服务器DRAM on Korea Invest Insights

Alphabet二季报：云业务+82%终结需求之争，负FCF开启现金之争

Thu, 23 Jul 2026 11:00:00 +0900

背景关联：在那么多token到底谁来烧一文中，我们写到AI CAPEX之争最后一个薄弱环节（也就是最终需求）已经开始被赋予具体数字，并将判定推迟到7月30日前后的财报季。第一份成绩单比预定时间更早送达。Alphabet（谷歌母公司）已于韩国时间7月23日凌晨公布二季度财报。本文是从不同角度拆解同一份财报的两篇分析笔记的综合版本。先说结论：需求端的争论已基本终结，争论的舞台已转移到现金流与资本回报率上。

要点

谷歌云（Google Cloud）营收248亿美元，+82%（共识+64%），增速连续五个季度加速，走出32%→34%→48%→63%→82%的曲线。积压订单从4,620亿美元增至5,140亿美元，在收入确认规模扩大的同时仍净增520亿美元。
需求的质量更重要。现有谷歌云客户的实际用量平均超出承诺50%以上，Gemini模型API处理量达到每分钟220亿token，一个季度内增长37.5%。因产能不足，Alphabet自6月起开始每月向SpaceX支付约9.2亿美元租用AI算力。这是超大规模云服务商首次成为算力净买方的空前一幕。
而在同一份财报的背面，季度FCF录得-59亿美元，史上首次转负。449亿美元的CAPEX超过了391亿美元的经营现金流，2026年CAPEX指引从1,800亿-1,900亿美元再度上调至1,950亿-2,050亿美元，2027年也被预告将大幅增长。
判断分为三条线。2028年以后AI需求悬崖的可能性进一步降低。Alphabet的FCF拐点从2027年被推迟到2028-2029年区间。内存方面，数量需求的强势得到再确认，但价格与峰值利润率能否持续仍是另一回事。
需求情景45/35/20的概率维持不变。不过支持上行35%的实测又新增一条，而下行20%的核心前提（即大型科技公司CAPEX提前减速）经这份财报被削弱。下一次判分对象是微软（韩国时间7月30日）与亚马逊（7月31日）。

核心论点

谷歌云+82%与史上首次季度FCF转负，是同一份财报的两面。面对需求是否真实的问题，Alphabet用超出承诺的用量、以及不惜溢价租用他人服务器的行动作了回答。作为代价，承接这些需求的账单比预期来得更快。市场的评分标准，如今已从需求是否存在，转移到折旧之后的现金回报率上；对内存投资者而言，这份财报是数量的援军，而不是利润率的保证书。

1. 先看数字：财报公布了什么

项目	2Q26实际	比较基准	判定
全公司营收	1,198亿美元，+24%	共识约1,169亿美元	超预期
谷歌云营收	248亿美元，+82%	共识224亿美元，+64%	大幅超预期
谷歌云营业利润	88亿美元（利润率35.6%）	去年同期28亿美元（利润率20.7%）	改善
搜索营收	633亿美元，+17%	共识634亿美元	符合预期
全公司营业利润	408亿美元，+30%（利润率34.0%）	利润率低于共识	好坏参半
调整后EPS	约2.85美元	共识约2.89美元	小幅不及预期
经营现金流	391亿美元	CAPEX 449亿美元	逆转
季度FCF	-59亿美元	上季度101亿美元	史上首次转负
谷歌云积压订单	5,140亿美元	上季度4,620亿美元	+520亿美元
2026年CAPEX指引	1,950亿-2,050亿美元	此前1,800亿-1,900亿美元	再度上调

[事实: Alphabet公告与财报电话会]

GAAP数字存在错觉。公告的GAAP EPS为9.11美元，净利润1,121亿美元，同比增长298%，但其中包含了对Anthropic、SpaceX等非上市股权的评估收益约990亿美元（税前，税后每股约6.26美元）。剔除这项与主营业务无关的科目后，实质EPS约为2.85美元，小幅低于市场预期。营收与谷歌云大幅报捷，但利润的质量并不如表面数字那样强劲。[事实: 公告数据重新计算]

2. 需求之争：为何可以说已基本终结

在上一篇文章中，我们指出了最终需求这一薄弱环节，并把Codex三天新增300万用户当作第一条实测证据。Alphabet这份财报，在此基础上又叠加了四条实测。

用量超前于合约。Gemini模型API处理量一个季度内从每分钟160亿token增至220亿token，增幅37.5%，月活开发者超过900万。现有谷歌云客户的实际用量平均超出最初承诺50%以上，且超出幅度比上季度更大。新客户获取速度是去年同期的2倍，Marketplace交易量是7倍。[事实: CEO致股东信与财报电话会] 需求仅依附于少数前沿实验室长期合约的假设，与签约后实际消费超出承诺这一数据并不相容。

需求方在扩大。除了Gemini 4大规模预训练这类模型开发需求之外，金融、制药、零售、电信、制造等行业的企业级推理，BigQuery与安全工作负载，搜索AI模式和Gemini应用等消费者服务，以及直接向客户数据中心供货的TPU系统外销，五条线索同时被提出。财富100强中约90%的企业在使用Gemini Enterprise，年处理token量超过1万亿的谷歌云客户达到500家，超过1,000亿的客户超过2,000家。[事实: CEO致股东信]

供给仍在限制增长率。CFO明确表示目前仍处于供给受限的环境。公司正以高价租用第三方数据中心产能来填补短期缺口，并说明为了拿下大客户，愿意承受约6个月的低效率。由此延伸出本次电话会的最大新闻：Alphabet自6月起与SpaceX签约，每月支付约9.2亿美元（年化约110亿美元）租用AI算力。[事实: 财报电话会与媒体报道] 全世界算账最精明的公司，愿意溢价租用别人的服务器，这本身就是与需求虚高假说正面相悖的行为证据。

积压订单在确认收入的同时仍在增加。二季度谷歌云营收环比增长约23.8%，大额合约正快速转化为收入，与此同时积压订单余额又新增520亿美元。目前积压订单约为二季度谷歌云年化营收的5.2倍，公司表示其中超过一半将在24个月内确认。[事实: 公告与财报电话会] 就2027年前的可见度而言，这是强力证据。但客户集中度以及2028年以后各年度的确认金额并未披露。[未验证: 积压订单细节未披露]

效率提升会抑制需求的反论，在这个季度也失去了力度。AI模式每次响应的成本已降至上线以来的最低水平，而用户数与查询量增长得更快。AI模式月活用户达到10亿，Gemini应用MAU为9.5亿。用量增长快于单位成本下降的关系式，在Alphabet这样的体量上也得到验证，与我们在Codex身上看到的杰文斯效应方向一致。[推断: 效率与用量的关系]

3. 现金之争：账单比预期来得更快

在需求的另一面，这份财报确定下来的是支出的规模与持续时间。

二季度449亿美元的CAPEX是去年同期的两倍，超过了391亿美元的经营现金流，季度资本密集度（CAPEX/经营现金流）约为115%。算术账也不轻松。上半年CAPEX约为806亿美元，若要达到年度指引上限2,050亿美元，下半年单季度平均需要572亿-622亿美元，即比二季度再多花27-38%。2026年下半年与2027年，FCF出现明显修复的可能性不高。[推断: 自行测算]

关于2027年的线索也出现了。CFO维持了2027年CAPEX大幅增长的展望，市场共识约为2,570亿美元。从2,050亿美元到2,570亿美元，这条路径对应的增速约为+25%。这仍处在今年+76%左右向明年+25%减速的路径上，还不是3,000亿美元级别的再加速情景。[事实: 财报电话会与市场共识] 这个区分很重要。若是减速路径，FCF拐点逻辑的骨架仍然成立；若是再加速，骨架本身就会崩塌。

