上周，中国AI初创公司月之暗面发布其最新开源模型Kimi 3，引发英伟达及AI相关半导体板块的集体抛售。Kimi 3在性能上展现出与Anthropic和OpenAI最新前沿模型相媲美的能力，但其训练成本据称仅为美国领先模型的极小部分，这引发了市场对英伟达高端GPU需求可持续性的担忧。

然而，有市场观点认为，此次抛售更像是DeepSeek和TurboQuant事件的翻版——这两次分别在2025年初和2026年初引发的恐慌，最终并未阻碍AI基础设施建设，反而因降低了采用成本而加速了其进程。Kimi 3虽然带来了效率创新，但可能不会改变英伟达在AI算力领域的核心地位。

Kimi 3的亮点之一是其创新的Kimi Delta Attention（KDA）架构。该架构允许模型选择性读取先前的token，而非全部读取，从而将KV缓存（AI运行所需的短期记忆）需求降低75%，并带来六倍的速度提升。这理论上意味着模型对内存和处理能力的需求减少。

但分析指出，Kimi 3的实际推理需求可能并未如市场恐慌所预期的那样大幅降低。首先，Kimi 3是一个拥有2.8万亿参数的庞大模型，需要1.5TB的高带宽内存。其次，它采用了混合专家（MoE）架构，拥有896个专家模块，每个GPU需承载16个专家，至少需要56颗芯片才能完成推理。芯片研究机构SemiAnalysis认为，要高效运行该模型，必须使用具备足够芯片数量和配套网络的高端系统，例如英伟达的GB300 NVL72参考架构。此外，KDA架构降低每芯片KV缓存后，反而需要大规模提升带宽以协调数十颗芯片，这进一步凸显了英伟达NVLink技术在机架级网络中的重要性。

此外，美国法规可能限制中国企业使用美国模型进行蒸馏（即复制权重），这将促使美国企业继续采用本土模型或采取额外的安全措施，从而增加成本。更重要的是，杰文斯悖论指出，技术进步使资源使用效率提高时，资源总消耗量反而会增加。因此，Kimi 3带来的效率提升，很可能只会解锁更广泛的AI应用，从而抵消其在单芯片效率上的节省，最终推动对英伟达芯片和内存的长期需求。

综上所述，尽管Kimi 3引发了短期市场波动，但长期来看，它可能像之前的DeepSeek和TurboQuant事件一样，成为AI领域投资者的买入机会。