黃仁勳：Kimi K3讓更多人用AI，算力需求只增不減
Miles Bennett
黃仁勳7月21日回應Kimi K3引發的算力過剩憂慮，稱高效模型擴大用戶規模、推高推理需求，同時呼籲數據中心開發商加強社區溝通與配套投入。
黃仁勳為何說「所有人都把邏輯搞反了」？
他的核心論點：Kimi K3更高效、更智能，會吸引更多人使用AI，推理工作負載隨之增加——效率提升不會壓縮需求，反而放大需求。
這意味著→ 黃仁勳將Kimi K3與DeepSeek類比：市場每次見到「低成本高性能」就擔心產能過剩，但歷史結論相反——用戶規模擴張吃掉了效率紅利。
簡單來說＝ 模型越好用，用的人越多；用的人越多，需要的算力越大。省下來的算力不會閒置，會被新用戶填滿。
Kimi K3到底做了甚麼，令市場緊張？
Kimi K3近期在基準測試排名大幅攀升，而訓練和推理的算力成本相對較低。
市場由此產生新一輪憂慮：若模型可以用更少算力達到同樣效果，AI基礎設施是否投資過度？
這意味著→ 這種擔憂與DeepSeek出現時如出一轍——每一次效率跳躍都觸發「過剩恐慌」，但黃仁勳認為這是對規模化邏輯的根本性誤判。
開源與閉源之爭，黃仁勳怎樣看？
他明確表態：行業同時需要OpenAI、Anthropic等閉源模型，亦需要Kimi這類開放模型，兩者並非對立關係。
簡單來說＝ 不是「有了開源就不需要閉源」，而是不同場景各取所需，整個生態越大，對底層算力的總需求越高。
全美42州抗議數據中心，黃仁勳如何回應？
7月18日，美國42個州同步爆發142場抗議，反對AI數據中心擴張——這是美國首次全國性協調行動。
黃仁勳承認居民不安「完全可以理解」，呼籲開發商給予社區更多時間和透明度，進行實質性溝通。
他進一步建議：建數據中心的同時投資社區配套——學校、公園、購物中心——創造本地就業、帶動區域發展。
新一代數據中心的環保賬怎樣算？
黃仁勳指出，新一代設施採用100%液冷與閉環水循環，耗水量大幅低於舊設施。
這意味著→ 他的主張是「淘汰舊設施、以新AI基礎設施替代」，而非停止建設——真正關心環保的人應該推動升級，而非抵制擴張。
台灣供應鏈為何被反覆提及？
黃仁勳多次強調台灣供應鏈對美國AI建設的關鍵作用，稱台灣製造代表的是先進製造能力，而非單純的低成本優勢。
這反映出英偉達對供應鏈韌性的重視：Kimi K3式的效率提升能否轉化為更大規模的算力需求，最終要靠製造端的產能跟上來驗證。
Content is for reference only, not financial advice.