周末的科技圈,被一个叫Kimi K3的模型刷屏了。2.8万亿参数,7月27号还要直接开源权重,性能直逼顶尖闭源模型。听起来是中国AI的骄傲,但资本市场却把它读成了一道催命符。 费城半导体指数(SOX)从6月高点回撤超过20%,正式跌入技术性熊市。自6月22日以来,全球芯片市值蒸发了3.3万亿美元。昨天SMH又跌了-1.77%。市场恐慌的逻辑极其粗暴:K3这么强,训练成本却这么低,那谁还需要那么多昂贵的英伟达GPU?算力需求要崩!等等,这剧本我好像看过。2025年初,DeepSeek横空出世时,市场也是这么说的,后来呢?今天咱们就拿着历史地图和物理学定律,把这条低成本=算力需求崩塌的推理链,重新拧开来看一遍。 一、历史照妖镜:2025的DeepSeek,教会了我们什么? 把K线图拉回到2025年1月。当时DeepSeek-V3用极低的成本实现媲美GPT-4的性能,英伟达一天暴跌17%,市场哀鸿遍野,都说算力过剩要来了。结果呢?短暂恐慌之后,英伟达股价不仅收复失地,还在随后几个月再创新高。为什么?因为市场发现,DeepSeek降低的只是训练的门槛,它反而引爆了推理和应用的火山。 这就是经典的杰文斯悖论:当某种资源的使用效率大幅提升,它的总消耗量反而会暴增,而不是减少。蒸汽机效率提高,煤炭消耗量飙升;AI训练成本降低,下场做AI的公司、需要推理的场景,会呈指数级爆发。历史不会简单重复,但它踩着相似的韵脚。这次K3带来的恐慌,极有可能是同一套剧本的重演——先杀情绪,再杀回马枪。 二、推理链拆解:“低成本训练”=“算力需求崩塌”?大错特错 咱们用常识拆一下盘面恐慌的逻辑,漏洞百出。把AI算力需求想象成高速公路。训练只是修路的过程。K3这类模型,相当于发明了更便宜的修路技术。市场现在担心的是:路修得便宜了,以后是不是就不用修路了?这完全搞错了重点。真正的算力消耗大头,从来不是修路,而是
台积电财报创纪录却跌2.3%,超预期为何不涨?
台积电今日跌2.32%,昨日刚公布的Q2财报创历史纪录,AI芯片代工需求强劲印证超级周期,Yahoo称是"英伟达股东的重大利好"。但业绩超预期未能提振股价,Benzinga指韩国存储抛压与芯片股集体杀跌盖过了亮眼财报。超预期却遭错杀,是情绪宣泄的黄金坑,还是AI代工估值见顶的前兆?
+ 关注
+0