什么值得买App下载 App ›
连续签到专享现金活动

砸260亿美元做开源AI结果被中国模型吊打,英伟达到底在打什么算盘

英伟达宣布将在未来五年投入260亿美元研发开源AI大模型,这一金额约为OpenAI训练GPT-4成本的9倍,标志着这家芯片巨头正式从算力供应商向全栈AI实验室转型。2026年3月发布的Nemotron 3 Super和6月发布的Nemotron 3 Ultra,构成了英伟达开源模型战略的核心产品线,其中Nemotron 3 Ultra采用550亿参数混合专家架构,号称"美国最强开源模型"。然而,在第三方评测平台上,该模型的综合评分却低于中国开源模型Kimi K2.6和DeepSeek V4 Pro,引发了关于开源策略真实意图的广泛讨论。与此同时,英伟达已与谷歌云、甲骨文云、Perplexity等企业达成合作部署,其开源模型战略正在从芯片层向应用层深度延伸。1234
01技术架构与参数对比
Nemotron 3系列采用三种不同的技术架构路线,体现了英伟达在开源模型领域的技术试验思路。Nemotron 3 Super发布于2025年12月,总参数1200亿,激活参数120亿,采用混合专家架构;Nemotron 3 Ultra发布于2026年6月,总参数550亿,激活参数55亿,首次引入Mamba-Transformer混合架构。两种架构的核心差异在于处理长文本和复杂推理的方式:传统Transformer架构处理长序列时计算复杂度呈二次方增长,而Mamba架构采用线性时间复杂度,可将内存和计算效率提升4倍;Transformer层则保留在关键深度位置,保障精确的关联召回能力。英伟达还为该系列配备了多Token预测(MTP)技术,允许模型在单次前向传播中同步预测多个未来token,配合LatentMoE技术可将KV cache压缩3至5倍,推理速度号称比同级别模型快5倍。156
在硬件适配层面,Nemotron 3系列全面针对英伟达Blackwell架构优化,采用全新的NVFP4低精度训练格式。这种4位浮点精度格式通过双层缩放机制(每16个数值共享一个高精度缩放因子),可将模型内存占用缩减约3.5倍,相比FP8缩减约1.8倍,同时在关键语言建模任务上的精度损失控制在1%以内。Blackwell Ultra GPU的NVFP4峰值算力达到15 petaFLOPS,是FP8的3倍。然而,这种极致优化存在一个隐性前提:切换至AMD MI300X或华为昇腾等第三方芯片时,专属优化可能全部失效,虽然模型仍可运行,但性价比大幅降低。英伟达AI软件副总裁Kari Briski将这种策略类比为"把模型当成一个库来对待",强调开发者可以依赖它、调用它,并获得清晰的长期维护承诺。758
02第三方评测中的性能表现
在第三方平台的评测中,各开源模型呈现出一定的性能差异。英伟达在技术报告中声称Nemotron 3 Ultra"与竞品性能持平",但这一结论主要基于自有基准测试。根据公开资料对比,Nemotron 3 Ultra拥有550亿总参数和55亿激活参数;而中国开源模型Kimi K2.6拥有1000亿总参数和320亿激活参数,DeepSeek V4 Pro则拥有1600亿总参数和490亿激活参数。在上下文长度支持上,Nemotron 3 Ultra支持100万token。值得注意的是,在推理速度方面,Nemotron 3 Ultra在DeepInfra平台上实测输出速度超过每秒300个token,表现优异。14
维度Nemotron 3 UltraKimi K2.6DeepSeek V4 Pro
总参数550亿1000亿1600亿
激活参数55亿320亿490亿
上下文长度100万token未披露未披露
架构Mamba+Transformer+MoE未披露未披露
开源范围权重+训练数据+配方修改版MIT标准MIT
尽管综合评分不及中国对手,Nemotron 3 Ultra在特定场景中仍具优势。在Agent Productivity测试中,该模型得分高达91%,与Kimi K2.6和GLM 5.1持平;在专业研究和指令遵循场景中,各有胜负。推理速度方面,Nemotron 3 Ultra在DeepInfra平台上实测输出速度超过每秒300个token,而Kimi K2.6和DeepSeek的典型速度在50至100个token之间。英伟达官方数据显示,在8K输入/64K输出的场景下,Nemotron 3 Ultra的吞吐量比GLM-5.1高5.9倍,比Kimi K2.6高4.8倍。MIT和Hugging Face的研究发现,中国开源模型的全球下载量占比已达17.1%,首次超过美国的15.8%。148
03开源策略的商业逻辑
英伟达应用深度学习研究副总裁Bryan Catanzaro明确表示:"The model is the byproduct. It is not core to our business."(模型是副产品,不是核心业务)。核心业务是卖GPU。这一表态揭示了开源战略的底层逻辑:当开源模型足够好时,所有想用AI的公司都需要购买GPU来运行这些模型,芯片需求被持续拉动。金融分析师预测,若英伟达能在基础模型市场拿下10%份额,三年内每年可额外贡献500亿美元营收。英伟达企业生成式AI软件副总裁Kari Briski进一步解释,训练模型本身是对整套基础设施的极限压力测试,"不只是算力,还包括存储和网络",这有助于公司构建下一代硬件架构路线图。1297

开源动机之争

开源即锁定的观点
  • 英伟达式开源:给权重+给方法+给工具链,唯独绑定一个条件——在我的硬件上跑得最爽[50]

  • 这可不是免费的AI技术红利,而是一套专为自家GPU量身打造的"使用说明书"[51]

  • 开源模型的显性成本是零,但隐性成本是"英伟达税"——想要最佳性能?买H100/B200。想要企业级支持?订阅NVIDIA AI Enterprise[11]

