Kimi K3省的是算力，但光模块要的不是参数，是连接

模型变轻，不代表硬件退潮 Kimi刚发布的K3模型，总参数量高达2.8万亿，却通过稀疏MoE架构——896个专家中仅激活16个——显著降低单token计算开销。表面看，这是AI‘更省’的信号：单位任务消耗的算力下降了。但真实部署要求并未放松：官方仍建议使用64颗以上加速器组成的超节点。原因在于，专家分散在不同设备上，数据必须在它们之间高频、低延迟地流转。算术压力让位给通信压力，而光模块卖的，正是这种‘连接能力’。 光模块的需求逻辑，不在参数表里 它不直接挂钩模型有多大，而取决于集群规模、设备间数据交换频次，以及客户愿为时延付出的溢价。参数翻倍，若拓扑不变、流量不增，光模块用量未必线性上升；反之，哪怕单次推理更省，只要调用次数暴增，带宽需求照样飙升。这就像视频压缩技术持续进步，但全球网络流量十年涨了十倍——效率提升从不抑制需求，反而释放新场景。 利润真金白银，但市场交易的是未来 新易盛预告上半年净利润70亿–80亿元，同比增78%–103%，二季度环比再增52%–88%。这笔钱来自已交付订单，反映的是2023年底至2024年上半年的北美算力投入节奏、800G光模块渗透率和产品结构优化。它是结果，不是预测。而股价定价锚定的是2025–2027年：云厂商是否维持高资本开支？1.6T光模块能否如期放量？毛利率能否稳住？这些尚未发生，却已被提前折现。 高增长已成默认值，现在需要更高斜率 台积电将2026年资本开支上调至600–640亿美元，存储价格仍在上行，产业端暂无熄火迹象。问题不在基本面崩塌，而在估值水位——过去两年科技股享受了高增长溢价，如今哪怕增速略缓，也足以触发估值重估。Kimi K3不是利空本身，而是那个‘足够清晰的卖出理由’，恰好撞上融资余额回落、板块连续调整的窗口期。 真正的问题，从来不是模型够不够省 而是AI变便宜之后，人类会把它用到什么程度。智能体编排、实时视频生成、企业级工作流重构……这些不是PPT里的概念，而是即将撬动新一轮带宽与算力需求的真实支点。本周Alphabet财报将成为关键观察哨：云收入增速、资本开支指引、对AI负载增长的定性描述，比任何模型发布会都更能回答——效率红利，最终是被需求洪流吞没，还是反噬硬件投资节奏。