540.【財經時事放大鏡】AI 上中下游：Kimi k3 x Google x TI

重點摘要

• 月之暗面 KIMI K3 執行同一任務的成本比 Anthropic 的 Fable 5 便宜 2.3 倍，並採用開放的 MXFP4 格式訓練，代表企業未來可在非 NVIDIA 的 ASIC 晶片上跑訓練與微調，是首個公開採用 FP4 精度的大型模型，主持人認為企業使用潛力被市場低估。

• NVIDIA 的 CMX 系統把 AI 推理中的 KV Cache 分層卸載到 NAND 快閃記憶體（SSD），讓昂貴的 HBM 算力得以釋放；業界估計 AI 對 NAND 的需求將從今年（2026 年）約 3,500 萬 TB 暴增至明年（2027 年）超過 1 億 TB，新增量相當於整個蘋果對 NAND 需求的規模，凱俠（Kioxia）等 NAND 廠商因此備受關注。

• Google 第二季法說揭示雲端 API 每分鐘處理量從上季 160 億 Token 成長 37% 至 220 億，GCP Backlog 累積達 5,600 億美元且邊交付邊持續成長，資本支出從原本 1,800–1,900 億美元上修至約 2,050 億美元，主持人認為明年（2027 年）將再度顯著上修。

• 美超微（Super Micro）提前公佈第四季財報，毛利率從指引 8.2–8.4% 跳升至 15–17%，幾乎翻倍；市場解讀原因為新世代伺服器設計良率提升加上找到更便宜的零組件來源，讓這家以薄利著稱的組裝廠利潤空間大幅擴大。

• 若想判斷 AI 資本支出週期何時轉折，主持人建議觀察債券市場而非股市：從今年（2026 年）6 月起，各大雲端服務商的企業債利差（Credit Spread）已開始擴大，代表市場評估其融資成本升高、WACC 上升，這類訊號如同 2008 年金融危機前 CDS 市場率先反映，屬於領先指標。

詳細內容

KIMI K3：成本衝擊與 FP4 技術亮點

月之暗面（Moonshot AI）發布 KIMI K3，在同等任務下成本僅為 Anthropic 的 Fable 5 的約 43%（便宜 2.3 倍），在企業端引發高度關注。主持人指出，目前歐美企業在中國模型中最常採用的是 GLM 與 KIMI，而非 Deepseek，因此這次 K3 的迴響相當合理，企業使用潛力甚至可能被市場低估。

K3 的技術特點：

• MXFP4 開放訓練格式：是首個公開宣稱使用 FP4 精度的大型模型，訓練與微調不必綁定 NVIDIA GPU，可在其他 ASIC 上執行，降低硬體依賴。
• KV Cache 減少 75%：顯著壓低顯存需求，但 K3 採 MoE（混合專家）架構，推理時仍需約 2 倍 Token 計算量，整體顯存需求並未等比縮減。
• 最適合背景執行任務：報告整理、批次分析等不需即時回應的場景，成本優勢最大；即時對話仍受限。

本地部署需要約 8 台 GPU 伺服器並聯才能跑完整模型，硬體門檻對一般企業仍高，地端部署距普及尚有距離。

CMX 與 NAND：AI 推理的分層記憶體賽道

NVIDIA 的 CMX 系統（前稱 ICMS）是一套 KV Cache 分層卸載架構，解決 AI 推理時 HBM（高頻寬記憶體）容量不足的瓶頸。其邏輯是把低優先度的 KV Cache 搬移到更慢但容量更大的記憶體層：

• T1：HBM（最快、最貴）
• T2：板載 LPDDR5 / DDR
• T3：本地 DRAM 或 CXL 遠端 DRAM
• 更遠層：NAND 快閃記憶體（SSD）

這讓 SSD 成為 AI 推理架構中不可忽視的一環。凱俠（Kioxia）作為 NAND 大廠同時也做 Controller，其總裁在受訪中被問及 CMX 進展時笑而不答，外界解讀為正面信號。

業界估計 AI 對 NAND 的需求從今年（2026 年）約 3,500 萬 TB，明年（2027 年）將突破 1 億 TB，增量相當於整個蘋果對 NAND 需求的規模，是 NAND 市場突如其來的巨量新需求。對模組商而言，能否跟上最新 IOPS Controller 規格是能否吃到這波需求的關鍵。

華為深藤 950 SuperPod：規模化的交換器挑戰

華為深藤 950 超節點（SuperPod）在討論中被提及，重點在於從連接 2 個機櫃擴展到 16 個機櫃時，複雜度並非線性成長——核心挑戰在於交換器（Switch）架構必須隨之大幅升級，否則 I/O 速度瓶頸會抵消規模帶來的效益。

Google 法說：Token 爆量與 CapEx 持續上修

Google 本季法說揭示多項關鍵數據：

• API Token 用量：第二季每分鐘處理 220 億 Token，較上季 160 億成長約 37%。主持人分析，這是 Gemini App 整合後大量用戶從一般對話轉向 Agent 使用模式的結果，與 Meta 將 Instagram 用戶導入 Threads 的策略邏輯類似。
• GCP Backlog：累積達 5,600 億美元，且一邊大規模交付、一邊持續成長，顯示市場對算力的需求遠超現有供給。
• 資本支出上修：從原本 1,800–1,900 億美元上修至約 2,050 億美元（195–205B），明年（2027 年）CapEx 也被廣泛預期將再度顯著提升。

美超微：毛利率意外暴衝

美超微（Super Micro Computer）提前公佈第四季財報，毛利率從原本 8.2–8.4% 的指引大幅跳升至 15–17%。

主持人分析，這次毛利率改善可能來自兩個方向：一是新世代伺服器設計的良率顯著提升（即學習曲線帶動的效率增益）；二是在零組件採購上找到成本更低的供應來源。法說同時確認企業型與 AI 型伺服器訂單均表現強勁。

AI CapEx 疑慮與債市領先訊號

目前市場主流觀點認為 AI 資本支出將在今年（2026 年）下半年至明年（2027 年）上半年見頂，但主持人強調股市屬落後指標。

要判斷 AI 週期轉折，應優先觀察債市：從今年（2026 年）6 月起，各大雲端服務商的企業債利差（Credit Spread）已明顯擴大，代表市場評估其融資成本升高。利差擴大會推高企業的加權平均資本成本（WACC），進而壓低理論股價估值。歷史上，2008 年金融危機時 CDS（信用違約交換）市場就比股市更早反映風險——這類債市訊號具備領先性，值得持續追蹤。

德州儀器（TI）：800V 電源架構進展良好

德州儀器（TI）在本週法說提及 800V 電源架構進展符合預期。800V 是 AI 資料中心新一代電源設計，涉及從 800V 降壓至 48V 再到 12V 乃至 1V 的多段轉換鏈（或 800V 直降），TI 作為類比半導體大廠，是這條電源供應鏈的核心供應商。

精選語錄

「你必須要找一些領先指標，你找指標你就要推估吧，或是說你就是要看 Token 的量，你就是要看這些應用的量嘛。」

「你的 Credit Spread，一直都是領先指標，因為 2008 年那時候 CDS 就是先被買爆的。」

「你一邊交付，然後在高成長的同時他又繼續成長——這樣的 Backlog 數字，我覺得很誇張。」

時間軸

逐字稿未含時間戳，無法列出時間軸。