把2028年做成敏感度测算，判定基准就会清晰起来。出发点是当前12个月累计经营现金流1,857亿美元。

2028年CAPEX假设	FCF归零所需OCF	所需OCF年复合增速	FCF达500亿美元所需OCF	所需增速
2,000亿美元	2,000亿美元	约3.8%	2,500亿美元	约16.0%
2,300亿美元	2,300亿美元	约11.3%	2,800亿美元	约22.8%
2,500亿美元	2,500亿美元	约16.0%	3,000亿美元	约27.1%

[推断: 自行敏感度测算，非公司指引]

如果CAPEX在2028年稳定在2,000亿美元上下，FCF修复并不困难。如果继续增长到2,300亿-2,500亿美元，谷歌云与搜索合计的经营现金流就必须以年均20%以上的速度扩大，才能回到过去水平的FCF。如果谷歌云+82%与35.6%的利润率能维持一段时间，这并非不可能的数字，但折旧、电力、外部租赁费用，以及利润率较低的TPU硬件销售占比，都在向相反方向施压。

资本配置体系的转变，也在这个季度被正式确认。Alphabet持有现金及有价证券2,425亿美元、12个月经营现金流1,857亿美元，偿付能力本身并不是争论点。但二季度公司募集了约305亿美元普通股、约191亿美元可转换优先股，以及约211亿美元净债务，且没有进行股票回购。债务在12个月内从约160亿美元增至约1,000亿美元。[事实: 公告] 一家过去靠经营现金流就能同时覆盖CAPEX与股票回购的公司，如今变成了为CAPEX而暂停回购、并动用债务与股权资本的公司。这不是流动性风险信号，而是资本配置体系发生变化的信号，融资的重心落在股东一侧而非债券市场，这一点从信用角度看是一种安慰。

4. 三个问题的判分

把这份财报摆在面前，为三个问题打分，结果如下。

2028年以后AI需求能否延续？需求悬崖的可能性进一步降低。需求正从训练扩散到推理、数据、安全与企业业务，实际消费超出承诺，用量增长快于效率改善，TPU外销收入大部分将在2027年确认，而供给短缺到2027年仍需大幅增加CAPEX。准确的判断是，2028年不是需求终结的时点，而是新增供给能力全面投产、开始接受检验的时点。

Alphabet的FCF能否实现拐点？可能，但时点被推后了。季度FCF转负的交叉点比最初预期（2027年初）来得更快，即便乐观地把2027年经营现金流设定在2,300亿-2,400亿美元，只要CAPEX达到2,570亿美元，年度FCF仍会跌破零。恢复盈余要等到2028年，而且要以2028年CAPEX增速降至个位数为前提才能成立。强劲的FCF再加速，是2028-2029年区间的一个附条件情景。

是否会带来内存的持续采购？对数量是强烈利好，对价格和利润率则中性。下一节详细拆解。

5. 翻译成内存的语言：数量的援军，但不是利润率的保证书

二季度技术基础设施CAPEX中，约60%投向服务器，40%投向数据中心与网络。服务器投资中，TPU、GPU、CPU、HBM、服务器DRAM、SSD与网络半导体都包含在内。[事实: 财报电话会]

支持HBM需求的项目很明确：TPU新一代与英伟达Vera Rubin的引入、Gemini 4大规模预训练、企业推理量增长、串联100万颗加速器的下一代网络架构，以及从2027年起大规模确认收入的TPU系统外销。重要的是，即便自研TPU部分替代英伟达GPU，HBM需求也不会消失，只是采购渠道从GPU供应链转移到了TPU系统供应链。再加上第三方算力租用，HBM与服务器DRAM的需求渠道已扩大为自建数据中心、TPU外销、租用算力三条线。[推断: 需求渠道拆解]

服务器DRAM与eSSD的论据，也因这份财报而增厚。AI智能体不仅使用加速器，还需要在CPU服务器上运行预处理、状态管理、安全与编排。Alphabet同时强调了Axion CPU与数据、安全工作负载的增长。年处理token量超过1万亿的客户达到500家，这一数字说明，从日志、检查点、搜索索引到向量数据库的存储需求，并不局限于训练环节。[事实: CEO致股东信] 上一篇文章中提到的服务器DRAM供给再度吃紧（三季度合约价预测+13-18%，交付周期40周）的需求侧背景，由这份大型科技公司财报再次得到确认。

尽管如此，不应仅凭这份财报就上调内存公司2028年的利润预估。设备采购激增的同时，内存供给能力也将在2027-2029年扩张。自研芯片的扩大会削弱英伟达在系统层面的定价权，单次推理的成本正在快速下降，一旦Alphabet开始收紧CAPEX效率，部件降价的压力就会沿供应链向下传导。HBM4与下一代HBM的高价格中，包含了世代初期的稀缺性与良率溢价，并非永久性水平。综合起来如下。

项目	财报前判断	财报后判断
AI加速器·HBM bit需求	高	非常高
服务器DRAM·eSSD需求	中上	高
先进封装·网络	高	非常高
2028年需求悬崖	可能性低	可能性进一步降低
内存ASP持续性	不确定	不确定
内存峰值利润率持续	低	低
大型科技公司FCF提前修复	中等	降低
CAPEX的增量资本回报率	未证实	部分证实，持续验证中

[推断: 综合判断]

2028年半导体的风险不是订单取消，而是ASP与利润率的正常化。这与需求情景45/35/20是吻合的。这份财报为上行35%的论据又增添了一条实测，并削弱了下行20%所依赖的大型科技公司CAPEX提前减速这一前提。概率本身要等确认微软与亚马逊之后再更新。从三星电子与SK海力士的角度看，这是一份让四季度启动的2027年度HBM价格谈判的需求背景变得更有利的财报。

6. 股价反应，以及两份笔记的判断分歧

市场反应概括了这一阶段的性质。财报公布后盘后交易一度下跌2%左右，之后一度回升至小幅走强，但电话会上CAPEX上调的消息传出后又被打回，跌幅一度扩大至3-5%区间。截至韩国时间23日上午，股价在342美元左右，较前一交易日收盘价约347美元下跌约1.5%。[事实: 行情数据] 在财报超预期已成为常态的市场里，真正决定股价反应的是CAPEX，这条2026年的规律已是第五次重演。反过来看，在+82%的增长面前跌幅仅止于此，本身也是一个信号：只要增长得到证明，市场就愿意消化这样的支出。

构成综合素材的两份笔记，从相同事实出发得出了不同结论。一份以结构性证明作为标准，选择保留判断。准确的表述不是资本回报率已被证实，而是证实的可能性最高，在负FCF、资本募集与2027年增长预告面前，暂缓给出目标价。另一份维持以进场价为基准的买入判断，以较高点回调15%的价格为前提，对剔除评估收益后约15美元的2027年EPS给予28-29倍，得出12个月目标价430美元，并附加撤回条件：若2027年CAPEX被量化确认接近3,000亿美元，则重新测算。[事实: 两份笔记的结论]

两种判断的差异，不在于事实认知，而在于时间尺度与判定标准的不同。结构视角把举证责任留给公司，直到折旧之后的现金回报率被数字确认为止；价格视角则计算已经回调的股价，已经反映了多少这类风险。按照本博客的原则，不推荐特定方向，两种框架并列呈现，但共同点是明确的：无论哪一种框架，下一个判定变量都不是需求，而是现金。

7. 判读表：接下来两周将决定

整理这份财报填上的格子，以及新打开的格子。

属于Alphabet那部分的大型科技公司CAPEX评论，已确定为上调。剩下的是微软（韩国时间7月30日凌晨电话会）的FY27首份指引，以及亚马逊（7月31日凌晨）的AWS增速。如果说Alphabet终结了需求之争，这两家公司将裁定利润率与FCF之争。
谷歌云增速在未来2-4个季度能否维持在50%以上，利润率能否守住30%以上，是上行方向的确认指标。若供给约束解除后增速降至30%以下，就需要重新计算需求被高估的可能性。
监测积压订单在收入确认之后能否延续净增长。若积压订单减少，或只是合约期限被拉长的组合增多，则是合约质量恶化的信号。
以12个月为基准的经营现金流增速超过CAPEX增速的那个季度，就是FCF拐点的起点。反之，若2028年CAPEX超过2,500亿美元而经营现金流未能跟上，则判定为结构性FCF受损。
是否还会持续出现大规模增发或举债，SpaceX式的外部算力租用是否会在2027-2028年缩减，TPU外销是否能转化为持续性的谷歌云消费，是资本效率一侧的确认项目。
内存一侧的判别指标不变：DRAM合约价格，以及7月30日前后三星电子与SK海力士电话会上对三季度合约价的确认。

