英伟达宣布五年投入260亿美元开发开源AI大模型,加速全栈生态布局
01所谓“支持开源模型”的具体形式与技术边界
| 对比维度 | 对闭源模型(如GPT系列) | 对英伟达开源模型(如Nemotron 3系列) |
|---|---|---|
| 模型权重 | 不公开 | 完全开源,宽松许可证 |
| 训练数据 | 通常不公开 | 开源超10万亿token数据集 |
| 训练代码与配方 | 不公开 | 开源全套预训练/后训练代码及“训练配方” |
| 推理优化 | 依赖API,成本高 | 深度集成TensorRT-LLM、vLLM等框架,支持NVFP4低精度格式,在Blackwell架构上实现4–10倍成本降低 |
| 硬件绑定 | 无特定要求 | 虽宣称开放,但所有优化均针对英伟达GPU(如Blackwell、H100),非英伟达硬件无法获得同等性能 |
英伟达对闭源模型与自研开源模型在关键维度上的实际差异
02260亿美元市场的构成与初创公司的实际依赖现状
03全球主要初创公司及机构的公开回应与合同调整
04该举措对行业生态的客观影响(截至当前可验证范围)
自Nemotron 3系列发布以来,其在Hugging Face的下载量显著增长,社区实测显示在英伟达硬件上推理吞吐量较同类模型提升2.2–4倍。同时,开源模型与Blackwell架构的协同使每token推理成本降低4–10倍,“专有溢价”时代趋于终结。然而,第三方监测亦指出,尽管模型开源,但其训练与推理工具链(如NeMo、TensorRT-LLM)深度绑定CUDA生态,使得开发者一旦采用,迁移至非英伟达平台的成本极高。此外,随着NemoClaw平台的推出,英伟达正从“卖铲子”转向定义AI Agent时代的基础设施规则,其“开源”策略实质是通过软件生态巩固硬件主导权,形成新型“算力税”征收机制。746552100
当前文章无评论,是时候发表评论了