AI泡沫与韩国杠杆爆仓：Kimi K3冲击全球科技市值

一场从东亚蔓延至全球的市场震荡

近期资本市场经历了一轮剧烈的连锁反应。从A股到韩国、日本，再到美国，全球科技相关板块普遍出现了30%左右的深度回调。这场震荡的背后，是围绕AI基础设施建设所构筑的高估值叙事正在遭遇现实的拷问。

所谓的"AI泡沫"，本质上是数家AI公司通过互相投资、大规模建设数据中心，形成了一场硬件军备竞赛。融资、发债，一座座数据中心拔地而起，带动了从芯片、光纤、机柜、散热到光通信模块、存储的全产业链暴涨。甚至连消费级电子产品价格都出现明显上涨——固态硬盘和机械硬盘的价格在短期内翻倍。

值得关注的是，这一资本循环存在内在的结构性脆弱性。微软、谷歌、亚马逊、Meta四家超大规模云厂商（Hyperscaler）在2024年合计资本支出超过2000亿美元，其中相当大比例流向Nvidia GPU采购和数据中心建设。这笔支出在财务报表上构成了Nvidia、台积电、SK海力士等公司的实际营收，进而支撑了市场对AI产业链的高估值预期。这一资本循环本质上是一个自我强化的飞轮：云厂商的AI支出转化为上游供应链企业的高增长营收，高增长支撑高估值，高估值降低融资成本，低融资成本使得云厂商得以继续扩大资本支出——直至应用层变现速度跟不上基础设施扩张节奏，飞轮才会失速。然而，这一循环的闭环依赖于一个核心假设：AI应用层最终能够产生足以覆盖基础设施成本的商业价值。目前OpenAI年营收约40亿美元，而仅Nvidia一家的年营收已超过1000亿美元，两者之间的量级差距揭示了"基础设施建设"与"应用变现"之间的巨大鸿沟——这种结构与2000年互联网泡沫时期光纤基础设施的过度建设存在形态相似性，尽管两者在技术实质上有根本区别。

然而核心问题始终存在：AI虽然热闹，盈利模式却尚未跑通。 这种投资很难支撑如此高的估值。当泡沫遇到催化剂，回调便不可避免。

韩国：AI矿井里的"金丝雀"

全民杠杆的疯狂

在整个AI叙事中，韩国扮演了"矿井里的金丝雀"角色——当风险来临时，它第一个倒下。

作为存储芯片的核心生产国，韩国的SK海力士和三星在这轮存储涨价潮中赚得盆满钵满。存储板块的暴涨带动整个韩国股市逐步走强并加速冲顶，市场情绪一度极度亢奋。

问题在于韩国市场的结构性缺陷：缺乏货币主权、海外热钱疯狂涌入、民众投机情绪浓厚。

所谓"缺乏货币主权"，指的是韩元作为自由浮动货币，韩国央行面对大规模外资撤离时，既不能像美联储那样以"印钞"兜底，也无法通过资本管制减缓冲击。这种脆弱性可从"原罪论"（Original Sin）框架理解——该理论由经济学家Barry Eichengreen和Ricardo Hausmann于1999年正式提出，用以描述新兴市场经济体无法以本国货币在国际市场借债的结构性困境：美元、欧元、日元等储备货币国家可以用本币融资，而韩元只能依赖外币债务，一旦汇率波动便立即面临资产负债表危机。韩元在全球外汇储备中占比不足1%，国际清算使用率极低，资本流动高度依赖外资意愿。

值得注意的是，这并非韩国第一次遭遇此类冲击。1997年亚洲金融危机中，同样是外资大规模撤离，导致韩元在数月内贬值约50%，最终不得不接受IMF的1850亿美元救助方案。此后二十余年，韩国虽大幅扩充外汇储备（目前约4000亿美元）、并建立了与美联储的货币互换协议，但这一储备规模相较于每日数百亿美元的外汇交易量仍显捉襟见肘，且货币互换协议并非无限额、无条件——在极端危机时期，美联储的首要考量是本国金融稳定而非盟友流动性需求。