本文提及的标的仅为分析示例，不构成对特定标的的买卖建议。投资判断及其后果由投资者本人承担。Alphabet并未给出2028年CAPEX与谷歌云营收指引，积压订单5,140亿美元的客户占比、各年度确认金额与取消条件均未披露，HBM、DRAM、NAND的采购量与各供应商占比也不在披露范围内。2028年FCF敏感度与下半年CAPEX测算，是以当前公告为起点的自行估计，并非公司展望。非上市股权评估收益的税前规模与每股税后影响，按公告数据重新计算，可能存在四舍五入误差。目标价430美元是本文综合参考的两份笔记之一给出的计算结果，并非本博客的目标价。股价与行情数据以2026年7月23日早晨韩国时间为准。

那么多token到底谁来烧？英伟达客户地图、主权AI与Codex 900万开始给出答案

Sun, 19 Jul 2026 19:00:00 +0900

背景关联在AI内存需求会超预期吗一文中，我们把需求概率化为基准45%、超预期35%、不及预期20%；在SK海力士会长崔泰源的两个月发言一文中，我们读取了供给方最高层的言与行。剩下的薄弱环节是最终需求：GPU和HBM铺了这么多，到底谁来烧掉这么多token？本文记录的，就是这个问题开始有数字支撑的一周。

要点

英伟达数据中心营收中，超大规模（Hyperscale）占比已连续七个季度维持在50%上下，并非已经崩塌，变化的是内部结构。2026年2-4月这一财季，非超大规模（ACIE）营收370亿美元与超大规模380亿美元已基本达到均衡点，两者的环比增速已经出现逆转，分别为31%和12%。下一次财报，占比本身就可能首次翻转。
同期，数据中心营收的同比增速从+56%再加速到+66%、+75%、+92%。占比维持不变而整体增速重新加快，意味着增量增长正由超大规模之外的客户拉动。英伟达自己在财报中也写明，增长是由其余客户主导的。
主权AI营收在FY2026一年内突破300亿美元，较前一年增至三倍，上一财季同比也增长超过80%。这是那些只盯着超大规模云服务商表态的市场所漏掉的买家。
Meritz证券半导体团队在周日的报告中指出，主权采购正在全面展开，7月中旬以来服务器DRAM供给再度吃紧。TrendForce对三季度服务器DRAM合约价+13-18%的预测、台湾英业达(Inventec)关于交期40周的证言，以及美光"仅能满足主要客户50-66%需求"的表态，都从外部对此做了交叉确认。
最终需求侧也出现了数字。OpenAI Codex从2月的100万，增长到5月底的500万，又在GPT-5.6发布后的7月12日达到600万，7月15日前后进一步增至900万，三天内新增300万。这是需求单位从用户数转向智能体运行时长的转折点。
结论并不是急于上调概率，而是在讨论供给过剩之前，有必要重新检验我们是否把需求画得太保守，而这一判定将由7月30日前后的财报季和8月末英伟达的公告给出。

核心论点

市场一直只盯着四大科技巨头的表态，怀疑AI CAPEX能否持续。与此同时，英伟达的账本上，非超大规模营收已经与超大规模营收打平，主权AI营收一年增至三倍，Codex三天新增300万用户。股价率先计入了供给过剩的恐惧，而需求的底层却在积累相反方向的实测证据。这种不对称，正是本轮调整的本质。

1. 这是怎样的一周：跌停与报告之间

先确认舞台。7月16日周四，美国市场费城半导体指数(SOX)暴跌约4%，跌破高点20%以上进入熊市区间，纳斯达克下跌1.47%。17日周五，纳斯达克再跌1.40%，周跌幅达到2.90%。[事实: 市场数据] 同一天，东京的铠侠(Kioxia)开盘即跌停，暴跌16.1%。股价较6月22日高点已经腰斩，市值蒸发约30万亿日元。直接触发因素是美国陪审团认定的约2.29亿美元Viasat专利赔偿裁决，但同一交易时段台积电下跌7.29%、SK海力士ADR下跌13.69%、闪迪(SanDisk)下跌12.63%同步暴跌，说明本质是整个AI行情的去杠杆。[事实: 日经·韩国经济报道]

韩国市场躲过了这个周五，因为7月17日是时隔18年重新恢复的制宪节休市日。但在此之前，市场已经经历了7月13日SK海力士下跌15.37%、三星电子下跌10.70%，以及7月16日SK海力士下跌12.34%、三星电子下跌9.47%的急跌。[事实: 交易所数据] 市场正在计入股价的叙事很明确：供给在增加，中国在追赶，2027年利润预期在下调，而大型科技公司的CAPEX不知道什么时候会掉头向下。

就在这个局面下，周日Meritz证券半导体团队的Kim Sun-woo、Yang Seung-su、Kim Dong-kwan三位分析师联袂发布报告，发布时点正面回应了周五的暴跌与铠侠事件。要旨方向恰恰相反：当前的内存需求不只来自超大规模云服务商，包括中东在内的主权阵营采购正在全面展开，服务器DRAM供给紧张自7月中旬起再度加剧。把2028年供给紧缺缓解当成既定事实的观点，恰恰没有把这部分需求算进去。[事实: Meritz证券报告要旨，2026-07-19]

与其停留在口水战，不如把这个主张拆成三个可以验证的部分，逐一与实测数据对照：英伟达的客户结构、主权买家的采购，以及最终使用量。

2. 英伟达客户地图：占比仍是50%，增长来自外部

先精确核实"超大规模云服务商占比正在缩小"这一命题。把英伟达每个季度披露的原文按时间顺序排开，是这样的。

财季	对应期间	数据中心营收	同比	大型CSP·超大规模占比（披露原文）
FY25 3Q	2024.8-10	307.7亿美元	+112%	约50%
FY25 4Q	2024.11-2025.1	355.8亿美元	+93%	约50%
FY26 1Q	2025.2-4	391.1亿美元	+73%	略低于50%
FY26 2Q	2025.5-7	411.0亿美元	+56%	约50%
FY26 3Q	2025.8-10	512.2亿美元	+66%	未披露
FY26 4Q	2025.11-2026.1	623.1亿美元	+75%	略高于50%，增长由其余客户主导
FY27 1Q	2026.2-4	752亿美元	+92%	Hyperscale 380亿美元（约50%）对ACIE 370亿美元

[事实: 英伟达CFO评论·财报电话会]

这里同时能看到两件事。第一，占比数字本身连续七个季度都没有脱离50%这一区间，“超大规模云服务商已经被边缘化"这个叙事并非实测。第二，即便如此，结构的方向确实变了。FY26 4Q的披露明确写明增长由其余客户主导、营收更加多元化，从FY27 1Q起，英伟达开始把数据中心营收拆分为Hyperscale与ACIE（AI云、产业、企业）两类披露。在拆分的第一个季度，ACIE就以370亿美元几乎追平了Hyperscale的380亿美元，环比增速也出现ACIE +31%对Hyperscale +12%的逆转。ACIE内部的AI云营收同比增长超过三倍。黄仁勋CEO在电话会上明确表示，长期来看第二个类别的增速会更快。[事实: 财报电话会]

把增速的重新加快叠加进来，整幅图景就完整了。数据中心营收的同比增速以FY26 2Q的+56%为低点，此后重新回升至+66%、+75%、+92%。占比维持不变而整体增速却在加快，算术上意味着增量的一半以上是由超大规模之外的客户创造的。[推断: 披露算术] 只要这个趋势再延续一个季度，8月末FY27 2Q的披露就会出现ACIE首次超过Hyperscale的数字。从那一刻起，只盯着四大科技巨头的CAPEX指引来判断AI需求可持续性的框架本身就过时了。

