SemiAnalysis 在一份研究报告中表示，尽管中国初创企业月之暗面（Moonshot AI）推出的 Kimi K3 展现出较强竞争力，但从基础设施角度看，这一进展仍明显利好辉达（NVIDIA）的大规模计算系统。报告认为，Kimi K3 的高性能和开源策略，并没有削弱全球对高端芯片的需求，反而强化了辉达在算力市场的地位。
报告的核心判断是，这类巨型模型的训练与部署门槛极高，对底层硬件和网络互连技术的要求呈指数级增长。与此同时，中国技术追赶速度加快，也会迫使美国头部科技公司加快资本支出，以维持领先优势。按照这一逻辑，Kimi K3 的发布不仅是一次软件层面的突破，也成为推动全球算力基础设施扩建的催化因素。
Kimi K3 模型规模庞大，硬件门槛继续抬升
SemiAnalysis 指出，Kimi K3 总参数量达到 2.8 兆，是目前全球参数规模最大的开放模型之一。虽然该模型采用混合专家架构（Mixture of Experts，MoE），每次推理只激活一部分参数，以降低计算成本，但整体硬件门槛依然很高。
月之暗面方面称，如果企业客户希望自建部署 Kimi K3，至少需要配备 64 颗加速器的超级节点（Supernode）才能顺利运行。对希望将这一开源模型落地的企业来说，这意味着需要采购大量高端图形处理器（GPU），而这会直接对应到辉达潜在的硬件订单需求。
互连与内存需求同步上升，辉达系统优势被放大
报告还提到，当模型参数进入兆级规模后，单颗芯片的计算能力已不再是唯一关键，服务器之间的数据传输效率也同样重要。SemiAnalysis 表示，处理最长 100 万 Token 的上下文，需要极高的内存带宽和极低延迟。
在这一场景下，辉达的 NVLink 互连技术和 InfiniBand 网络架构，在构建大规模集群方面仍具备市场上难以匹敌的性能优势。对需要稳定运行 Kimi K3 的数据中心而言，采用辉达完整系统架构，仍是避免数据传输成为瓶颈的可靠方案，这也让其生态壁垒继续加强。
除 GPU 之外，报告也提到，HBM、DRAM 等内存相关需求同样没有减弱。
中国 AI 追赶提速，美系科技公司资本支出压力上升
SemiAnalysis 认为，Kimi K3 在长程代码编写和代理人（Agent）任务上的表现，已经逼近美国前沿 AI 实验室的水平。从更宏观的角度看，中国 AI 企业以较低推理成本提供高阶模型，会对美国科技巨头带来更大竞争压力。
报告点名微软、Google 和 Meta，称这些公司若要避免被赶上，难以缩减投资，反而需要继续扩大算力基础设施的资本支出，并推进下一代模型，例如 GPT-5 级别模型的研发。
在 SemiAnalysis 看来，这场全球性的 AI 算力军备竞赛，最终的主要受益者仍是作为底层硬件供应方的辉达。