货币互换协议（Currency Swap Lines）是两国央行之间的临时流动性安排，允许一方以本国货币换取对方货币，到期后以约定汇率换回。2008年金融危机后，美联储与韩国、日本、欧洲等主要央行建立了常设互换额度，这一机制在2020年新冠疫情引发的美元荒中发挥了关键作用。然而，互换额度通常有上限，且需双边谈判续签，并不构成无条件的流动性保障。更根本的约束在于：互换线提供的是短期流动性缓冲，而非解决长期资本外流引发的汇率贬值压力——后者的根源在于国际投资者对持有韩元资产的意愿，而非韩国央行的流动性操作能力。"借来的货币稳定性"这一本质未曾改变——一旦美联储收紧互换额度或外资流出速度超过储备消耗上限，危机情景依然可以重演。与之对比，美联储可通过量化宽松直接向市场注入流动性，日本央行则长期以"收益率曲线控制"锚定债券市场，而韩国央行的干预工具本质上只有动用外汇储备买入韩元——这是一场消耗战，而非结构性解决方案。当外资单月撤出数百亿美元时，韩元汇率同步承压，形成"股市下跌+汇率贬值"的双重打击——这也解释了为何同样是存储芯片大国，韩国在这轮震荡中受到的冲击远比日本更为剧烈。

从股市高位区间开始，韩国投资者大规模涌入杠杆ETF。杠杆ETF是一种通过金融衍生品实现标的指数倍数收益的基金产品，两倍杠杆意味着标的每下跌1%，基金净值跌去2%。其内在的"每日再平衡"机制在单边下跌行情中还会造成额外的"波动率损耗"（Volatility Decay）——这是一个精确的数学现象而非模糊的风险警告。以2倍杠杆ETF为例：若标的第一天上涨10%，ETF净值从100升至120；第二天标的下跌10%，ETF净值从120跌至96，而标的本身仅从110回落至99，仅亏损约0.9%，但ETF亏损4%。这种路径依赖性在高波动率环境下会迅速累积。这一机制的设计初衷是维持固定杠杆倍数，每个交易日收盘前必须调整衍生品头寸：下跌时减少敞口（低价卖出），上涨时增加敞口（高价买入），天然形成不利的操作方向。

波动率损耗的数学原理可以进一步精确表述：若某资产在N个交易日内每日波动幅度为r，则2倍杠杆ETF的累积净值约为原始资产净值的平方根，这意味着在高波动低趋势的市场中，即便标的资产最终平盘，杠杆ETF持有者也会承受系统性亏损。这一效应随波动率的平方增长——波动率翻倍，损耗效应放大四倍。这也是为何芝加哥期权交易所（CBOE）的VIX恐慌指数被称为"杠杆ETF的死亡指标"：极端波动率环境下，持有周期哪怕仅延伸至数周，波动率损耗便可将账面盈利彻底侵蚀。美国SEC自2009年起持续就杠杆ETF对散户投资者发出风险警告，明确指出该产品"不适合计划持有超过一个交易日的投资者"。正因如此，杠杆ETF的设计初衷是供机构进行日内对冲，而非供散户长期持有。据财经报道，韩国市场上有16只两倍杠杆的海力士相关基金，散户持仓占比高达92%，恰恰反映了这一工具被严重误用——这是监管教育缺失与投机心理共同作用的结果。

死亡螺旋与惨烈代价

数据显示，韩国股市因杠杆ETF引爆死亡螺旋，超过120万个散户杠杆账户触及保证金追缴线，约36万个账户被强制平仓、本金归零。所谓死亡螺旋，正是杠杆产品特有的负反馈循环：价格下跌→触发保证金追缴→被迫平仓→进一步压低价格→新一轮强制平仓，形成自我强化的崩盘链条。其中20到30岁的年轻人占爆仓总人数的62%。

更严重的是，许多爆仓者在杠杆ETF基础上还叠加了贷款、信用卡透支，形成了"杠杆上加杠杆"的极端敞口。一只两倍做多海力士的基金，短期内从190点跌至44点，几近腰斩再腰斩。

说个细节，韩国政府在崩盘中扮演了推手角色。首批挂钩三星和海力士的两倍杠杆ETF上市，距股市见顶仅22天。而当市场跌成一片狼藉后，监管层叫停单只杠杆ETF产品，反而抽干了流动性，加剧了下跌。

外资撤离与美方"分润"

外资的撤离规模空前。整个6月，外资离场约330亿美元；上半年套现约1100亿美元。

更耐人寻味的是，美国贸易代表在会谈中向韩国提出，美方"有权分享海力士和三星的巨额利润"，理由是美国企业的大量采购推动了韩国芯片企业盈利暴增。据统计，韩国上半年半导体出口额达创纪录的1924.3亿美元，同比增长163%，对美出口增长91.3%，达264亿美元。这一诉求让韩国政府颇为被动。