这里要澄清一个容易混淆的地方。10-Q披露的直接客户集中度（客户A 22%、客户B 14%）反而升高了，但这是统计板卡合作伙伴、OEM与大宗直采的流通层指标，与最终需求方的多元化并不在同一个层面。[事实: 10-K] 流通端集中、最终需求端扩散，这两个现象是同时成立的。

3. 主权AI：只盯着表态的市场漏掉的买家

非超大规模需求中最大的一块是主权AI。英伟达CFO表示，FY2026主权AI营收同比增至三倍以上，突破300亿美元。加拿大、法国、荷兰、新加坡、英国是主要拉动力量，FY27 1Q主权营收同比继续增长超过80%，英伟达基础设施如今已经铺进了GDP合计达50万亿美元的约40个国家。[事实: 英伟达财报电话会]

物理层面的实体也已经落地。沙特HUMAIN已经敲定了3年内最多部署60万颗英伟达GPU的计划，并接收了1.8万颗GB300的首批物量。阿联酋的Stargate UAE正在建设1GW集群中的一期200MW，目标是今年三季度投产，仅一期就将装入最多3.5万颗GB300，运营方G42已在7月中旬拿到美国的出口许可。欧盟正在推进200亿欧元的AI千兆工厂计划，印度目标是年底前建成10万颗公共GPU，日本软银则以10月实现主权GPU云商用化为目标。[事实: 各公司·各国发布]

这些主权投入如何传导到内存，目前已经公开的路径有两条。OpenAI的全球Stargate计划已在2025年10月与三星电子、SK海力士签署了每月最多90万片DRAM晶圆的意向书，规模相当于全球DRAM产能的约40%，但不具约束力的意向书这一局限依然存在。[事实: 报道，LOI] 另外，SK海力士今年6月已经与英伟达正式敲定了贯穿下一代Vera Rubin世代的多年期HBM4合作。[事实: 英伟达发布] 在主权财富基金一侧，穆巴达拉(Mubadala)、MGX、G42、Kazna等UAE资本与SK海力士阵营合作的报道也在持续出现。

也有必须诚实留白的部分。主权主体直接向三星电子或SK海力士大量采购DRAM的新披露，在6-7月并未得到确认。[未验证: 直接合同未披露] 主权方的内存需求要经过服务器OEM和系统厂商才能进入供应链，因此在内存厂商的客户披露中会与超大规模云服务商混在一起统计。[推断: 流通结构] 看不见和不存在是两回事。已经敲定60万颗GPU的地方不配内存的情形不存在，所以问题不在于是否存在，而在于规模与时点的披露可见度。

4. 服务器DRAM供给再吃紧：Meritz的主张与外部实测

Meritz团队指出的7月中旬以来服务器DRAM供给再度吃紧，并非这一家研究机构的孤证。四项外部实测都指向同一个方向。

实测	内容	出处·时点
合约价预测	三季度服务器DRAM合约价预计环比上涨13-18%。受长期合约(LTA)约束的美国CSP无法提价，涨幅集中在非LTA客户身上	TrendForce，7/9
供给增速	RDIMM比特供给年增速15-20%，不及CPU出货增速。预期2027年短缺的CSP正在提前囤货，模组规格从96GB、128GB下移至32GB、64GB	TrendForce，7/9
交付周期	服务器用DRAM交期超过40周，价格较2025年末上涨约90%，报价有效期缩短至1-30天	英业达(Inventec)高管发言报道，7/16
供应商证言	仅能满足主要客户50-66%的需求，HBM已售罄至2027年，供给短缺将持续到2027年之后	美光财报电话会，7月

[事实: 各出处]

价格的绝对水平也已经在发出异常信号。通用PC DRAM(DDR4 8Gb)的固定交易价在6月达到21美元，为统计以来最高，现货价比固定价高出72%。也有报道称，三星电子已通知中国客户，三季度DRAM价格最多上调20%。[事实: 行业报道] 在合约价上涨的同时现货溢价超过70%，这一组合意味着愿意加价抢购紧急物量的需求，实实在在存在于合约渠道之外。付高价的不是被LTA绑定的超大规模云服务商，而是LTA之外的主权买家、企业客户与二线云厂商。TrendForce"涨幅集中在非LTA客户"的表述，与Meritz"主权采购全面展开"的表述，其实是同一个现象的两种说法。[推断: 交叉解读]

Kim Sun-woo分析师在此更进一步。他认为市场被困在"牺牲性长期合约"与"2027年业绩下调"这一狭窄框架里产生了误判，随着股东回报提前执行、包含大型科技公司入股的伙伴关系等事件陆续出现，这种误解将被迅速打破。[事实: 报告主张] 这是这家机构的展望，而非已验证的事实，因此本周财报季能否被实际事件证实，就是评分标准。不过方向上，这与此前一篇文章中看到的崔泰源会长纳斯达克上市募资与伙伴关系动作，以及SK海力士与英伟达的多年期合约是吻合的。

5. Codex 900万：最终需求的数字开始出现

AI CAPEX争论中最常被攻击的地方，不是基础设施本身，而是它的尽头：数据中心在不断建设，但最终使用量是否同步增长的证据一直很薄弱。就是在这个薄弱环节上，开始出现引人注目的数字。

时点	用户数	备注
2026年2月	100万	Codex单独统计的活跃用户
4月8日	300万	周活跃，宣布每达到100万即重置用量上限
4月21日	400万	两周内新增100万
5月底-6月初	突破500万	较2月增长6倍
7月9日	GPT-5.6正式发布	Sol、Terra、Luna三款模型，Codex与ChatGPT桌面版整合
7月12日	600万	此后指标改为Codex+ChatGPT Work合并统计
7月15日前后	900万	三天内增加300万

[事实: OpenAI管理层公开发言·报道]

为公平起见，需要标注两点提醒。7月9日之后的数字不再是Codex单独统计，而是合并了ChatGPT Work的口径，因此与此前区间做严格的连续比较存在困难。另外，按5月底的增长节奏直接外推，达到1,000万原本要等到10月，但实际在7月中旬就已经到了900万，这条外推线并非OpenAI的官方预测，这一点也需要明确说明。[事实: 外推来源确认] 即便考虑到指标定义的变更，GPT-5.6发布后短短三天内，把预期时间线提前了约三个月的加速，仍然是实测得到的结果。

Codex重要的原因不在于数字的大小，而在于需求的性质。Codex是一款把人的工作时间转换为推理时间的产品。人不需要更长时间在线，智能体也可以更长时间地工作；一个人如果并行运行多个任务，工作量的增长就会比用户数的增长更快。从这个阶段起，需求的计量单位不再是月活跃用户，而是智能体运行时长的总和。这与此前一篇文章把AI内存需求模型的上限，重新写成"工作负载数量乘以单个工作负载的内存占用再乘以执行频率”，是完全相同的结构。

效率之争在这里也被颠覆了。OpenAI官方表示，GPT-5.6 Sol的token效率较上一代提升了54%。一款单token成本更低的模型发布后用户与用量随即暴增，这正是编码智能体领域中"效率提升并不会减少算力需求，反而拓宽了可以交给AI处理的工作范围“这一杰文斯假说的实测案例。[推断: 杰文斯效应] 需要关注的不是token价格的下降幅度，而是价格下降新打开的工作量。

6. 那么这如何转化为内存需求

也需要保持克制。仅凭Codex 900万这一个数字，无法解释整个内存周期。用户数要转化为内存比特需求，必须经过并发执行量、上下文长度、单台加速器内存搭载量，以及供给增速这四个转换系数。[推断: 需求模型] 其中任何一个环节偏弱，话题性指标与真实需求之间就会出现脱节。

