Répéter le "moment DeepSeek" ? Wall Street déclare que Kimi K3 renforce plutôt la demande en puissance de calcul

Auteur : Long Yue

Le marché considère Kimi K3 comme le "DeepSeek moment 2.0" avec une certaine panique, mais cette fois, le jugement de Wall Street est complètement différent.

Dans la nuit du 16 juillet, Moonlight a lancé Kimi K3 à Shanghai. Ce modèle open source de 28 trillions de paramètres a obtenu un score de 57 sur l'indice intelligent Artificial Analysis, se classant troisième ou quatrième au niveau mondial, à égalité avec Claude Opus 4.8 d'Anthropic et GPT-5.5 d'OpenAI. Plus important encore, sur le classement de programmation Frontend Code Arena créé par l'Université de Californie à Berkeley, K3 a atteint la première place avec 1679 points, surpassant Claude Fable 5 et GPT-5.6 Sol, devenant ainsi le premier modèle open source à dépasser tous les modèles fermés étrangers sur un classement de programmation reconnu.

Le 17 juillet, le secteur des semi-conducteurs américain a connu une forte baisse. La réaction du marché est compréhensible : au début de 2025, le lancement de DeepSeek R1 a déclenché une chute brutale des actions liées à la puissance de calcul, avec la logique suivante : les modèles chinois deviennent de plus en plus puissants, est-il encore nécessaire pour les entreprises d'IA américaines d'investir autant d'argent dans la puissance de calcul ? Si les modèles chinois peuvent approcher des capacités de pointe à un coût inférieur, la demande pour Nvidia, HBM, serveurs et équipements réseau sera-t-elle réévaluée ?

Cependant, selon des informations de la plateforme de trading Chase Wind, les derniers rapports de recherche d'institutions financières telles que UBS, Nomura, Bank of America Merrill Lynch et Citigroup estiment que : Kimi K3 n'est pas le terminator de la demande en puissance de calcul, mais un accélérateur.

Kimi K3 et DeepSeek R1 ne provoquent pas le même type d'impact. R1 a surtout montré au marché l'"efficacité" ; K3 met davantage en avant "l'échelle". Avec 28 trillions de paramètres, un contexte de 1M tokens, un raisonnement toujours actif, des capacités multimodales natives et une architecture MoE, ces caractéristiques ne sont pas une histoire d'actifs légers. Elles vont augmenter la pression sur le raisonnement, la mémoire, le réseau et le stockage.

Kimi K3 est-il si puissant ?

Kimi K3 a été lancé par Moonlight le 16 juillet 2026, et le poids complet du modèle sera disponible le 27 juillet. C'est un modèle open source de 28 trillions de paramètres, considéré par plusieurs institutions comme le plus grand modèle open source actuellement disponible.

Les configurations clés comprennent trois points :

Premièrement, une fenêtre de contexte de 1M tokens. Le modèle peut traiter des textes plus longs, des bibliothèques de code plus longues, des profils d'entreprise plus complexes et des tâches de recherche.

Deuxièmement, un raisonnement toujours actif. Ce n'est pas une simple question-réponse, mais plutôt orienté vers le raisonnement à long terme et les tâches d'agent.

Troisièmement, des capacités visuelles natives. K3 ne traite pas seulement du texte, mais s'attaque également à des tâches multimodales telles que la vidéo, les images, le développement de jeux, le design frontal, le CAD, etc.

En termes d'architecture, K3 utilise Kimi Delta Attention, Attention Residuals et Stable LatentMoE. La partie MoE active 16 experts parmi 896 pour chaque token. Selon Moonlight, par rapport à Kimi K2, l'efficacité globale de mise à l'échelle a été améliorée d'environ 2,5 fois.

Cela explique pourquoi K3 n'est pas "un K2 moins cher". Les prix compilés par Nomura montrent que le prix d'entrée de K3 est de 3 dollars par million de tokens, le coût d'entrée de cache est de 0,30 dollar, et la sortie est de 15 dollars par million de tokens ; selon les données d'Artificial Analysis, le coût de chaque tâche de K3 est d'environ 0,94 dollar. Ce prix est inférieur à celui de Claude Fable 5 d'environ 2,75 dollars et de Claude Opus 4.8 d'environ 1,80 dollar, proche de GPT-5.6 Sol à 1,04 dollar, mais clairement supérieur à GLM-5.2 à 0,32---0,47 dollar, et bien au-dessus de DeepSeek V4 Pro à 0,04 dollar.

Ainsi, le positionnement de K3 n'est pas le prix le plus bas, mais plutôt la capacité à approcher les modèles de pointe à un coût inférieur.

