Kimi K3的崛起，備受全球市場關注。(美聯社)
近期Kimi K3的崛起，對中國人工智能產業的意義，不只是多了一個性能較強的大模型，而是證明中國AI企業即使面對高階晶片供應限制，仍可以透過模型架構、訓練方式及軟件工程效率，縮窄與全球頂尖模型之間的距離。Kimi K3在程式設計及AI Agent方面展現競爭力，亦反映中國AI發展正在由單純追求「模型有多大」，逐步走向模型效率、Agent應用及商業落地的競爭。這對整個中國AI生態而言，可能比單一模型排行榜的勝負更加重要。
不過，模型效率愈高，反而愈容易令半導體板塊出現波動。過去兩年市場對AI產業鏈有一個相對簡單的投資邏輯：模型愈大，需要的算力愈多，GPU、HBM、DRAM、先進封裝、光通訊及數據中心設備需求便愈強。但Kimi、DeepSeek等中國模型逐漸證明，AI能力提升不一定完全依靠無止境增加晶片，軟件優化、MoE架構及推理效率同樣可以提高模型表現。這令市場開始重新思考：未來AI算力需求仍會增長，但增長速度是否可以永遠跑在硬件供應之前？一旦市場對這個問題出現分歧，半導體股自然容易由「全面受惠」變成高波動及個別發展。
對騰訊及阿里巴巴而言，Kimi的崛起亦不一定是壞事。AI產業未必是一場只有一個贏家的零和遊戲。阿里擁有Qwen、阿里雲及大量企業客戶，可以將模型進步轉化成雲端算力、API及企業Agent需求；騰訊則擁有微信、企業微信、騰訊雲、ADP及WorkBuddy等龐大應用入口。簡單而言，Moonshot可以專注「製造更好的引擎」，而阿里及騰訊則擁有道路、汽車及乘客。當中國模型能力提高、使用成本下降，反而有機會加速企業採用AI，令整個產業共同受惠。
然而，現階段市場真正擔心的問題，已由「AI有沒有需求」逐漸轉向「AI究竟賺不賺到足夠的錢」。Google的情況正好提供一個重要警號。即使AI及雲端需求保持強勁，公司繼續增加數據中心、伺服器及AI基建資本開支，但龐大投資亦會對自由現金流形成壓力。
所以，Google增加Capex本身並不是壞消息，真正要看的，是「資本開支→AI收入→營運現金流→自由現金流」這條鏈能否形成良性循環。如果Hyperscalers最終因回報率不足而放慢投資，GPU、記憶體、光通訊、先進封裝及AI伺服器都可能面對估值重新調整。Kimi K3與Google其實代表AI浪潮的兩面：技術仍在高速進步，但資本已開始要求回報。過去記憶體股的上升，很大程度建立在「AI算力無限擴張」的預期之上，尤其是HBM及高階DRAM被視為AI伺服器的核心瓶頸之一。但當市場開始質疑算力擴張的線性增長是否可持續時，記憶體的需求彈性亦會被重新定價。一方面，AI推理及訓練仍然支撐高端記憶體需求，短期供需偏緊的格局未必會立即逆轉；但另一方面，一旦Hyperscalers放慢Capex增速，或更強調效率而非純算力堆疊，記憶體的「超級周期」敘事就可能由加速階段轉入高位震盪。
換言之，記憶體行業未必會立即見頂，但其估值邏輯正由「需求無上限」轉向「需求有節奏」。在AI從資本驅動走向回報約束的過程中，記憶體將由過去的核心受益者，逐步變成需要更精細區分週期與結構的板塊。