不过，把此前需求情景一文中作为超预期35%论据列出的上行变量，与这一周的实测对照，可以看到二者是对齐的。

加速器需求基础的扩大，已经被ACIE增速逆转和主权营收增至三倍的实测数据坐实。
智能体常态化推理，已经通过Codex三天新增300万与指标口径的转换，拿到了第一个数字。
扩散到HBM之外，已经通过服务器DRAM合约价+13-18%的预测、40周的交付周期，以及72%的现货溢价，在价格上体现出来。
“用量跑赢效率"这一假说，得到了token效率提升54%之后用量随即暴增这一反直觉的实测印证。

对2028年供给缓解叙事的含义，也在这里出现分歧。缓解论的算式大体上把超大规模云服务商CAPEX增速放缓，当作需求增速的上限。但如果增量需求已经有一半开始来自那个范围之外，这个上限假设本身就需要重新计算。Meritz反驳所瞄准的，正是这一点。我们不会立刻调整概率。基准45%、超预期35%、不及预期20%的骨架维持不变，但要记录下这样一个事实：超预期一侧的论据，已经开始有三条实测数据在支撑。概率的更新，要等到下面的判读表被填满时再进行。[推断: 情景运营]

7. 反方论点检验

论据看起来越强，越要把对立面立起来看。

非超大规模需求的质量。ACIE中包含了新兴云厂商(neocloud)。资本成本脆弱的二线云厂商订单，一旦利率与融资环境收紧，会是最先被取消的需求。增速逆转并不能保证需求的持久性。
主权项目的政治波动性。国家项目会受选举、预算和出口管制的摆布。欧盟的千兆工厂招标已经两次延期，中东的物量则系于美国出口许可这一个开关。
指标的陷阱。Codex 900万是指标定义刚改为合并口径之后的数字，“活跃"的判定标准也未公开。增长的方向是实测的，但规模大小目前还没能和营销话术分开。
价格暴涨的自我摧毁。服务器DRAM供给再吃紧既是强多头论据，同时也如IBM案例所示，存在侵蚀IT预算、在抢先采购之后留下需求真空的风险。崔会长本人也曾警告过价格过度上涨会摧毁需求。
展望与实测的区分。Meritz对相关事件的展望（股东回报提前执行、大型科技公司入股式伙伴关系）目前还只是展望。如果不能兑现，那就说明此前狭窄的市场视角才是对的。

8. 判读表：什么会给出最终答案

7月30日前后三星电子、SK海力士的财报电话会上，三季度合约价的涨幅是否验证了TrendForce的+13-18%区间，是否会出现关于非LTA客户与主权物量的表态。
SK海力士的股东回报提前执行与入股型伙伴关系，是否会以实际公告的形式出现。这是对Meritz展望的直接评分项。
8月末英伟达FY27 2Q的披露中，ACIE是否首次超过Hyperscale。一旦超过，需求基础扩大就不再是叙事，而是披露数字。
主权方直接签署的内存合约，或经服务器OEM转手的大额订单，是否上升到披露层级。Stargate意向书能否转化为具有约束力的合同，是第一个观察候选。
Codex与竞品智能体的用量指标，是否会在突破1,000万的同时，开始以运行时长为基准公开。

判别标准不会改变。如果DRAM合约价格掉头向下，这整套需求叙事就会被市场否决；如果维持强势，那条画得过于保守的需求曲线就会被重新绘制。

文中提及的标的仅为分析示例，不构成对特定证券的买卖建议，投资判断及其后果由投资者自行承担。Meritz证券报告为要旨重构后的引用，具体数值与展望的原文责任归属该机构。Codex用户数在7月9日之后改为ChatGPT Work合并口径，与此前区间难以严格比较，10月突破1,000万的外推线并非OpenAI官方预测。主权主体直接采购内存尚未见公开披露，Stargate相关物量仍处于不具约束力的LOI（意向书）阶段。股价、指数与价格数据以2026年7月17日为止的公开资料为准，此后的变动未被纳入。

Kimi K3重塑AI价格曲线：从Kimi Linear到HBM与美国科技巨头战略

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

Kimi K3于2026年7月16日正式上线，定价为每百万未缓存输入token 3美元、每百万输出token 15美元。这并非中国挑战者惯常的超低价定位——该定价与Claude Sonnet 5标准价持平，在输入端较GPT-5.6 Sol低40%，输出端低50%。Moonshot AI将K3定位为企业级主力模型，而非低成本备选方案。

其架构设计足以支撑这一定位。K3总参数量达2.8万亿，但每个token实际激活的专家数仅为896个中的16个。Kimi Delta Attention负责控制长上下文的成本，Attention Residuals在深度维度上选择性地检索早期表征，量化感知训练则采用MXFP4权重配合MXFP8激活值。Moonshot建议使用至少配备64块加速器的超级节点进行部署。

这一组合在半导体领域产生双面效应：单token的内存与算力消耗可能下降，而能够部署前沿级模型的机构数量以及其运行的工作量则可能上升。K3同时兼具效率技术与基础设施负载两重属性。

延伸阅读：AI token价值与内存价值捕获 / AI token期货与单token成本 / 智能体推理基础设施的中美分化 / 2030年HBM供需短缺模型的交叉验证

执行摘要

K3集成2.8T参数、原生视觉能力与100万token上下文窗口。其产品与API已上线，但截至7月17日，完整权重、技术报告及许可证尚未发布。开放权重投资论点须在7月27日截止日期后进行核实。
Moonshot官方公布的GDPval-AA v2得分为1,668，而非1,687；AA-Briefcase得分为1,548。BrowseComp 91.2使用了上下文压缩；不使用压缩的100万token上下文原生结果为90.4。整体表现强劲，但混合测试框架与企业自评结果仍需独立复现验证。
Kimi Linear宣称在100万token上下文下KV缓存最高降低75%、理论解码吞吐量最高提升6.3倍——这些数据来自一个总参数480亿、激活参数30亿的研究模型，不应直接等同于K3 API的实测性能。
K3并非低成本模型。其定价与Sonnet 5标准价持平，比Sonnet临时上线促销价贵50%，但低于GPT-5.6 Sol。由于目前仅开放最大推理模式，且独立测试显示输出token用量较高，实际单任务成本可能比价目表所呈现的更不具吸引力。
K3对半导体的影响体现在两个方向的博弈：单请求算力与KV缓存需求下降，与自托管部署数量增加及总工作负载上升之间的对冲。服务器DRAM与企业级SSD是最明确的二阶受益标的，因为长生命周期的智能体上下文会从HBM溢出至分解式缓存层。
模型层与云层呈现出相反的经济逻辑：OpenAI、Anthropic和Gemini的API定价面临压力，而Azure、AWS和Google Cloud则可通过算力、存储与网络从K3及其他模型中获益。Meta须捍卫其在美国开放权重领域的领先地位。
7月27日的关键验证节点包括：许可证、完整权重、第三方评测、在NVIDIA与AMD上的吞吐量表现、对中国加速器的支持、实际单任务输出token数、vLLM兼容性以及云平台目录上架情况。

1. 先订正数据，再得出结论

随着本次发布在社交媒体广泛传播，多项数据出现偏差。官方数值至关重要，因为部分差异会直接影响投资解读。

项目	官方数值	投资者解读
总参数量	2.8T	模型整体规模，非单token激活算力
专家路由	896选16	极度稀疏的MoE；路由与通信成为首要约束
上下文长度	100万token	适用于代码库与研究任务，但任务成本取决于输出长度与缓存命中率
GDPval-AA v2	1,668	官方表格未显示1,687
AA-Briefcase	1,548	高于GPT-5.6 Sol的1,495，低于Claude Fable 5的1,583
BrowseComp	91.2	从30万token起启用压缩
BrowseComp（不启用压缩）	90.4	原生100万token上下文声明的更纯净结果
产品可用性	Web、Work、Code及API均已上线	现可开展商业测试
权重	承诺于7月27日前发布	截至7月17日，许可证与完整模型文件尚未核实
推理力度	仅限最大推理	低成本模式尚未开放