Quatre banques d'investissement établissent un consensus : ce n'est pas une diminution de la demande

Concernant les inquiétudes du marché sur l'impact du "moment DeepSeek", l'analyste de l'équipe technologie Asie-Pacifique de Nomura, Duan Bing, a écrit dans son rapport : "Nous pensons que la concurrence et l'innovation sur le marché mondial des grands modèles ne s'arrêteront pas. À mesure que nous nous rapprochons de l'intelligence artificielle générale (AGI), l'application de l'IA générative continuera de s'étendre tant du côté des consommateurs que des entreprises. Les laboratoires d'IA de pointe et les entreprises de cloud computing à grande échelle pourraient continuer à investir à ce stade pour maintenir leur position concurrentielle ------ avec la continuité des lois d'échelle, nous interprétons cette concurrence comme un bon signe pour la chaîne de valeur des infrastructures d'IA."

L'analyste des semi-conducteurs de Citigroup, Peter Lee, a directement titré son rapport du 19 juillet "Encore une fois le paradoxe de Jevons". Que signifie le paradoxe de Jevons ? En termes simples : l'amélioration de l'efficacité des machines à vapeur au charbon a en fait entraîné une augmentation de la consommation de charbon, car plus de personnes peuvent se le permettre et plus de scénarios peuvent l'utiliser. Les modèles d'IA fonctionnent de la même manière ------ lorsque les modèles de qualité deviennent moins chers, les développeurs et les entreprises déploient plus d'applications et traitent plus de tokens, ce qui entraîne finalement une augmentation de la consommation de puissance de calcul.

Peter Lee estime que, même si K3 est largement utilisé, la demande pour des mémoires générales telles que DDR5 et eSSD continuera d'augmenter. La raison en est que l'efficacité de raisonnement de K3 est comparable à celle d'autres modèles de pointe, mais l'occupation du cache KV augmentera avec l'augmentation du contexte, augmentant ainsi la pression sur la mémoire.

L'analyste des semi-conducteurs de Bank of America, Vivek Arya, a exprimé son avis de manière plus directe dans son rapport du 17 juillet. Il a déclaré que la réponse des laboratoires d'IA de pointe américains n'est pas "moins de puissance de calcul, mais plus". Si les modèles open source chinois continuent de se rapprocher, OpenAI, Anthropic et Google devront maintenir leur différenciation par des entraînements plus importants, des raisonnements plus lourds et des itérations plus rapides. Arya a également mentionné un contexte souvent négligé : les médias rapportent que le Gemini 3.5 Pro de Google a été retardé de plusieurs mois par rapport au calendrier prévu, et que les performances de programmation n'ont pas atteint les objectifs internes, rendant la position de leader de pointe "de plus en plus difficile à défendre".

L'équipe d'analystes de UBS, dirigée par Timo Arcuri, a noté dans son rapport du 20 juillet qu'il existe effectivement des parallèles entre K3 et DeepSeek R1, mais K3 concerne davantage l'échelle ------ c'est le plus grand modèle open source au monde, avec 28 trillions de paramètres et une fenêtre de contexte de 1 million de tokens. Les analystes soulignent que les modèles open source nécessitent généralement plus de mémoire que les modèles de pointe fermés, car la fenêtre de contexte est plus longue, et la demande de cache KV, même après quantification, continue d'augmenter en termes absolus, rendant le déploiement des modèles open source plus dépendant de HBM et du stockage.

Qui bénéficie réellement de cette compétition ?

Stockage : le secteur le plus directement bénéficiaire. UBS estime que les flux de trésorerie libre cumulés du secteur du stockage et de la mémoire devraient atteindre environ 30 % de la capitalisation boursière d'ici 2028, ce qui est le pourcentage le plus élevé parmi tous les sous-secteurs ------ Micron (MU) à lui seul représente 47 %. Citigroup et Nomura maintiennent tous deux une note d'achat sur Samsung Electronics, car le marché mondial de la mémoire est actuellement en état de pénurie extrême. L'analyste de Citigroup, Peter Lee, a souligné que les besoins en mémoire pour le raisonnement de Kimi K3 ne sont pas inférieurs à ceux d'autres modèles de pointe, et l'expansion de la taille du cache KV augmentera directement la demande pour les serveurs DDR5 et les disques SSD d'entreprise (eSSD). Il a particulièrement noté que le déploiement à grande échelle de Kimi K3 nécessite une configuration de cluster "super nœud" de plus de 64 GPU.

Infrastructure de puissance de calcul : TSMC et Nvidia en première ligne. Que ce soit pour l'échelle d'entraînement qui reste efficace ou pour la croissance de la demande en tokens du côté du raisonnement, cela se traduit par une demande accrue pour des puces avancées. Nomura réitère ses notes d'achat sur TSMC, ASE, MediaTek, etc. Nvidia a publiquement déclaré que le raisonnement des modèles modernes MoE (architecture d'experts mixtes) a un rapport performance/consommation d'énergie sur GB300 NVL72 qui est jusqu'à 25 fois supérieur à celui de l'architecture Hopper précédente. Des modèles comme K3 sont naturellement bénéficiaires du dernier matériel de Nvidia.

