Kimi K3讓費半跌入熊市？AI模型越省，為什麼晶片需求反而更高？

事件：Moonshot 被描述為北京的 AI 實驗室，投資人包括阿里巴巴。Kimi 系列模型從 K1.5、K2 演進到 K3，K3 在上海人工智慧大會亮相。逐字稿指出中國除了 Moonshot，還有阿里巴巴、Minimax 等模型陣營，且多採開源路線；過去一年半，中國實驗室以接近頂尖水準但低價、可開源的方式，持續對美國 AI 公司形成競爭壓力。

觀點：珍妮認為市場正在把 Kimi K3 視為可能直接威脅美股 AI 相關公司的新變數。

風險：若中國模型以更低價格與開源方式逼近一線能力，美國模型商的市場接受度、採用度與市佔率可能受壓。

事件：Kimi K3 被描述為採用 2.8 兆參數的 MOE 混合專家架構，內含 896 個專家，每次處理只會喚醒部分專家，實際被喚醒參數約 1.8%。逐字稿並提到 K3 具備 100 萬 Token 上下文長度、原生視覺能力，且在多項測試與比較中排名前段，形成又大又便宜的模型特徵。

觀點：珍妮用大型醫院分科看診比喻 MOE，強調這種架構可在維持大模型能力下壓低使用成本。

事件：逐字稿指出，若中國高水準開源模型以低 API 定價推出，市場會擔心美國公司在模型訓練上投入大量資金後，未來接受度、採用度與市佔率下降。內容也提到已有美國公司拿中國模型部署；當任何人都能拿去修改與部署時，模型商提高價格的空間可能受限，進而影響營收、獲利與未來 IPO。

觀點：珍妮認為市場焦慮的核心在於，一線模型商過去能收取高價，但低價開源競爭正動搖其定價權。

風險：API 價格被壓低、開源生態擴散、商業模式獲利空間收斂，都是模型商面臨的風險。