48 小时。

一家中国公司的模型发布。

全球 AI 股票集体下跌。英伟达跌，半导体跌 ...... 全球市值蒸发万亿美元。

高盛合伙人在客户电话会里直接抛出一句：算力扩张时代，可能到头了。

摩根大通给客户发的备忘录，称之为 DeepSeek 2.0。

所有人都在问同一个问题：Kimi K3 真有那么厉害？

说实话，我觉得没有。

Kimi 是个好模型。但它还不足以撼动全球资本市场。真正被震动的，也不是英伟达，是华尔街过去三年一直相信的那套故事。

Kimi 只是推倒多米诺骨牌的那只手。

一、华尔街到底怕什么

要看懂这场恐慌，先得看清过去三年华尔街到底在信什么。

本质上，他们相信的是一条大模型定律。

模型越强，参数就越大，训练就越贵，需要的 GPU 就越多，资本开支就越高，英伟达就越值钱。

这也是整个 AI 时代最大的金融叙事。

2023 年 ChatGPT 火了之后，这条公式一路跑到 2026 年中。英伟达市值从 1 万亿美元冲到 5 万亿美元。微软、Meta、Alphabet、亚马逊，每次财报电话会都在重复同一句：我们继续加大 AI 基础设施投入。

估值逻辑只有一个假设，做 AI 就得烧钱。烧得越多，护城河越深。

三年，这条公式没被证伪过一次。

直到 DeepSeek 出现。

2025 年 1 月，DeepSeek-R1 用远低于预期的成本，跑出了接近 GPT-4 的推理水平。英伟达那天蒸发了 5890 亿美元，创下美股历史纪录。

结果呢？

半年之后，微软继续投。Meta 加预算 20%。CoreWeave 上市股价翻倍。所有人继续下注。

华尔街松了一口气，DeepSeek 被当成一次虚惊。

然后 Kimi K3 来了。

这次的数据更刺眼。LMArena 前端代码榜以 1679 分登顶，超过 Claude Fable 5。综合排名从上一代的第 18 名直接跳到第 1。前端 7 个细分方向，拿下 6 个第一。7 月 27 日开放权重发布，成本据说只有美国顶级模型的六成。

高盛在内部备忘录里写了这样一句反问：

一家买不到最大规模算力的中国实验室，靠着架构创新、合成数据、强化学习、后训练，凭什么把差距缩得这么快？

这个问题一问出来，华尔街的信仰就出问题了。

以前所有人默认，Scale 就是 GPU。今天 Scale 变成了 GPU 加算法加数据加后训练加 RL 的合力。

算力不再是唯一的答案，这才是华尔街真正怕的东西。

华尔街怕的不是 Kimi，是英伟达。准确说，是 AI 资本开支永远在扩张这个定价逻辑。

硅谷巨头们预计 2026 年资本开支达到 7000 亿美元，台积电刚宣布 2026 年资本开支 640 亿美元，超市场预期。这些钱要变成芯片、变成数据中心、变成英伟达的订单。前提是，大模型必须继续变大、继续烧钱。

Kimi K3 出来后发现，未必如此。

如果越来越多公司都能用更少 GPU、更低成本，做出同等水平的模型，那全球 GPU 采购量还需要那么大吗？台积电 640 亿美元的回报率会不会打折？英伟达的远期收入预期要不要下调？

这下好了，过去三年所有算力扩张的估值模型，都得重新计算。

Kimi 只是让所有人第一次真正开始问一个问题：GPU 还能卖这么多吗？

只要华尔街开始思考这个问题，股价就必然晃动。

二、为什么偏偏又是中国？

还有一层更深的东西，很多人不敢明说。

为什么又是中国？

DeepSeek 第一次让华尔街意识到，中国能追。Kimi 第二次告诉华尔街，中国还在追，而且没停。

一次可以叫偶然，可以归给几个天才或者运气。两次在不同节点、不同方法上都发生了低成本逆袭，资本就必须重新算概率。

这个概率一改，事情就变了。

美国巨头信的是大力出奇迹。钱多、卡多，工程上有瑕疵就用更多算力去盖过去。这种打法效率其实不高，但在充裕环境里没人在意。

中国头部公司从第一天起，环境就完全反过来。买不到十万卡集群，融资也没那么阔绰，只能把手里的算力压榨到极致。

被逼出来两个能力。

一是合成数据。用最少的高质量样本，卷出最高的逻辑上限。

二是后训练加强化学习。用工程微调和策略优化，去补底层预训练的不足。

这两个能力，恰好是算力信仰最不重视的地方。

结果就是，当追赶者能用 40% 甚至更低的成本做出顶级性能，美国巨头堆起来的十万卡壁垒，反而变成成本累赘。

这才是华尔街真正的系统性恐惧。不是一家中国公司做出了一个好模型，是这条低成本路径被走通了两次。第三次、第四次，可能已经在路上。

三、但华尔街可能又看错了

就在华尔街砸盘、讨论算力时代是否终结的时候，现实给了一个反转。

昨晚，Kimi 官方公告，K3 发布后请求量远超预期，集群逼近承载极限。即日起暂停 C 端新用户订阅，全速扩容。为了匹配算力，还得把耗能最猛的 Kimi Code 从主权益里拆出来单独卖。