这一要求的深层背景在于美国对半导体供应链的战略性重构。自《芯片与科学法案》（CHIPS and Science Act）于2022年通过以来，美国已向本土半导体制造投入逾500亿美元补贴，试图重建在先进制造领域的自主能力。在此背景下，美国贸易代表的"分润"论述具有双重含义：一方面是短期贸易博弈中的筹码，另一方面也折射出美方对"美国资本驱动的AI繁荣，利润却集中于亚洲供应链"这一格局的战略性不满。对韩国而言，半导体出口依存度过高（半导体占韩国总出口约20%）使其在此类谈判中几乎没有筹码——拒绝让步可能引发进一步的贸易摩擦，而接受则意味着利润的主动让渡。

Kimi K3：开源大模型的又一次冲击

参数规模刷新记录

就在韩国股灾与美韩贸易博弈之际，中国AI公司投下了一枚重磅炸弹。月之暗面科技发布了全新的Kimi K3大模型，据称一经推出便登顶评测榜首。

K3据报道是一个2.8万亿参数的大模型，是迄今规模最大的开源AI大模型，超越了此前DeepSeek 1.6万亿参数的记录。业内测评后的普遍结论是：Kimi K3是当下能力最强的开源大模型，其编程能力尤为突出。

值得注意的是，现代超大规模模型几乎都采用MoE（Mixture of Experts，混合专家）架构，其"总参数量"与"激活参数量"是两个截然不同的概念。MoE架构最早由Jacobs等人于1991年提出，近年被谷歌、Meta、DeepSeek等大规模应用于Transformer语言模型。其核心机制是将模型分解为多个"专家"子网络，每次前向传播时由一个轻量级"路由器"（Router）动态选择少数几个专家处理输入——通常仅激活总参数的5%~20%。这带来了两个关键工程优势：训练和推理的计算量与激活参数量而非总参数量成正比，大幅降低单位成本；同时不同专家可专注于不同类型的知识，实现隐式的功能分化。例如DeepSeek-V3拥有6710亿总参数，但每次前向传播仅激活370亿参数。

路由机制本身也是决定MoE模型性能的关键变量。早期实现（如谷歌的GShard）采用Top-K硬路由，即每个Token强制分配给得分最高的K个专家；而DeepSeek和Kimi等新一代模型则引入了更复杂的细粒度路由策略和辅助损失函数，以解决"专家坍塌"问题——即模型训练中所有Token倾向于被路由到同一少数专家，导致其余专家严重欠训练、参数浪费。在多GPU/多节点集群部署中，不同专家分布在不同设备上，路由决策还会触发大量跨设备通信（All-to-All通信原语），这在高延迟网络环境下会成为严重瓶颈，使得"专家负载均衡"至今仍是活跃研究领域。这一工程挑战的解决质量，直接影响着模型真实能力的上限，也是不同MoE实现之间差距的重要来源。然而MoE也有代价：总参数量庞大意味着显存占用极高，分布式部署时的专家负载均衡是工程难点。因此，理解这一架构差异是评估"参数军备竞赛"真实意义的关键：总参数刷新记录在营销层面意义重大，但激活参数量、推理延迟和硬件需求才是工程落地的核心指标。

评测基准（Benchmark）本身的局限性同样值得关注。当前主流评测体系包括MMLU（大规模多任务语言理解）、HumanEval（代码生成）、MATH（数学推理）等，这些基准在设计之初针对特定能力维度，并不构成模型综合能力的完整图景。更值得警惕的是"基准过拟合"现象：部分模型通过在训练数据中加入与评测题型高度相似的内容，在特定榜单上取得远超实际能力的成绩。独立第三方评测平台如LMSYS Chatbot Arena（基于人类偏好的盲测排名）因此具有更高的参考价值，因为其评测内容无法被提前针对性训练。这也是为什么"登顶评测榜首"的声明需要结合评测方法论的透明度加以审视。

需要说明的是，上述参数规模和评测结论主要来自单一来源的表述，具体数据仍需以官方发布和第三方权威评测为准。

对美股科技板块的传导效应

K3发布后，美股芯片、存储板块出现明显下跌。市场再度开始质疑：美国AI高成本、高支出的模式是否具有可持续性。

这并非孤例。DeepSeek此前的发布曾在单一交易日内令英伟达市值蒸发约5900亿美元。而Kimi K3的出现，被视为对"AI高估值叙事"的又一次迎头冲击。

核心逻辑在于：开源模型对封闭生态的冲击本质上是一场"算力定价权"的争夺。封闭大模型的商业逻辑建立在技术壁垒之上——OpenAI、Anthropic等公司通过API调用收费，其高定价的前提是竞争对手难以复制同等能力。从平台竞争理论看，一旦开源社区提供了性能跨越"足够好"门槛的替代方案，企业用户面临的权衡便从"闭源API更好性能"转变为"自部署+更低成本+数据隐私"，后者对金融、医疗、政府等数据敏感行业尤具吸引力。Meta的LLaMA系列已验证了这一路径：开源策略表面上是"赠送"能力，实质是通过压低行业定价基准削弱竞争对手的商业壁垒——这与谷歌开源Android削弱微软WindowsMobile封闭优势、同时为谷歌建立移动端广告分发渠道的逻辑高度相似。

