2025年1月，DeepSeek-R1的问世让硅谷的股票交易员们从睡梦中惊醒。纳斯达克当天开盘即走低，英伟达单日市值损失近6000亿美元，跌幅达到17%。华尔街的首次反应充满了恐慌：如果中国方面能用更低的算力训练出同等水平的模型，那么AI基础设施的投资逻辑是否就此崩塌？
18个月后，答案浮出水面，但方向却完全不同。K3的推出被华尔街的多家机构称作“DeepSeek 2.0 时刻”。此次发布的K3模型卡宣称其性能接近Claude Fable5和GPT-5.6，而有早期公开的基准测试结果显示，在像前端代码生成这样的特定任务上，它已经超越了其中之一或全部。更重要的是，它比Claude的平均模型便宜了40%，比它的Fable版本更是便宜了70%。
尽管如此，K3本型号拥有2.8万亿的总参数，这使其成为目前全球最大的开源MoE（混合专家）模型之一。这也表明，在当前阶段，AI的“规模定律”（Scaling Law）仍然有效。
换句话说，通过增加资金投入、堆砌算力、扩大参数规模，仍是最有效的方式来提升模型的能力。这与DeepSeek时期追求效率的做法大相径庭。
这也解释了为何当前AI主题交易出现了明显的分化——那些最愿意投入资金的公司股价反而承受了更大的抛压。2025年6月，由微软、谷歌、Meta、亚马逊、苹果组成的大型云服务提供商一揽子股票累计下跌了18%。这是自Meta在2012年上市以来，这一群体历史上最糟糕的一个月表现。
与此形成对比的是，AI硬件公司同期上涨了16%，形成了一幅近乎完美的“镜像行情”。半导体和存储相关板块也被称为“AI资本开支的受益者”。
这也解释了为何谷歌在2025年7月23日发布了一组惊人的财报后，股价反而大幅下跌。资本开支的大幅增加加剧了投资者对未来AI能否盈利的担忧。而在另一边，存储和半导体公司的股价则出现了大幅反弹，因为无论AI的未来如何，竞争算力的局面仍将是未来几年的主旋律。
竞争算力成为王道
作为首个发布财报的主要科技巨头和云服务提供商，谷歌的表现远超市场预期，其云服务收入同比增长超过80%。然而，上调资本开支的消息让市场感到意外，盘后股价下跌了4%。
财报发布后，谷歌在电话会议中宣布，将2026年的资本开支指引从之前1800亿至1900亿美元的范围上调至1950亿至2050亿美元，增加了大约150亿美元。公司表示，这一上调主要是为了“加速交付产能以满足日益增长的需求”。同时，公司还预告了2027年的资本开支将继续大幅增加，具体数字将在稍后公布。
管理层同时警告，技术基础设施的大规模投入将以更高的折旧费用和数据中心运营成本（包括能源）的形式持续打压利润表。同时，公司计划继续扩大在AI和云计算领域的招聘。
摩根士丹利预计，2026年全球前五大云服务商的资本开支总额将超过8000亿美元，而2027年可能会进一步提升至1万亿至1.2万亿美元。如果将范围扩大至前14大云服务商，资本开支的年化增长率将超过90%。目前，AI算力的供需紧张局面尚未缓解。
即便是过去一直强调省算、拼效率的中国模型，如今也意识到竞争算力可能是最有效的终极选择。K3模型本身拥有2.8万亿的总参数，本身就说明行业并未放弃扩大模型容量的做法。
机构之所以判断AI的资本开支不会停止增长，核心依据是“杰文斯悖论”（Jevons Paradox）的有效性。这一经济学原理指出，当技术进步降低资源使用成本、提高利用效率时，总需求往往会不降反升。这一框架早在“DeepSeek时刻”就进入了市场主流的讨论，如今更是得到了进一步的验证。
另一家主要的中国模型公司智谱也在加快算力竞赛的步伐——据笔者了解，智谱正在依托一个1GW级的AI数据中心进行布局，已经建成了多个万卡级AI算力集群。据悉，这个1GW的智算中心将为它的下一代基座模型的训练提供充足的算力保障。
目前来看，模型反应速度或推理速度的缓慢，或者模型故意降速、降智等情况，根本上都是算力不足的表现。
中美模型之间的竞争，未来可能仍然会聚焦于算力的较量。
AI硬件的“躺赢”
Kimi K3发布前后，AI板块的表现
