（来源：国产模型 富国基金）

最近的投资圈、科技圈，应该都已经被国产大模型 Kimi K3 刷屏了。作为全球首个开源的 3 万亿级别的模型，Kimi K3 一诞生就是 AI 圈顶流，不仅上线 48 个小时就宣告算力紧缺，还被安上了导致美股半导体暴跌的锅。

关于 Kimi K3 为什么会背锅、该不该背锅我们晚点讨论，咱们先搞懂一个问题，Kimi K3，到底厉害在哪？

Kimi K3：DeepSeek 时刻 2.0？

Kimi K3 参数量扩容到了 2.8 万亿，这是全球参数规模最大的开源模型。目前，国产开源大模型多数还在万亿参数级别，佼佼者正在冲刺 2 万亿，比如 Qwen3.8-Max 和 DeepSeek V4 分别是 2.4 万亿、1.6 万亿。

数据来源：Kimi 官方公众号、公开新闻报道整理。

对于大模型来说，参数越大，知识容量和能力上限越高。当然，参数达到一定程度之后，参数的提升与性能的提升不一定成正比，架构能否把参数用好也是关键，而 Kimi K3 在架构上也有所创新。

Kimi K3 采用 MoE 混合专家架构。每次推理时，在 896 个专家中只激活最对口的 16 个专家，2.8 万亿参数并非全部上阵，既保住了超大模型的知识容量，又控制住了单次推理成本。

资料来源：Kimi 官方公众号、公开新闻报道整理。

同时，搭配 Kimi K3 自研的 KDA 注意力机制和注意力残差技术，可以提升模型在长上下文语境中的处理效率、降低显存占用。相比于传统 Transformer 架构需要对前文进行逐字比对，KDA 会总结前文要点，每次只更新增量。同等算力投入下，能力转化效率比上一代提升了 2.5 倍。

具体有哪些能力突破呢？简单列几个数据：

K3 支持 100 万 Token 上下文处理，生成回答的速度最快提升 6.3 倍。

在代码评测榜单 Arena 的前端代码榜上，K3 以 1679 分登顶全球编程模型第一。

除了单项性能反超，在 Artificial Analysis 综合智能指数评测中，K3 取得了 57 分的综合得分，仅次于 Claude Fable 5 和 GPT-5.6 Sol。

此外，K3 引起轰动的原因还在于开源。AI 界有一个不成文的规矩：参数越大，越闭源，比如上文提到的 GPT 和 Claude。Kimi K3 作为首个 3 万亿级的开源基座，打破了海外闭源大模型的技术垄断，有望助推国产 AI 生态的繁荣，这也是 K3 的发布被人称为 DeepSeek 时刻 2.0 的原因。

热议：效率提升后，算力还紧缺么？

那么问题来了，Kimi K3 既然这么强，为什么会背锅呢？

富二观察了一下，主要有两方面的原因。

其一，中国大模型在各种围追堵截之中实现了弯道超车，已经能比肩目前全球的顶尖大模型，压制了海外大模型企业的盈利预期。

其二则是，市场上流传着一个声音，随着算力利用效率的提升，" 永远缺算力 " 的信仰可能会被颠覆，此前如火如荼的算力基础设施投入可能都会付诸东流。这种观点的论据包括：

注意力机制优化，缓解了长上下文的显存压力；

MoE 架构只激活部分参数，单次推理的计算量下降；

优质开源模型普及后，行业不用重复训大模型，训练端需求会放缓。

从单次调用的单位成本看，技术确实在给算力做减法。但算力总需求，不能只算单次成本的账，而是 " 单位成本 × 需求总量 " 共同作用的结果。目前来看，产业共识更偏向于算力需求依然坚挺。

比如半导体研究机构 SemiAnalysis 明确表示，Kimi K3 庞大的参数规模和推理架构需求，不仅不会削弱高端 AI 硬件需求，反而可能进一步强化对高端 GPU、HBM 以及高速互联设备的需求。

具体来看，市场之所以对算力需求抱有信心，主要是因为以下三点：

首先，虽然推理效率优化了，但模型的规模摆在那。Kimi K3 参数规模超过 2.8 万亿，光是模型权重，就需要超过 1.5TB 的 HBM 显存才能加载，大大抬高了模型的部署门槛，高端 GPU、HBM、高速互联、液冷温控这些基础设施，只会变成更刚性的刚需，而不是变少。

其次，当推理成本下降、模型能力又上了台阶，用户的使用频次、单次时长、任务复杂度都会大幅提升，架构优化省下来的成本，很快就会被更多、更复杂的任务需求吃掉。因此综合来看，算力需求不仅不会萎缩，反而还会扩容。

