn thành vẫn chưa có tính đến ngày 17 tháng 7. Bài viết này chỉ dành cho mục đích nghiên cứu và thông tin, không phải lời khuyên đầu tư.

Disclaimer: For research and information purposes only. Not investment advice. Names cited are for analytical illustration; readers should perform their own due diligence and consult licensed advisors before any investment decision.

SSD Doanh Nghiệp on Korea Invest Insights