Kimi K3或成为中国大模型的“DeepSeek 2.0时刻”，但野村认为AI基础设施需求不会被削弱。
AI 摘要卡
Kimi K3或成为中国大模型的“DeepSeek 2.0时刻”，但野村认为AI基础设施需求不会被削弱。
Moonshot AI发布2.8T参数开源多模态大模型Kimi K3，凭借长上下文、强代理式任务能力和较高性价比进入全球前沿模型梯队，报告认为这将推动中美头部大模型竞争、主权AI需求和AI供应链投资继续升温。
- Kimi K3为2.8T参数开源大模型，具备原生视觉能力、1M token上下文和持续推理能力。
- Artificial Analysis Intelligence Index显示K3得分57，在189个模型中排名约第3-4，接近Claude Opus 4.8和GPT-5.5。
- K3单任务成本约0.94美元，低于Claude Fable 5和Opus 4.8，但高于部分中国同业模型，体现从低成本模型转向高性价比前沿模型。
- 报告认为K3不会削弱AI算力需求，反而支持预训练、后训练和推理负载继续增长。
- 受益方向包括先进算力、内存、AI网络、IDC、AI云平台，以及能够借助Gen AI强化垂直护城河的软件公司。
研报解读
概览
本报告围绕Moonshot AI在2026年7月16日发布的Kimi K3展开，讨论其是否构成中国大模型的新一轮“DeepSeek时刻”，以及对全球AI供应链、模型竞争格局、云平台和软件应用公司的影响。Kimi K3是2.8T参数级开源大模型，计划于2026年7月27日开放完整模型权重，具备原生多模态、1M token上下文、持续推理和长周期代理式任务能力。
核心观点
野村的核心观点是：Kimi K3提升了中国大模型在全球前沿模型竞争中的存在感，但不应被解读为AI算力需求见顶或削弱。相反，前沿模型竞争、Scaling Laws延续、推理工作负载上升和主权AI需求扩散，将继续支撑AI基础设施价值链。中国和美国的头部大模型厂商都有机会受益，前提是持续保持技术曲线领先。
分析框架
报告从模型架构、性能基准、任务成本、实际用例和供应链分段影响五个维度分析Kimi K3。供应链部分按算力、网络、IDC与AI云、软件与应用分层讨论，并映射至相关上市公司评级和产业机会。
方法论与常识提炼
以独立模型能力指数和单任务成本衡量Kimi K3相对Claude Fable 5、Opus 4.8、GPT-5.5和GLM-5.2的位置。
Kimi K3在智能指数上处于全球前沿梯队，成本低于部分顶级闭源模型但高于部分中国同业，说明其定位更接近高性价比前沿模型，而非单纯低价模型。
将大模型创新对算力、网络、IDC/云和软件应用的影响分别拆解。
报告认为模型进步会强化训练与推理需求，算力和网络为直接受益环节，AI云和IDC受益于模型托管与资本开支，软件应用则面临扰动但垂直龙头可能胜出。
Buy表示未来12个月相对基准有望跑赢，Neutral表示与基准大致一致，Reduce表示跑输。
本报告并非单一公司报告，而是主题研究中重申多只相关供应链和软件标的的评级偏好。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- Moonshot AI / Kimi K3主题核心资产，未上市
- 优势
- 2.8T开源模型、1M token上下文、原生多模态、持续推理、长周期代理式任务能力强，成本低于若干海外前沿闭源模型。
- 劣势
- 与Claude Fable 5和GPT-5.6 Sol仍存在性能差距，且成本高于部分中国同业模型。
- 对比
- 位于全球前沿模型梯队，成本约与GPT-5.6 Sol接近，低于Fable 5和Opus 4.8，高于GLM-5.2和DeepSeek V4 Pro。
- 风险
- 前沿模型竞争激烈、先进芯片供应约束、地缘政治和开源商业化不确定性。
- TSMC (2330 TT)、ASE (3711 TT)、ASPEED (5274 TT)、MediaTek (2454 TT)、GWC (6488 TT)、KYEC (2449 TT)、EMC (2383 TT)、TUC (6274 TT)、ZDT (4958 TT)、Samsung Electronics (005930 KS)AI算力、半导体、内存与服务器供应链受益标的
- 优势
- 报告认为训练与推理扩张将支撑先进计算、封测、CPU/TPU、SiC、AI芯片测试、CCL、PCB/HDI和内存需求。
- 劣势
- 部分环节依赖超大规模云厂商资本开支和AI周期持续性。
- 对比
- 相比软件应用端，硬件基础设施对前沿模型竞争的需求传导更直接。
- 风险
- 云厂商自由现金流不足、周期性资本开支波动、供应瓶颈与估值回调。