Réseau : la tendance des super nœuds crée des opportunités structurelles. Kimi K3 nécessite des clusters de super nœuds, et la puissance de calcul locale en Chine est limitée par les restrictions à l'exportation de puces haut de gamme, ce qui nécessite davantage de dépendance à l'architecture de super nœuds pour compenser l'écart de performance d'une seule carte, stimulant ainsi la demande des fournisseurs de couches réseau tels que les modules optiques et les puces optiques. Nomura est optimiste quant à Zhongji Xuchuang et Suzhou Xuchuang.

Plateformes cloud : bénéficiaires de l'effet d'agglomération écologique. Les plateformes cloud qui hébergent divers modèles open source de pointe ont un pouvoir de négociation plus fort, ne dépendant pas d'un seul fournisseur de modèle fermé. Nomura est optimiste quant à Alibaba (BABA) en tant que noyau de l'écosystème cloud IA en Chine, ainsi que sur GDS, VNET et d'autres opérateurs de centres de données.

À quelle vitesse les modèles d'IA chinois pénètrent-ils le marché mondial ?

C'est peut-être le point de données le plus facilement sous-estimé de tout le récit.

Selon les statistiques de la passerelle API ouverte OpenRouter, la part d'utilisation des tokens des modèles d'IA chinois dans le trafic des développeurs mondiaux était de moins de 2 % il y a un an, et elle a maintenant dépassé 45 %. Les données de Bank of America Merrill Lynch corroborent l'accélération de la pénétration globale de l'IA : environ 55 % des entreprises américaines ont actuellement souscrit à un modèle, une plateforme ou un outil d'IA, avec un taux d'adoption de 42 % pour Anthropic et 40 % pour OpenAI. Les principaux consommateurs d'IA (le 1 % supérieur des utilisateurs d'entreprise) dépensent désormais en moyenne 4833 dollars par employé par mois en IA.

Le marché se divise. D'une part, il y a les modèles open source chinois représentés par DeepSeek et Kimi K3, couvrant le marché économique et le marché de rapport qualité-prix moyen à élevé ; d'autre part, les modèles de pointe américains se concentrent sur des charges de travail plus complexes (comme le calcul scientifique), maintenant une prime technique et de prix. Nomura juge que les principaux acteurs des grands modèles des deux côtés, chinois et américains, en bénéficieront ------ à condition qu'ils puissent tous deux rester à la pointe de la courbe technologique.

Ce que K3 change réellement, c'est le rythme de la compétition, pas l'histoire d'une seule entreprise

Après le lancement de K3, la première réaction du marché a été de le comparer à DeepSeek R1. Cette comparaison est utile, mais ne doit pas se limiter à la question de savoir si cela va à nouveau affecter le matériel d'IA.

DeepSeek a amené le marché à réévaluer l'efficacité de l'entraînement. K3 montre au marché une autre chose : les modèles open source peuvent également porter l'échelle, le long contexte, l'agent et le multimodal au niveau de pointe.

Cela obligera les laboratoires américains de pointe à continuer d'investir, et permettra aux modèles chinois de continuer à s'étendre dans l'écosystème des développeurs mondiaux. Les modèles de pointe fermés conservent une prime technique et de prix, tandis que les modèles open source couvrent davantage de gammes de prix et de scénarios de déploiement, les fournisseurs de cloud offrant la distribution de modèles et la mise en œuvre pour les entreprises, tandis que la chaîne de matériel supporte la pression d'entraînement et de raisonnement.

À court terme, le marché pourrait connaître des fluctuations en raison de la "mémoire DeepSeek". À moyen terme, tant que l'utilisation des tokens continue d'augmenter, que le long contexte et les agents continuent de se répandre, la puissance de calcul, HBM, le stockage, le réseau et IDC resteront des coûts incontournables.

C'est aussi la raison pour laquelle plusieurs institutions ont donné des conclusions similaires après K3 : un modèle open source plus puissant n'est pas la fin de la demande pour les infrastructures d'IA, mais pourrait plutôt être l'entrée de la prochaine vague de diffusion de la demande.

Cependant, Bank of America Merrill Lynch a également clairement laissé un risque de queue : "Si le rythme des gains d'efficacité dépasse la croissance de la charge de travail, nous pourrions voir un certain recul dans la construction d'infrastructures." En d'autres termes, si les modèles deviennent de moins en moins chers, mais que l'utilisation n'augmente pas de manière significative, la logique de croissance de la demande en puissance de calcul sera remise en question.