中国AI公司选择开源策略，还存在清晰的地缘政治逻辑。在美国持续加强芯片出口管制的背景下，开源既是争取全球开发者生态的手段，也是在全球南方市场建立技术影响力的路径。对于无力负担高昂API费用的发展中国家企业和政府机构而言，高性能开源模型提供了一条独立于美国AI生态之外的技术路线——在Nvidia H100/H800出口管制收紧后，中国企业通过软件层面的开放来抵消硬件层面的封锁，同时在东南亚、中东、非洲等市场建立技术依赖关系，这是一种以软件影响力对冲硬件劣势的长期战略布局。

从产业组织经济学的视角看，这场开源与封闭之争还涉及"平台与管道"的商业模式选择。封闭模型提供商本质上是"管道"思维：掌控核心能力，通过API向下游收取通行费。而开源策略则是"平台"思维：放弃直接变现，转而构建生态系统，通过云服务、微调工具、企业支持等周边服务实现收益，同时将核心技术标准的制定权牢牢握在手中。历史上，IBM开放PC架构、谷歌开源Android、亚马逊推广云计算标准接口，都遵循了类似的逻辑：以开放换生态，以生态换定价权。中国开源模型的持续涌现，在此逻辑上等同于为全球企业提供了更多"议价筹码"。如果中国的开源模型能以极低成本提供不输于美国封闭大模型的性能，那么美国AI公司的封闭策略与高定价就失去了正当性。 开源模型实际上正在争夺算力的定价权，其对封闭AI公司估值的压制效应，本质上是市场在重新定价技术垄断的溢价空间。

这一维度使得"中国开源模型冲击"不仅仅是商业竞争，更是一场技术标准话语权的争夺。

深层反思：AI估值叙事的可持续性

这轮震荡揭示了当前AI产业的几个深层矛盾：

第一，盈利模式尚未验证。 数据中心的大规模建设成为支撑估值的唯一支柱，因为建设本身能够拉动下游一大批公司的业绩。但当有人质疑这些建设的必要性时，整个叙事链条就会松动。这一结构与2000年互联网泡沫时期光纤基础设施的过度建设存在形态相似性：彼时全球铺设了大量光纤，最终有效利用率不足10%，大量运营商破产，但幸存下来的基础设施却在此后十年为Web 2.0时代奠定了物理基础。值得补充的是，互联网泡沫破裂后，真正幸存并重塑世界的公司——谷歌、亚马逊、Facebook——并非彼时最受追捧的基础设施建设者，而是在廉价基础设施之上构建出全新商业模式的应用层创新者。这一历史规律对当下AI投资逻辑的启示在于：押注基础设施建设者（GPU、数据中心）的投资逻辑，与押注应用层最终赢家的投资逻辑，在时间维度和风险特征上存在根本差异。AI基础设施能否走出相似的历史弧线，仍是一个开放问题。

第二，开源与封闭的路线之争。 封闭模型依赖垄断定价，而开源模型的存在天然打破了这种垄断。这也解释了为何围绕"AI安全""数据主权"的讨论如此激烈——技术路线之争背后是商业利益的博弈。从更宏观的视角看，这场争夺本质上是全球AI技术标准话语权的重新分配，其影响将远超单一市场的估值变动。

第三，杠杆放大了系统性风险。 韩国爆仓案例是一个极端警示：当投机情绪、杠杆工具与政策失误叠加时，市场调整会以远超预期的速度和烈度展开。杠杆ETF每日再平衡机制所内嵌的"波动率损耗"，在剧烈震荡行情中会将亏损放大至令普通投资者难以承受的程度——这一工具的本质是日内对冲手段，而非长期投资载体，散户的大规模误用是此次灾难的重要结构性原因。韩国案例同时揭示了监管层面的深层教训：金融创新产品的上市节奏必须与投资者教育体系的成熟度相匹配，当高杠杆衍生工具在散户情绪最为亢奋的市场高点密集上市，其结果几乎是可以预见的悲剧。

对于投资者而言，AI依然是长期趋势，但需要警惕过度杠杆和高估值带来的短期风险。技术革命的价值终将兑现，但兑现的路径未必平坦，中间的波动可能远比想象中剧烈。

核心要点