上週，中國AI初創公司月之暗面釋出其最新開源模型Kimi 3，引發輝達及AI相關半導體板塊的集體拋售。Kimi 3在效能上展現出與Anthropic和OpenAI最新前沿模型相媲美的能力，但其訓練成本據稱僅為美國領先模型的極小部分，這引發了市場對輝達高階GPU需求可持續性的擔憂。

然而，有市場觀點認為，此次拋售更像是DeepSeek和TurboQuant事件的翻版——這兩次分別在2025年初和2026年初引發的恐慌，最終並未阻礙AI基礎設施建設，反而因降低了採用成本而加速了其程序。Kimi 3雖然帶來了效率創新，但可能不會改變輝達在AI算力領域的核心地位。

Kimi 3的亮點之一是其創新的Kimi Delta Attention（KDA）架構。該架構允許模型選擇性讀取先前的token，而非全部讀取，從而將KV快取（AI執行所需的短期記憶）需求降低75%，並帶來六倍的速度提升。這理論上意味著模型對記憶體和處理能力的需求減少。

但分析指出，Kimi 3的實際推理需求可能並未如市場恐慌所預期的那樣大幅降低。首先，Kimi 3是一個擁有2.8萬億引數的龐大模型，需要1.5TB的高頻寬記憶體。其次，它採用了混合專家（MoE）架構，擁有896個專家模組，每個GPU需承載16個專家，至少需要56顆晶片才能完成推理。晶片研究機構SemiAnalysis認為，要高效執行該模型，必須使用具備足夠晶片數量和配套網路的高端系統，例如輝達的GB300 NVL72參考架構。此外，KDA架構降低每晶片KV快取後，反而需要大規模提升頻寬以協調數十顆晶片，這進一步凸顯了輝達NVLink技術在機架級網路中的重要性。

此外，美國法規可能限制中國企業使用美國模型進行蒸餾（即複製權重），這將促使美國企業繼續採用本土模型或採取額外的安全措施，從而增加成本。更重要的是，傑文斯悖論指出，技術進步使資源使用效率提高時，資源總消耗量反而會增加。因此，Kimi 3帶來的效率提升，很可能只會解鎖更廣泛的AI應用，從而抵消其在單晶片效率上的節省，最終推動對輝達晶片和記憶體的長期需求。

綜上所述，儘管Kimi 3引發了短期市場波動，但長期來看，它可能像之前的DeepSeek和TurboQuant事件一樣，成為AI領域投資者的買入機會。