Moonshot明确表示，K3在整体用户体验上仍落后于Claude Fable 5和GPT-5.6 Sol。与此同时，其在编程、知识工作与多模态基准测试中报告了前沿级性能表现。合理的解读并非中国已明确占据领先地位，而是一个中国模型已跻身顶尖专有系统之下的性能区间，同时承诺提供100万token上下文与可下载权重。

基准测试表格并非单一受控的竞赛环境。K3以最大推理力度运行；不同任务分别使用Kimi Code、Claude Code或Codex；部分竞品得分为跨测试框架的最优结果，或直接引自外部排行榜。独立复现仍是必要前提。

尽管如此，Terminal-Bench 2.1得分88.3、FrontierSWE得分81.2、SWE Marathon得分42.0、AutomationBench得分30.8、GPQA-Diamond得分93.5、MMMU-Pro得分81.6——这些数据表明，K3的设计目标是长周期工具调用与编程任务，而非单纯的对话场景。更重要的信号在于其整体组合：接近前沿的能力、100万token上下文，以及承诺开放的权重。

2. 2.8T模型如何实现可部署

2.1 总参数量不等于激活参数量

对每个token计算全部2.8T参数的代价将极为高昂。Stable LatentMoE实际激活896个专家中的16个，约占专家池的1.8%。确认精确的激活参数量需参阅技术报告，但可以明确的是，总参数量绝不等同于单token计算量。

稀疏MoE重新分配了瓶颈，而非消除瓶颈。

改善项	变得更难的方面
单token激活计算量	路由质量与专家负载均衡
达到目标质量所需的算力	加速器间的通信
部分推理成本	避免加速器空闲与专家热点
模型容量的扩展	保持全量权重可访问

这正是Moonshot建议配置含64个或更多加速器超级节点的原因。即便每次只有一小部分专家被激活，所选专家事先无从预知，全量模型必须随时可访问。以4比特量化计算，2.8T权重在不含缩放因子、元数据、缓冲区、缓存及副本的情况下，理论最低占用约为1.4 TB。稀疏激活降低了算术运算量，但无法消除模型驻留内存或互联网络的需求。

2.2 Kimi Linear解决长上下文成本问题

Kimi Linear论文早于K3发布，评估的是一个总参数48B、激活参数3B的研究模型，并非K3本身。该模型以3:1的比例结合了Kimi Delta Attention与完整的Multi-head Latent Attention。

完整注意力在精确复制与细粒度检索方面表现强劲，但KV缓存随上下文增长。线性注意力将历史信息压缩为固定大小的状态，降低了对序列长度的依赖，但可能丢失精确细节。Kimi Linear采用三层KDA接一层完整注意力层的结构，在效率与表达能力之间取得平衡。

组件	作用	权衡
KDA	将长历史压缩为固定大小状态	可能削弱精确复制与细粒度检索能力
完整MLA	恢复精确的token间召回	KV缓存仍随上下文增长
3:1混合架构	平衡效率与质量	需要更复杂的内核与服务软件

论文报告在1M上下文下，KV缓存最高降低75%，理论解码吞吐量最高提升6.3倍。复杂度分析中的实测对比报告显示加速比为2.3倍。上述结果揭示了技术方向，并非K3 API性能的保证值。

对投资者而言，更低的KV缓存意味着每个加速器可承载更多并发请求，同时使更长的代码仓库、更多文档及持久化智能体在经济上具有可行性。单token内存占用可以下降，而总token量则同步提升。

2.3 Attention Residuals提升深度效率

标准残差连接持续叠加前层输出。在极深的网络中，有效表征可能被稀释。Attention Residuals允许某一层有选择地提取所需的前层表征。Block AttnRes对层进行分组并保留块级表征，从而降低内存开销。

Moonshot的研究表明，大约八个块即可恢复大部分增益，且Block AttnRes能够匹配使用约1.25倍算力训练的基线模型。这提升了训练资本效率，但并不自动减少数据中心需求——更高的效率可以被重新投入更大的模型与更长的任务。

2.4 量化是硬件可移植性策略

K3从监督微调阶段起即应用量化感知训练，采用MXFP4权重与MXFP8激活值。与激进的训练后量化相比，这一方法应能更好地控制精度损失，并使跨多硬件平台的部署更为便捷。

Moonshot的内核竞技场涵盖NVIDIA H200及来自替代供应商的通用GPU。官方公告未点名任何中国芯片，也未声称具备与H200同等的经济性。经核实的是其明确的战略意图：在NVIDIA平台之外同样进行优化。

这对中国市场与全球买家均具重要意义。中国需要能够在顶级NVIDIA系统受限访问环境下仍可运行的前沿模型；其他买家则希望在NVIDIA、AMD与定制加速器之间拥有议价筹码。

3. 价格表所揭示的信息

3.1 K3定价定位为主力模型

模型	缓存输入（每1M token）	标准输入	输出	当前市场定位
Kimi K3	$0.30	$3	$15	前沿主力模型定价
Claude Sonnet 5 发布促销价	不等	$2	$10	临时价，有效期至8月31日
Claude Sonnet 5 标准价	不等	$3	$15	与K3标价相同
GPT-5.6 Sol	$0.50	$5	$30	输入价高出K3 67%，输出价高出100%

K3比Sonnet 5当前促销价更贵，将其描述为"全面半价"并不准确。更清晰的战略逻辑是：对标Sonnet标准档价格，同时低于最昂贵的前沿API。

这一定价既是信心信号，也是变现决策。Moonshot不再为换取用量而接受大幅折价，而是在企业级默认模型档位上主张自身位置。

3.2 单任务完成成本比单token成本更关键

价目表默认token用量相等。但各智能体在规划长度、工具调用、重试次数与输出冗余度上存在差异。K3目前仅开放最大推理模式。Artificial Analysis报告显示，K3在Intelligence Index评测中消耗了约1.3亿输出token，超过同类产品中位数约6300万的两倍有余。输出token更便宜，并不意味着任务总成本更低。

任务成本 = 输入token数 × 输入单价 + 输出token数 × 输出单价 + 工具调用与重试成本

企业买家将重点监测任务成功率、输出token量、首token延迟、吞吐量、工具可靠性、缓存命中率与会话稳定性。Moonshot表示Mooncake在编程工作负载上的缓存命中率超过90%，使缓存输入价格降至非缓存价格的十分之一。若该命中率在企业流量中得以维持，K3的实际经济性将显著改善。

3.3 Mooncake将内存需求向存储层级下移

Mooncake将预填充集群与解码集群分离，并将KV缓存分散至CPU、DRAM与SSD，而非将所有内容保留在GPU HBM中。其论文报告显示，仿真吞吐量最高提升525%，生产环境请求处理量提升75%。

这揭示了AI内存需求向HBM之外延伸的逻辑：

加速器HBM → 服务器DRAM → 企业级SSD → 远程缓存层

KDA可减少单请求的KV缓存用量，但持久化的1M上下文智能体将增加缓存总量与保留时长。热数据留存于HBM与DRAM，较冷的上下文转移至SSD。效率提升或将弱化单纯看多HBM的论点，同时强化对更广泛内存层级的看法。

4. 中国开源权重向企业栈上移

OpenRouter报告显示，基于2026年1月至6月14日逾450万亿token的统计，中国模型在其平台的token份额于2026年6月初超越美国模型。DeepSeek份额从约9%升至18%，并于5月中旬成为领先供应商。

采用路径分为三个阶段：

低成本开源模型承接分类、翻译与测试工作负载；
更强的编程与智能体性能承接重复性企业工作流；
接近前沿的质量与百万token上下文，争夺主干路由位置。

K3的定价专为第三阶段设计。它并未采取最激进的低价策略，而是以前沿档API价格入场，同时承诺提供可供云服务商、政府及企业自主部署的模型权重。

专有API与开源权重积累的是不同的战略资产。

专有前沿API	接近前沿的开源权重
掌控最佳用户体验与能力	扩展部署渠道与硬件选项
集中用量数据	允许企业保留数据与运营控制
集中变更定价与政策	已发布文件难以撤回
模型提供商获取毛利率	云服务商、芯片商与应用厂商共享价值