这条消息，狠狠打了华尔街一记耳光。

它把一个反复被验证的技术产业规律，直接摆到了台面上。成本下降，从来不会减少需求，只会让需求爆炸。

这样的例子也比比皆是。

计算机便宜了，电脑数量翻倍。互联网便宜了，网站数量爆炸。云计算便宜了，全球服务器比以前多得多。

现在模型便宜了会发生什么？

Agent 变多，AI 应用调用量变大，推理需求飙升，Kimi 自己都撑不住了。

这套现象在经济学上叫杰文斯悖论。19 世纪英国经济学家发现，蒸汽机效率提升后全国煤炭总消耗反而上涨，效率降低了使用门槛，大量产业开始普及蒸汽机，整体需求扩张抵消了单台设备的能耗节约。

今天的 GPU，就是 19 世纪的煤炭。GPU 需求不会消失，变的是身份。

以前 GPU 的主要买家是训练。几万张卡集中封闭训几个月，训完之后其实很多时候是间歇性闲置的。

以后主要买家是推理。7×24 小时的 Agent 服务。每台手机、每辆车、每个机器人上的本地模型，视频生成，百万 token 窗口的持续计算。

算力消耗的模式，正在从低频、巨量、集中，变成高频、海量、泛在。

总量可能不降，甚至可能更高。但谁受益、怎么受益，会重新排队。

高盛说算力扩张时代接近尾声，至少在两年维度里，这个判断大概率是错的。

更准确的说法应该是，算力扩张的逻辑变了。主导权从训练移交到推理。

英伟达不会因此崩盘。但过去三年那种闭着眼买英伟达的日子，可能真的过去了。

四、Kimi 只是那面镜子

回头看这次抛售，Kimi K3 的角色其实很清楚。

它是导火索，不是原因。

看几个数据你就明白了。

费城半导体指数今年还在涨 68%。涨了这么多，一次深回调本来就是必然。标普 500 等权重指数同一天创了历史新高。钱没走，只是从科技股挪到了别的板块。

EPFR 的数据显示，美国企业内部人士上半年抛股票 776 亿美元，20 年来第二高。聪明钱早就在撤。

台积电 Q2 净利润同比涨 77%，营收预期上调。但资本开支 640 亿美元超预期，反而让市场焦虑。

Alphabet 的 Gemini 3.5 Pro 延期好几个月，AI 产品落地节奏跟不上预期。

这些东西堆在一起，市场早就绷得紧了，缺一个理由释放压力。

Kimi K3 刚好递上了这个理由，给了华尔街一块砖砸自己的脚。

严格来说，这次抛售更像是拥挤交易的松动，不是 AI 逻辑的突然崩塌，是过去三年集中抱团在英伟达身上的钱，开始往别处走了。

Kimi 不是改变了 AI，Kimi 改变了资本理解 AI 的方式。

五、旧地图，新大陆

站在今天的位置来看，AI 产业的竞争逻辑，正在快速变道。

第一阶段从 2023 年到 2025 年，核心是算力储备。GPU 多、能训更大模型的一方就是赢家。 这一阶段的赢家是英伟达、台积电，加上少数几家能扛百亿美元训练预算的巨头。

第二阶段从 2025 年底开始，核心变成效率。 谁能用更少资源做同等水平的模型，更快把模型变成产品，在推理成本上建立优势，谁就在下一轮拿主动权。

华尔街的问题，从来不是不聪明，是太喜欢用一个简单故事，去解释一个复杂时代。

三年前，AI 被讲成 GPU 的故事。估值围着 GPU 转，仓位也围着 GPU 转。

今天，这个故事第一次出现明显的逻辑盲区。

盲区不等于结束，盲区意味着故事需要升级。

从谁 GPU 最多变成谁把 GPU 用得最好。从硬件红利变成工程能力和系统效率，从资本密集变成技术密集和应用密集。

DeepSeek，让华尔街开始怀疑。Kimi，让华尔街开始修正。

【版面之外】的话：

如果未来有一天回头看。Kimi K3 未必会成为最重要的模型。但它很可能会成为一个标志。

不是因为它超越了谁，是它第一次让全球资本意识到，AI 竞争，比的已经不是谁拥有更多资源。现在看的是，谁能把同样的资源，变成更大的能力。

这是两种完全不同的产业时代。

前一个时代，钱决定速度。后一个时代，效率决定价值。