Kimi K3 효율화에도 AI 하드웨어 수요 증가 전망

AI 모델의 어텐션 효율 개선이 반도체 수요를 줄일 것이라는 시장의 우려에 대해 반도체 전문 리서치 기관 SemiAnalysis가 정반대의 전망을 제시했다. Kimi K3가 채택한 KDA 선형 어텐션 메커니즘이 연산 효율을 끌어올리는 것은 사실이지만, 고성능 GPU와 HBM, DRAM, 고속 네트워크에 대한 수요는 오히려 확대될 것이라는 분석이다. 근거는 모델 자체의 규모다. Kimi K3는 2조8000억개가 넘는 파라미터와 대규모 추론 아키텍처를 기반으로 하고 있어 방대한 컴퓨팅 자원을 필요로 한다. 특히 전문가 혼합(MoE) 구조에서 전문가 병렬화 설계는 GPU 간 통신량을 크게 늘리는 특성이 있다. 이에 따라 고속 인터커넥트와 네트워크 대역폭에 대한 요구 수준도 한층 높아질 것으로 SemiAnalysis는 내다봤다. 비용 하락이 수요를 자극한다는 논리도 제시됐다. 선형 어텐션으로 추론 비용이 낮아지면 이른바 제번스의 역설에 따라 AI 활용 범위와 사용량이 더욱 확대될 수 있다는 것이다. 효율 향상이 단기적으로 단위 비용을 낮추더라도, 장기적으로는 AI 적용 영역이 넓어지면서 GPU, HBM, DRAM, 네트워크 등 AI 인프라 전반의 수요를 지속적으로 뒷받침할 가능성이 높다는 진단이다. 이는 엔비디아를 비롯한 AI 반도체 기업과 메모리·네트워크 공급망 전반에 긍정적 시사점을 던진다.