Citi y BofA: Kimi K3 impulsará la demanda de chips de memoria

El lanzamiento de Kimi K3 de Moonshot AI el 16 de julio provocó una venta masiva generalizada en las acciones de semiconductores a nivel mundial, pero los analistas de Citi y Bank of America Securities argumentan que la arquitectura del modelo apunta en realidad a una demanda sostenida o mayor de chips de memoria, una dinámica que enmarcan bajo la "Paradoja de Jevons".

La venta masiva

Kimi K3, un modelo de pesos abiertos de 2.8 billones de parámetros, sacudió los mercados la semana pasada tras demostrar un rendimiento competitivo con los principales sistemas de IA occidentales a aproximadamente la mitad del costo. El Índice de Semiconductores de Filadelfia cayó en territorio de mercado bajista, perdiendo más del 20% desde su pico de finales de junio. El índice de referencia de Taiwán perdió más del 6%, el mercado de Japón cerró con una baja del 4% y el Nasdaq Composite cayó un 1.5% el viernes. Las acciones de Samsung y SK Hynix declinaron junto con el sector de chips en general.forklog+3

La tesis alcista para la memoria

En una nota de investigación del 17 de julio, el analista de semiconductores de Citi, Peter Lee, argumentó que Kimi K3 encarna la Paradoja de Jevons: cuando la tecnología reduce el costo unitario de uso, el consumo total de recursos aumenta en lugar de disminuir. Lee señaló que, aunque K3 logra 2.5 veces la eficiencia de escalado de su predecesor, su procesamiento de contexto largo, que admite una ventana de contexto de un millón de tokens, y los flujos de trabajo basados en agentes aumentan el uso de KV Cache, impulsando la demanda de DDR5 para servidores y SSD empresariales.news.futunn+1

El analista de Bank of America Securities, Vivek Arya, se hizo eco de esta opinión, escribiendo que es poco probable que los modelos de código abierto chinos más fuertes lleven a los laboratorios de IA de EE. UU. a recortar las inversiones en computación. En cambio, una brecha de rendimiento cada vez menor aumentará el costo para líderes como OpenAI, Anthropic y Google Alphabet Inc. ↗ 2.34% para mantener la diferenciación, lo que requerirá mayores escalas de entrenamiento y cargas de trabajo de inferencia más pesadas.moomoo+1

La arquitectura de mezcla de expertos de Kimi K3, que activa solo 16 de 896 expertos por token, aún requiere clústeres de múltiples nodos que superan las 64 GPU, según la documentación técnica de Moonshot AI. Se espera que los pesos completos del modelo, programados para su lanzamiento de código abierto el 27 de julio, exijan una capacidad sustancial de memoria de alto ancho de banda para su implementación.govinfosecurity+1

Demanda estructural intacta

Ambas firmas concluyeron que la reacción inicial del mercado, que valoró a K3 como una amenaza para la demanda de hardware, pasa por alto la trayectoria más amplia. A medida que caen los costos de los modelos, los volúmenes de llamadas, la generación de tokens y las cadenas de tareas de agentes se expanden, convirtiendo los ahorros unitarios en un mayor consumo total de GPU, HBM, DDR5 y almacenamiento. Con Samsung y SK Hynix ya aumentando la capacidad de producción de HBM para satisfacer la demanda de IA hasta 2027 y más allá, los analistas sostienen que la expansión estructural de la memoria específica para IA permanece intacta, independientemente de qué laboratorio lidere en eficiencia de modelos.datacenterdynamics+3