- Zhongji InnoLight (300308 CH)、Suzhou TFC (300394 CH)、Yuanjie Tech (688498 CH)AI网络与光通信受益标的
- 优势
- 大规模AI工厂和SuperNode趋势推动高速互联、光模块、光器件和光芯片需求。
- 劣势
- Yuanjie Tech评级为Neutral，显示估值或基本面弹性可能不如光模块龙头。
- 对比
- 中国AI芯片性能与全球顶级芯片仍有差距，SuperNode和网络方案因此成为缩小差距的重要抓手。
- 风险
- AI集群建设节奏、价格竞争、客户集中度和技术迭代风险。
- Alibaba (BABA US)、GDS (GDS US)、VNET (VNET US)AI云平台与IDC受益标的
- 优势
- AI云平台可受益于MaaS需求、托管开源模型带来的议价能力和云基础设施/模型/应用服务生态；IDC受益于训练和推理需求带来的资本开支。
- 劣势
- 需要持续投入基础设施，短期盈利和现金流可能承压。
- 对比
- 云平台相较单一模型厂商可同时承接多模型托管、私有部署和合规需求。
- 风险
- 云资本开支波动、模型平台竞争、监管和合规要求变化。
- Kingdee (268 HK)、Kingsoft Office (688111 CH)软件与应用层中具备垂直护城河的受益标的
- 优势
- 垂直龙头可借助Gen AI提升产品能力、客户粘性和行业解决方案深度。
- 劣势
- 通用软件和应用公司面临LLM降低开发门槛后的竞争压力。
- 对比
- 报告更看好能把Gen AI嵌入行业场景并强化护城河的软件公司，而非缺乏差异化的通用软件厂商。
- 风险
- AI原生创业公司竞争、商业化节奏不确定、客户付费意愿和产品替代风险。
关键数据
- Kimi K3参数规模2.8T报告称其为目前最大的开源LLM。
- 上下文窗口1M token支持长周期知识工作、代码和代理式任务。
- Artificial Analysis Intelligence Index57，约第3-4/189落后Claude Fable 5和GPT-5.6 Sol，但与Claude Opus 4.8和GPT-5.5大致同档。
- 成本约0.94美元/AA任务；输入3美元/百万token，缓存命中0.30美元/百万token，输出15美元/百万token低于Claude Fable 5约2.75美元和Opus 4.8约1.80美元，但高于GLM-5.2的0.32-0.47美元。
- 架构特征Kimi Delta Attention、Attention Residuals、Stable LatentMoE、MoE激活16/896专家报告称整体Scaling效率较Kimi K2提升约2.5倍。
- 长周期任务案例48小时无人值守芯片设计、120+轮自我改进的ASIC行业研究站点、391事件引力波分析、3D开放世界游戏生成用于说明K3面向长周期代理式工作，而不仅是聊天。
- 中国模型全球开发者token量超过45%OpenRouter统计；一年前低于2%。
影响与含义
Kimi K3的推出可能短期触发市场对AI供应链估值和算力需求的担忧，但报告认为其长期含义更偏正面：前沿模型竞争将促使AI实验室和超大规模云平台继续投资，先进GPU/ASIC、内存、AI网络、IDC和云平台需求有望延续；软件层面，通用软件厂商面临进入门槛下降和LLM扰动，但具备行业场景、客户基础和垂直护城河的公司更可能在Gen AI周期中胜出。
风险
- 前沿大模型竞争加剧可能压缩模型厂商定价和利润空间。
- 先进芯片供应约束和地缘政治风险可能影响中国AI实验室扩张。
- 市场可能再次将中国高效模型突破解读为AI算力需求下降，造成AI供应链短期估值波动。
- 云厂商持续资本开支可能受到自由现金流、宏观环境和需求兑现节奏约束。
- LLM降低软件开发门槛，可能削弱通用软件和应用公司的既有竞争优势。
- 主权AI和脱钩趋势可能提高本地化部署需求，但也可能带来市场碎片化与合规成本上升。
后续跟踪
- Kimi K3完整模型权重在2026年7月27日发布后的开发者采用情况。
- Kimi K3在长周期编码、知识工作、视觉推理和代理式任务中的真实商业化表现。
- OpenRouter等平台上中国模型全球token份额是否继续上升。
- Claude、OpenAI等全球头部模型后续技术迭代与定价策略。
- 超大规模云厂商2027年前后的AI资本开支、数据中心建设和自由现金流变化。
- AI网络、光模块、内存、ASIC/GPU供应链是否继续出现供需紧张或价格上行。
- 垂直软件龙头将Gen AI转化为收入、留存和利润率改善的证据。