Kimi K3 dengan 2,8 triliun parameter dan penerapan 64 chip dapat memperkuat permintaan GPU Nvidia dan HBM

NVDA-2,32%
Menurut SemiAnalysis, Kimi K3 dengan lebih dari 2,8 triliun parameter memerlukan arsitektur penyebaran 64-chip serta kapasitas HBM lebih dari 1,5TB. Berbeda dari kekhawatiran pasar bahwa mekanisme attention linear melemahkan permintaan perangkat keras AI kelas atas, perusahaan riset tersebut menyatakan skala dan arsitektur inferensi K3 justru dapat memperkuat permintaan untuk GPU Nvidia, HBM, dan peralatan interkoneksi. SemiAnalysis mencatat bahwa bahkan dengan konkurensi pengguna yang terbatas, KV cache tetap membutuhkan pendelegasian besar ke memori CPU DDR5 dan penyimpanan NVMe, sehingga menyisakan ruang HBM yang terbatas. Perusahaan tersebut meyakini arsitektur model yang lebih efisien menurunkan biaya inferensi AI, sehingga mendorong adopsi aplikasi yang lebih luas dan permintaan jangka panjang untuk GPU, HBM, DRAM, serta infrastruktur jaringan.
Penafian: Informasi di halaman ini mungkin berasal dari sumber pihak ketiga dan hanya untuk referensi. Ini tidak mewakili pandangan atau pendapat Gate dan bukan merupakan nasihat keuangan, investasi, atau hukum. Perdagangan aset virtual melibatkan risiko tinggi. Mohon jangan hanya mengandalkan informasi di halaman ini saat membuat keputusan. Untuk detailnya, lihat Penafian.
Komentar
0/400
Tidak ada komentar