这正是经济学里经典的 " 杰文斯悖论 "：技术进步降低了单次使用成本，会让原本用不起的场景变得划算，最终使用量会爆发式增长，总消耗反而上升。Kimi K3 上线 48 小时就宣布算力资源紧张，暂停开放 Kimi 新用户订阅，正是鲜活的例子。

最后，开源能够激活长尾市场，过去 AI 算力的大头，集中在少数科技巨头训模型，是集中式、脉冲式的采购需求。而开源大模型普及之后，AI 能力会沉到千行百业：中小企业、开发者、传统厂商、科研机构，都能基于开源基座做自己的应用。推理算力需求就会从集中的训练采购，转向分散、持续、海量的日常调用，整个算力的盘子，只会被越做越大。

聚焦投资：哪些环节受益？

假如抛开各种复杂的技术和产业逻辑，具体到产业链机遇上，K3 揭示了哪些机遇呢？

第一是高端算力基础设施，Scaling Law 之下，2.8 万亿参数的开源模型，或许只是一个开始。随着大模型参数规模提升，HBM、高速光模块等支撑运转的基石，需求确定性相对较高。

需要注意的是，虽然算力的长期叙事还未发生反转，但近期科技板块出现集体回调，估值高位状态下市场波动放大，贸然进场可能会影响参与体验，感兴趣的客官可以择机布局。

（联接基金 A 类 021933；C 类 021934）

（联接基金 A 类 014776；C 类 014777）

科创芯片 ETF 富国 588810

（联接基金 A 类 023651；C 类 023652）

注：经富国基金评定，以上基金的风险等级为 R4 ( 中高风险 ) ，适合风险承受能力为 C4 及以上的投资者。

第二是国产算力替代。在高端海外芯片供给受限、国内用户需求快速攀升的大背景下，国产算力芯片的适配与落地进度，决定了国内 AI 产业的发展天花板，长期成长空间清晰。

第三是 AI 应用。由于开源大模型拉低了开发门槛，接下来行业的比拼，将会从 " 谁能做出大模型 "，转向 " 谁能用好大模型赚到钱 "，下游 AI 应用公司或有望受益。

创业板软件 ETF 富国 159107

大数据 ETF 富国 515400

（联接基金 A 类 018134；C 类 018135）

回顾历史，从蒸汽机到互联网，每一次效率的提升，最终都催生了更庞大的产业生态与基础设施消耗。当顶级 AI 能力变得触手可及，当千行百业都开始把大模型融入生产流程，真正的算力需求浪潮，或许才刚刚起势。

风险提示：市场有风险，投资需谨慎。以上内容不代表对市场和行业走势的预判，也不构成品牌倾向、投资建议或任何形式的收益保证，且可根据市场情况变化而调整。基金管理人不保证基金一定盈利，也不保证最低收益，投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。如相关基金可投资于科创板股票的，将承担科创板因上市条件、交易规则、退市制度等差异带来的特有风险。请投资者关注指数基金投资风险，包括但不限于标的指数回报与证券市场平均回报偏离、标的指数波动、基金投资组合回报与标的指数回报偏离、标的指数变更等特有风险。上述产品由富国基金管理有限公司发行与管理，运营并独立承担法律责任，代销机构不承担产品的投资、兑付责任。

-# 日富一日 算力之争 -

客官认为 Kimi K3 对算力需求是利好还是利空呢？有没有体验 Kimi K3？欢迎留言分享～

留言被精选且点赞数前 10 名的客官，富二将奖励 10 元话费给到客官 ~

（提示：请客官直接在本篇文章评论区留言，获奖后富二会通过后台通知获奖用户，届时请按 " 关键词 + 手机号 " 此格式回复富二。留言活动富二会在后台监测数据变化情况，保留取消数据存疑用户获奖的权利。不同微信号的同一个获奖手机号均视为一个用户，仅作一次奖励。）

本活动截至 2026 年 7 月 22 日 17:00 结束，最终解释权归富国基金管理有限公司所有。

投资有风险，基金投资需谨慎。

在投资前请投资者认真阅读《基金合同》《招募说明书》等法律文件。基金净值可能低于初始面值，有可能出现亏损。基金管理人承诺以诚实守信、勤勉尽责的原则管理和运用基金资产，但不保证一定盈利，也不保证最低收益。过往业绩及其净值高低并不预示未来业绩表现。其他基金的业绩不构成对本基金业绩表现的保证。

以上信息仅供参考，如需购买相关基金产品，请您关注投资者适当性管理相关规定、提前做好风险测评，并根据您自身的风险承受能力购买与之相匹配的风险等级的基金产品。