  • 当全球开发者习惯于使用基于英伟达全栈优化的开源模型时,硬件和软件生态将变得前所未有的牢固[21]

降低门槛的观点
  • 好消息:免费开源模型越来越强,开发者门槛更低[52]

  • 更多企业、研究者将能以更低成本获得顶尖的模型能力,催生创新应用[7]

  • 开源Nemotron 3 Super的目的是为了让全球开发者能够站在巨人的肩膀上,以极低的成本构建下一代应用[20]

  • 开发者可以免费下载、运行、微调,满足企业对数据隐私、定制化和成本控制的需求[28]

英伟达采取的"开放权重"策略介于完全闭源与完全开源之间。Meta的Llama系列虽然开放权重,但不公开训练数据;谷歌的Gemma同样不开放训练流程。而英伟达的Nemotron 3 Ultra不仅开放权重,还公开了训练数据、训练代码和完整训练流程,这在业界较为罕见。然而,公开的技术资料与实际部署之间存在落差:模型的底层算子优化、LatentMoE通信机制、推理调度机制全都深度依赖英伟达CUDA生态,专为Blackwell、Hopper架构的高端GPU量身打造。英伟达在训练Nemotron 3 Ultra时,使用的teacher model包括了DeepSeek-V4-Pro、Kimi-K2和Qwen3-235B,被形容为"参考了隔壁班学霸的笔记,然后考了全班第二"。14108
04行业格局与竞争态势
开源与闭源模型之间的价格鸿沟正加速分化。以企业每月消耗10亿输入与10亿输出Token测算,GPT-5.5 Pro成本高达10.5万美元,Claude Opus 4.8为3万美元,而DeepSeek R1仅需2740美元,溢价差距达40倍。科技投资人Chamath Palihapitiya指出,多数公司CEO并不知道技术团队在缺乏治理与审计的情况下直接默认选用最昂贵的大模型API,导致预算超支。随着模型路由控制面逐渐普及,企业将转向模型无关架构,将大规模推理默认分流至DeepSeek,高端代理流导入Claude Opus,仅在产生明确高额增量价值时按需调用GPT-5.5 Pro。这一趋势对闭源巨头构成压力,同时也为开源模型创造了替代空间。11
英伟达并非唯一押注开源的芯片厂商。华为昇腾与DeepSeek的软硬一体组合正在中国市场快速渗透,完成了硬件、框架、大模型、行业应用的全链条国产化闭环。英伟达选择此时高调开源,部分原因被解读为应对这一竞争格局的"紧急反扑"。黄仁勋在CES 2026演讲中提及Kimi K2、DeepSeek V3.2、Qwen等中国开源模型,并表示开源模型落后最前沿AI模型约6个月,但这个距离正逐步缩短。他认为"开放模型去年真的起飞了,AI模型现在能推理的能力强大得不可思议"。非营利组织Laude Institute创始人Andy Konwinski认为,英伟达的投入是"对开放抱有信念的空前信号",因为该公司"处于众多开源和闭源AI工作的最前沿"。9121314
从黄仁勋提出的AI基础设施"五层蛋糕"理论来看,英伟达的战略布局覆盖能源、芯片、基础设施、模型、应用五个层级。英伟达传统上专注于芯片层和基础设施层,如今通过开源模型渗透模型层,同时投资CoreWeave等算力租赁公司持股超6%,并通过300亿美元参与OpenAI创纪录融资锁定未来算力订单。英伟达AI软件副总裁 Kari Briski将此比喻为构建一个计算平台,"就像当年Windows + Intel构成PC平台,或者iPhone + iOS构成移动计算平台"。对于中小AI创业公司而言,门槛降低带来了更多机会,但也面临更激烈的竞争——当人人都能用上顶尖模型,同质化内卷严重,最终比拼的仍是谁能绑定更强的硬件生态。15161317
05开发者可对比的维度
对于有意愿部署开源模型的开发者而言,以下维度可作为评估参考:
  • 推理效率与硬件成本:Nemotron 3 Ultra在英伟达Blackwell GPU上推理速度可达300 tokens/秒,内存占用降至同等规模模型的10%,但需Blackwell或Hopper架构GPU才能解锁全部性能;Kimi K2.6等中国模型在第三方芯片上的适配性更强,部署灵活性更高
  • 综合智能水平:Artificial Analysis综合评分中,Kimi K2.6(54分)和DeepSeek V4 Pro(52分)领先Nemotron 3 Ultra(47.7分)4-6分;在Agent Productivity等特定场景中,三者得分相近
  • 开源透明度:Nemotron 3 Ultra开放权重、训练数据、训练配方,但深度绑定CUDA生态;中国开源模型普遍采用MIT协议,商业使用限制更少
  • API定价与调用成本:MiMo-V2.5-Pro API价格为每百万token 0.18美元,DeepSeek R1约2.74美元/百万token,GPT-5.5 Pro约105美元/百万token,差距可达数十倍
  • 生态工具链成熟度:英伟达提供完整的CUDA优化工具链、NIM微服务、NeMo Megatron训练框架;中国模型在Hugging Face、ModelScope等平台生态覆盖广泛
综合来看,英伟达开源模型的核心价值不在于性能全面超越竞争对手,而在于为CUDA生态开发者提供了一套经过极致硬件优化的选择。对于已有英伟达算力投入的企业,Nemotron系列可作为智能体工作流的补充方案;对于追求极致性价比或需要灵活硬件适配的开发者,中国开源模型在综合评分和API成本上仍具优势。英伟达260亿美元的投入短期内不会改变开源模型市场的技术格局,但其"以模型带硬件"的战略意图将持续影响AI基础设施的竞争走向。

评论

评论区空态插画

当前文章无评论,是时候发表评论了