Kimi K3的線性注意力雖引發對硬體需求的短期擔憂，但SemiAnalysis指出，其超2.8兆參數與大規模推理架構，反將加劇對高端GPU、HBM及高速互聯的需求。專家並行設計推高晶片間通訊壓力，而線性注意力帶來的成本下降，或借傑文斯悖論（效率提升刺激應用擴張）推動AI規模化落地，長期支撐基礎設施持續增長。 月之暗面旗下大模型Kimi K3採用線性注意力機制，引發市場對$輝達 (NVDA.US)$、HBM以及網絡設備需求可能受到削弱的擔憂。 不過，半導體研究機構SemiAnalysis近日給出了截然不同的判斷：K3龐大的參數規模和推理架構需求，不僅不會削弱高端AI硬體需求，反而可能進一步強化對輝達高端GPU、HBM以及高速互聯設備的需求。 SemiAnalysis指出，K3參數規模超過2.8兆，模型權重容量超過1.5TB HBM。即便在相對有限的用戶併發場景下，KV緩存仍需要大量卸載至CPU DDR5內存及NVMe記憶體，HBM空間並不會出現明顯富餘。