美银（BofA）就月之暗面发布Kimi 3点评报告称：这是一个拥有 2.8 万亿参数的“混合专家”模型，支持 100 万 token 的上下文窗口。

> 美国实验室面临扩展压力：随着中国开放权重模型不断缩小差距，且有媒体报道称谷歌的 Gemini 3.5 Pro 进度落后数月，美国的尖端 AI 实验室（如 OpenAI、Anthropic、谷歌）必须加大算力投入。为了保持领先地位，它们需要进行更大规模的训练、更深入的强化学习（RL）、构建合成数据循环，并加快发布节奏。

> 商业价值重于排行榜：投资者应注意，不要将基准测试的领先地位与可持续的商业模式混为一谈。企业级 AI 领域持久的竞争壁垒在于：以最低成本提供准确、低延迟且高可用性的 AI 服务。

AI 半导体前景看好

> MoE 架构提振硬件需求：向混合专家（MoE）架构的转变凸显了内存数据传输、路由、延迟和互连技术的重要性。

> 英伟达（NVIDIA）的下一代能效：在运行主流开放 MoE 模型时，英伟达的 GB300 NVL72 相比 Hopper 架构，其能效比（每瓦性能）提升高达 25 倍。

> 芯片需求持续增长：开放模型从本质上利好半导体行业。即便模型本身的价值趋于同质化，市场对 GPU、高带宽内存（HBM）、网络互连及高效推理基础设施的需求仍将持续增长。

> EDA 行业的韧性：美银继续看好 Cadence (CDNS) 和 Synopsys (SNPS) 等电子设计自动化（EDA）厂商。尽管 Kimi K3 提及了“45nm 开放源代码 EDA”，但对于台积电（TSMC）等主要晶圆代工厂而言，商业 EDA 工具对于制造先进芯片仍是必不可少的。

Token 使用量激增与企业级 AI 普及

> 中国实验室引领 Token 使用量：OpenRouter 的数据显示，每周 Token 使用量正呈爆发式增长，中国 AI 模型的每日 Token 使用量现已超过西方 AI 实验室。 > 美国企业采用率：根据 Ramp AI 指数，目前约有 55% 的美国企业订阅了付费 AI 工具（这一比例远高于美国普查局此前估计的 21%）。

> 市场份额与支出：在企业模型采用方面，Anthropic 以 42.4% 的份额位居榜首，OpenAI 紧随其后，占比为 39.5%。尽管企业人均每月 AI 支出中位数仅为 11 美元，但支出最高的前 1% 企业，其人均月度支出高达 4,833 美元。