最强的专有模型可在保持第一的同时失去付费token份额。企业可将重复性工作路由至K3级模型，将最复杂的法律、设计与研究任务保留给顶级闭源模型。付费token结构与综合价格比排行榜排名更具战略意义。

5. 半导体需求：效率提升与需求扩散同步到来

5.1 英伟达：近期面临效率压缩风险，中期具备部署弹性

稀疏MoE、KDA、量化技术与自主内核优化压缩了单任务GPU时耗。硬件可移植性也削弱了"所有前沿工作负载必须留在CUDA生态"这一假设。上述因素对英伟达均为估值负面信号。

但正面因素同样不可忽视。Moonshot建议自托管K3至少部署64块加速器，而开放的模型权重可能驱动云厂商、政府机构、实验室和大型企业纷纷自建集群。原本集中于单一API后端的需求，将演变为分布于众多数据中心的硬件需求。

加速器总需求 = 单任务GPU时耗下降 × 总工作负载增长 × 自托管机构扩张

第一项为负，后两项为正。K3本身不足以下调英伟达盈利预期，但也不足以支撑"每次效率提升均会带来更多GPU需求"的假设。工作负载弹性才是决定性变量。

5.2 AMD：硬件选择层面的期权价值

若MXFP4、MXFP8与vLLM可移植性能让企业将模型选型与加速器选型解耦，AMD将从中受益。一个接近前沿水平的开放模型，为采购方提供了测试英伟达替代方案的真实工作负载。

但验证必须在权重发布后进行。ROCm内核、专家并行通信、100万上下文吞吐量以及64卡稳定性均有待实测。只有K3在MI系列芯片上展示出更优的单任务成本，AMD的上行空间才能真正兑现。

5.3 HBM：单次请求缓存需求下降，模型常驻需求扩大

需求层次	K3效率影响	方向
权重常驻	2.8T模型须保持快速可访问性	加速器与高带宽内存需求增加
单次请求KV缓存	KDA降低缓存容量及其增长	单次请求HBM占用减少
并发用户与智能体	成本下降与开放部署可扩大工作负载	HBM与DRAM总需求增加

KV缓存下降75%、吞吐量提升6.3倍的表述，听起来对SK海力士、美光和三星偏负面，似乎意味着内存密度降低。但这些数据来自Kimi Linear研究模型，并非K3生产实测数据。HBM存储的不仅是KV缓存，还包括权重、激活值、通信缓冲区和批处理数据。

中期而言，若自托管集群与智能体工作负载的增速超过效率提升速度，整体需求格局为中性至偏正面；若工作负载弹性不足且压缩技术进步快于使用量增长，则转为负面。

5.4 服务器DRAM与企业级SSD是最明确的二阶受益者

长上下文与缓存复用无法全部驻留于HBM。一旦推理服务将预填充与解码分离，并将缓存溢出至CPU、DRAM和SSD，服务器DRAM与企业级SSD便成为AI推理的运营资产。

三星可销售HBM、服务器DRAM、大容量SSD、晶圆代工及封装。
SK海力士将HBM与服务器DRAM结合Solidigm企业级SSD协同布局。
美光供应HBM、数据中心DRAM及SSD。

K3并未表明AI需要更少内存，而是表明AI内存正走向层级化：最热数据留在HBM，保留的上下文存于服务器DRAM，较冷的缓存迁移至企业级SSD。拥有完整内存产品线的厂商，比押注单一HBM的企业具有更强的抗风险能力。

5.5 网络与定制芯片是MoE架构隐藏的瓶颈所在

将896个专家分散至多块加速器，会因Token路由方式不同而产生可变的通信开销。这正是Moonshot着重强调均衡专家并行训练、静态形状以及从关键路径中移除主机同步的原因。在64块乃至更多加速器上稳定运行，需要高带宽的纵向扩展（scale-up）与横向扩展（scale-out）互联架构。

这在结构上对Broadcom、Marvell、英伟达网络业务、光互联及交换芯片均构成利好，同时也将推动针对开放模型优化的推理专用ASIC的发展。K3在48小时内完成的小芯片设计实验并非商业产品，但它表明模型与硬件协同设计的速度正在加快。

6. 美国大型科技公司的战略走向与股价传导

6.1 微软：OpenAI经济利益承压，Azure使用量提升

微软持有OpenAI的知识产权敞口与经济利益，同时拥有Azure基础设施。2026年4月更新的合作协议维持微软作为主要云合作伙伴的地位，并将非独家IP授权延续至2032年。

K3对模型层构成压力，因为重复性工作可能从OpenAI API迁移出去。但若Azure以托管或自托管基础设施承载K3，则对云层形成支撑。

微软业务层	K3影响
OpenAI收入分成	因价格与产品组合变化而承压
Copilot	若路由成本下降，则为正面
Azure AI	若多模型使用量上升，则为正面
定制芯片与数据中心	若开放权重优化扩大，则为正面

近期股价影响中性。中期核心问题在于Azure能否将模型价格通缩转化为使用量增长与Copilot利润率提升。

6.2 亚马逊：Anthropic与AWS具有不同的经济逻辑

亚马逊是Anthropic的主要投资者，同时提供AWS、Bedrock、Trainium和Inferentia。K3可能削弱Claude的定价能力，并拖累亚马逊在Anthropic的股权价值。但若企业选择在AWS上运行K3，EC2、Bedrock、存储、网络及Trainium的使用量均可能提升。

亚马逊的最优策略是无论哪款模型胜出，都将工作负载留在AWS之上。若K3附带宽松许可证并高效支持Trainium，AWS便可从竞争对手的扩散中获利。股价影响为中性至小幅正面，但推理定价竞争可能在营收增长的同时压低云业务利润率。

6.3 谷歌：Gemini定价承压，TPU与Vertex构成防御

谷歌掌控模型、芯片、部署平台，并通过搜索、广告及Workspace触达终端需求。Vertex Model Garden支持第一方、第三方及开放模型。

K3对Gemini API定价形成压力，但可同步带动TPU与谷歌云需求。模型成本下降也降低了AI摘要（AI Overviews）、广告生成及Workspace智能体的运营成本。由于谷歌并非单纯的模型厂商，股价影响为中性至正面。风险在于：若Gemini同时失去性能与价格领导力，云业务客户获取成本将随之上升。

6.4 Meta：从开放权重受益者转为防御者

Meta通过将竞争对手API商品化并降低自身推荐、广告与内容成本，曾是开放权重扩散的主要受益方。若中国实验室率先发布接近前沿水平、支持更长上下文的模型，Meta可能失去其作为美国开放权重生态系统基准的地位。

K3迫使Meta作出两项回应：下一代Llama必须在长上下文、智能体工具与部署成本上具备竞争力；同时，Meta须为不愿部署中国权重的企业和政府提供可信赖的美国替代方案。由于广告业务仍是主要现金流来源，近期盈利影响有限。战略风险在于：若Llama落后，AI基础设施与开发者生态投资的回报将面临下行压力。

6.5 现有市场定位的影响远超单次发布

从6月22日至7月16日，在K3大部分证据能够影响交易之前，美国AI板块已出现明显分化。

公司	期间涨跌	较期间高点回撤	定位信号
Meta	+17.9%	-3.1%	广告现金流强劲与AI利用率预期稳固
微软	+9.2%	-1.2%	云与软件业务韧性
亚马逊	+7.3%	-3.2%	AWS与消费者复苏预期
Alphabet	+1.4%	-5.5%	搜索与云业务定位分歧
英伟达	-0.6%	-3.1%	相对抗跌
Broadcom	-4.5%	-9.7%	定制AI乐观情绪遭遇估值压力
AMD	-9.2%	-14.3%	替代加速器期权价值伴随高波动性
美光	-29.6%	-32.0%	内存预期过高后的大幅回调
甲骨文	-29.1%	-32.7%	AI基础设施增长预期与融资压力之间的张力
Marvell	-38.8%	-40.1%	网络与定制芯片领域遭遇严重估值重置

