中国月之暗面刚发的 Kimi K3，在 Artificial Analysis 智慧指数冲到全球前列，跟 Claude Opus 4.8、GPT-5.5 同一档，还宣布会开放完整权重。一个免费模型追到闭源前沿脚边，市场同时冒出两种恐慌：一种怕它拖垮 OpenAI 和 Anthropic，另一种怕它的新架构害死 NVIDIA 和内存厂。发布后 24 小时，投资圈和半导体研究圈各有一篇指标性分析出手回应——两篇的结论都跟恐慌方向相反。
第一篇：Atreides 创始人 Gavin Baker——"K3 是模型层的利空，却是全链条的利多"
Baker 的判断是：K3 对 Anthropic 和 OpenAI 潜在偏空，但对其他几乎所有公司都是净利好。推演路径是这样的——如果前沿模型市场最后只剩两三家实验室、坐拥 90% 推理毛利，它们会变成电力、数据中心、半导体的独家买方，再垂直整合吃掉每一层。任何压低模型层毛利、加剧竞争的力量，对电力、半导体、云端甚至软件业都是好事——这也是黄仁勋一直力挺开源的原因。马斯克在这则贴文底下留了一句"有意思"，拿了 900 多赞。
Baker 补了一个保留项：K3 是个 token 大胃王。按他引用的 AA 数据，K3 每 token 单价跟 GPT-5.6 Sol 差不多，但同样任务要多花 50%–70% 成本。真正的"斯普特尼克时刻"，要等一个既开源、token 效率又高的前沿模型出现才算数。
第二篇：SemiAnalysis——"KDA 不会杀 NVIDIA，反而把它的最贵机柜卖爆"
硬件圈担心的点是：K3 用的 KDA（Kimi Delta Attention）线性注意力让 KV 缓存的网络传输降到传统架构的约十分之一，于是有人推论 GPU、HBM、DRAM、网通需求会跟着缩水。SemiAnalysis 发了八则推文从硬件规格逐条拆。
几个关键事实：
• K3 参数 2.8 万亿，按 SemiAnalysis 估算，光权重就吃掉超过 1.5 TB HBM，KV 缓存还得外溢到 CPU 内存和 SSD——也就是说连 NVIDIA DGX B200 单台都塞不下，哪怕压到 FP4 也不行。
• 896 个专家通过 WideEP 打散到大量 GPU 上，这优化极度吃网络带宽，刚好是 NVIDIA 机柜级系统 GB200 NVL72 的主场，铜背板带宽是普通 DGX B200 的 18 倍。
• Kimi 官方自己都说，K3 要跑顺至少得 64 颗芯片互连的机柜——基本就是奔着 NVL72 去的。
SemiAnalysis 最后搬出杰文斯悖论收尾：注意力机制越有效率，AI 就用得越广，GPU、内存、网通的总需求只会往上走，不会往下。
——————————杰文斯悖论（Jevons Paradox）是 1865 年英国经济学家 William Stanley Jevons 在《煤炭问题》里提出的一个反直觉现象：
💡 提高一种资源的利用效率，不但不会减少它的消耗，反而会增加总消耗。
他的原始观察是：瓦特改良蒸汽机让煤炭的"单位做功"效率大幅提升，按理说每炼一吨铁、每跑一英里机车用的煤变少了，总耗煤应该下降——结果恰恰相反，蒸汽机因为更"划算"被铺到所有产业，英国煤炭消费反而暴增。
核心逻辑链：效率 ↑ → 单位成本 ↓ → 应用场景扩围 + 使用频次 ↑↑ → 总需求量 ↑（而且涨幅往往盖过单耗节省）