上述涨跌幅并非K3所致，而是反映了K3登场时各标的已有的市场定位。英伟达相对抗跌，意味着其对效率利空消息可能更为敏感；而已大幅回调的美光与Marvell，若已发布的权重能够创造可验证的基础设施需求，则反弹弹性或更为突出。

7. 公司影响图谱

公司或层级	近期信号	中期路径	当前行动建议
NVIDIA	效率提升与可移植性带来估值压力	自托管64张以上加速卡集群对冲效率风险	关注工作负载弹性，不因本次发布单独调整预测
AMD	替代部署的期权价值	ROCm经济性若得到验证则具备份额上行空间	等待7月27日后的吞吐量数据
Broadcom与Marvell	网络层已开始重新定价	MoE专家并行提升互联结构需求	核实订单及K3实际集群拓扑
SK hynix	对KV缓存效率相关标题高度敏感	HBM、服务器DRAM及Solidigm SSD层级敞口	评估完整内存栈，而非仅关注HBM
Samsung Electronics	HBM效率风险叠加追赶者地位	HBM、服务器DRAM、SSD及代工期权价值	布局最广，执行层面仍需兑现
Micron	高预期已完成修正	综合覆盖美国AI内存与存储敞口	关注部署量与定价之间的关系
Microsoft	OpenAI价格与产品结构承压	Azure与Copilot受益于模型成本杠杆	云端使用量比模型利润率更重要
Amazon	Anthropic资产价值面临压力	AWS、Bedrock及Trainium受益于模型多元化选择	内部对冲逻辑最为清晰
Alphabet	Gemini价格承压	TPU、Vertex及搜索受益于模型成本下降	应用层防御力依然较强
Meta	美国开源权重模型领导地位承压	Llama加速发展或推动更广泛的开放生态	战略影响超过近期盈利影响

仅凭本次发布，尚无充分证据支持新的买入或卖出评级。权重文件、许可协议及外部硬件吞吐量数据仍不可得。证据链的完整性比叙事方向更重要。

8. 三种情景

基础情景：模型强劲，重估幅度有限

主观概率：55%。完整权重及相对宽松的许可协议于7月27日前发布。外部测试结果再现官方性能的85%至95%。K3可在NVIDIA和AMD上运行，但64张以上加速卡、最大推理模式及高输出token用量使部署成本依然较高。

专有API在重复性工作上面临更大的价格压力。
云服务商从K3托管及自部署需求中受益。
单token效率提升对冲工作负载增加带来的成本。
HBM中性至小幅正面。
服务器DRAM、企业级SSD及网络互联偏正面。

乐观情景：开源权重进入企业主路由

主观概率：25%。许可协议接近MIT，vLLM与SGLang支持稳定，NVIDIA、AMD及国产加速卡均展现出强劲吞吐量。外部评测确认性能紧随顶级专有模型之后。较低推理模式降低任务成本。主要云服务商及企业网关将K3纳入默认路由。

专有模型混合定价及token份额下降。
超大规模云服务商多模型使用量上升。
自部署集群增加加速卡需求。
HBM、网络互联、服务器DRAM及企业级SSD受益于部署量提升。
Meta及美国开源模型计划加快投入。

悲观情景：权重暴露成本与质量差距

主观概率：20%。权重延迟发布或受到限制，外部评分低于官方表格，思维链保留要求及过度主动性导致企业场景故障，且因最大推理模式与冗长输出，任务成本超过Sonnet 5。64张加速卡的要求限制自托管可行性。

Moonshot可能被迫退出前沿定价区间。
专有API保留用户体验与可靠性溢价。
增量半导体需求依然有限。
现有盈利预期与资本开支重新主导股价走势。

9. 7月27日核查清单

验证要点	强信号	弱信号
权重与许可协议	按时完整发布，含商业修改权利	延迟、存在限制或缺少关键组件
外部评测	官方评分在同一测试框架下获得广泛复现	相比公司内部表格大幅下滑
单任务成本	较低推理模式、输出token更少	仅支持最大推理模式且持续冗长
NVIDIA吞吐量	64张加速卡节点上专家并行运行稳定	互联瓶颈、利用率偏低
AMD吞吐量	在ROCm与vLLM下具备成本优势	内核不成熟或存在精度损失
国产加速卡	有明确硬件型号及实测吞吐量	仅出现"替代GPU"等模糊表述
缓存命中率	企业流量命中率接近90%	编程场景之外急剧下滑
云端采用	AWS、Azure、Google Cloud或Oracle上线	仅限少数国内平台
竞争性定价	标准价格下调或扩大缓存折扣	仅为临时促销
内存订单	HBM、服务器DRAM及SSD出货量上调	效率提升同时出货量停滞

10. 最强反驳论点

最强的看空逻辑简单明了：若效率提升速度超过使用量增长，半导体需求将下滑。模型压缩、线性注意力机制、量化、缓存复用及推理ASIC有可能以更少的GPU和HBM完成同等数量的有效任务。开源权重竞争可能压低API价格，却不足以带来足够多的增量付费工作量来支撑AI资本开支的合理性。

这一结果的佐证信号包括：推理收入尽管价格下降但增速放缓；加速卡利用率提升但新增集群减少；HBM比特增速低于模型效率提升幅度；云端AI积压订单向营收转化疲弱；企业使用开源模型仅为降低成本而非创造新工作流。

乐观情景则要求价格下降能够释放新的工作量：仓库级代码生成、研究自动化、视频剪辑、芯片设计以及此前不具备经济可行性的工作流。工作负载对模型效率的弹性，是加速卡与HBM投资逻辑共同的核心验证点。

11. 结论

Kimi K3并不能证明中国已超越美国最强专有模型。Moonshot自身亦承认在用户体验方面仍存在差距。截至7月17日，完整权重及技术报告尚未公开，混合评测框架下的基准表无法宣告胜负。

但它确实改变了市场结构。一个拥有2.8T参数、1M上下文窗口、接近前沿水平的模型已以Sonnet标准价格上线，并承诺在十天内发布权重。中国开源权重正从低价次级替代品向企业主力工作负载迁移。

对半导体而言，此次事件更多是需求重新分配，而非需求破坏。KDA与量化降低了单次请求的HBM和GPU占用时长；稀疏MoE与64张加速卡超级节点增加了模型常驻内存与互联结构需求；Mooncake将缓存推向服务器DRAM与企业级SSD。HBM的单线叙事变得更为复杂，而完整内存与数据中心层级对更广泛部署的敞口依然存在。

美国大型科技公司面临同样的结构分化。模型API承受价格压力，云端与应用层则受益于模型成本下降。即便微软、亚马逊和Alphabet旗下的首选模型失去份额，它们同样可以托管K3。Meta则必须捍卫其作为美国可信开源权重标准这一战略地位。

7月27日，真正重要的证据不是权重文件本身的存在，而是宽松的许可协议、可复现的评测结果、多硬件平台吞吐量以及具有竞争力的单任务完成成本。若上述条件成立，K3将成为同时改变AI定价曲线与半导体需求路径的标志性事件。若不然，它将仅是一次令人印象深刻的产品发布，而非行业重置。

资料来源与局限性

主要参考材料：Kimi K3 发布公告、Kimi K3 API 文档、Kimi Linear 论文、Kimi Linear GitHub、Attention Residuals 论文、Mooncake 论文、Claude Sonnet 5 定价、GPT-5.6 Sol 定价、OpenRouter 模型采用率分析、微软-OpenAI 合作关系、Google Vertex Model Garden，以及亚马逊-Anthropic 合作关系。

半导体传导与股价联动分析系基于公开架构、推理服务及市场数据所作的推断性结论。截至 7 月 17 日，精确激活参数量、权重规模、许可条款、AMD 及国产加速芯片吞吐量，以及企业级单任务完成成本等信息均尚未公开。本文仅供研究与信息参考之用，不构成任何投资建议。