NVIDIA為什麼突然擁抱開源？我看懂黃仁勳的算盤！

黃仁勳一邊死守CUDA生態，一邊高喊開源萬歲——這看起來似乎有些矛盾，但實際上，這可能是NVIDIA過去幾年最精明的一步商業布局。

8月11日，The Information報導稱，NVIDIA正在開發Nemotron 4開源AI模型，旗艦版本的參數規模目標至少達到1萬億，是6月發布的Nemotron 3 Ultra的兩倍。

與此同時，NVIDIA多年期雲服務承諾規模已經增加到280億美元，約為一年前的3倍。

一家賣GPU的公司，為什麼要投入大量資金開發免費的AI模型？

答案其實很簡單：

開源模型越普及，市場對AI算力的需求就越大，而最大的GPU供應商正是NVIDIA。

把AI從少數巨頭的工具，變成全球基礎設施

目前，閉源AI模型，比如OpenAI的GPT系列，核心能力主要掌握在少數幾家公司手裡。

一般企業想使用頂級模型，往往需要透過雲服務調用，算力需求高度集中在OpenAI、微軟、Google等大型平台。

但開源模型完全不同。企業、開發者甚至政府機構都可以下載模型，根據自己的需求進行調整，並部署到自己的伺服器或者雲環境中。而每一次獨立部署，背後都意味著新的算力需求。

而AI算力的核心，就是GPU。

NVIDIA生成式AI副總裁Kari Briski曾表示，NVIDIA投資Nemotron，是因為相信未來每個企業、每個國家都需要更容易獲得的前沿開源模型。

白話就是：

降低AI使用門檻，讓更多人進入AI時代，然後推動更多人購買算力。

這盤棋，NVIDIA有幾個關鍵目的

第一，把客戶範圍從幾個巨頭擴散到整個市場

過去幾年，NVIDIA AI晶片最大的客戶主要集中在微軟、OpenAI、Google、亞馬遜等少數巨頭。這些公司雖然大量採購GPU，但同時也在開發自己的AI晶片。

如果未來AI應用從少數模型公司擴散到大量企業，那麼算力需求也會從幾個超級客戶，擴散到無數企業、創業公司和機構。

對NVIDIA來說，這意味著更加龐大的客戶基礎。

第二，免費模型本身就是最好的GPU銷售工具

Nemotron是開源的，企業下載模型本身不需要支付費用。

但模型運行需要算力。

黃仁勳今年7月接受採訪時曾表示：

「免費AI對硬體是好事，免費AI對晶片是好事。」

這句話其實已經說明了NVIDIA的邏輯：

軟體可以免費，但運行軟體需要硬體。

模型越普及，GPU需求越大。

第三，借開源生態挑戰閉源模型公司

開源模型成本低、部署靈活，正在逐漸成為企業AI應用的重要選擇。這可能會改變目前OpenAI、Anthropic等閉源模型公司的市場地位。

NVIDIA一方面向這些公司出售GPU，另一方面通過開源生態擴大自己的影響力。

同時，NVIDIA還投資了Reflection AI、Thinking Machines Lab等AI公司。現在自己推出Nemotron，本質上是在AI軟體領域進一步擴大存在感。

因此NVIDIA推出了「Nemotron聯盟」，吸引Reflection、Cursor、Mistral等開發者和公司參與。

簡單來說：

競爭對手不好打，那就把它們拉進生態。

第四，也是最重要的一點：繼續強化CUDA護城河

許多人關注NVIDIA的硬體優勢，但真正長期決定競爭力的，其實是CUDA生態。GPU只是入口。大量開發者、企業和研究機構長期基於CUDA開發AI應用，形成了巨大的遷移成本。

所以NVIDIA的策略非常清晰：

模型可以開源，但生態必須掌握在自己手裡。

開源的是模型，強化的是CUDA。

NVIDIA正在進入一個更複雜的位置

不過，Nemotron也帶來了一個新的問題：

NVIDIA正在某種程度上和自己的客戶產生競爭。

OpenAI是NVIDIA最大的GPU客戶之一，NVIDIA甚至投資了OpenAI。但Nemotron定位本身，就是降低企業使用AI模型的成本，並挑戰部分閉源模型市場。

這意味著NVIDIA未來可能同時扮演兩個角色：

一方面，它是AI公司的供應商；另一方面，它也正在成為AI生態中的參與者。

這是一條需要謹慎平衡的路線。

280億美元雲服務投入，押注的是未來算力需求

截至今年4月，NVIDIA多年期雲服務承諾規模已經提升到280億美元，合約期限延續至2031年初。

其中部分算力將用於Nemotron等模型訓練。

從財務角度看，開源模型本身不會直接創造大量收入。

但如果它能夠推動更多企業部署AI，那麼背後的GPU需求可能遠遠超過模型本身的價值。

簡單來說：

免費模型是入口，GPU才是真正的收入來源。

NVIDIA並不一定需要Nemotron成為全球最強模型。

它真正想看到的是：

無論最終哪個模型勝出，都需要大量NVIDIA GPU運行。

再看昨天那筆5000億美元的算力融資計畫

8月10日，NVIDIA宣布聯合Apollo Global Management、Blackstone、貝萊德、Brookfield、Goldman Sachs和KKR等華爾街機構，建立一個新的算力融資平台。

目標是在長期內撬動超過5000億美元第三方資本。

簡單理解：

未來企業購買GPU，可能不一定需要一次性支付巨額資金，而可以透過融資、租賃方式獲得算力。

過去一家AI公司建設資料中心，可能需要投入幾十億美元甚至上百億美元。現在，金融機構可以先購買設備，再出租給客戶，客戶通過長期付款使用算力。

貝萊德CEO Larry Fink甚至表示，這類似於過去金融市場將房地產資產證券化的過程。

黃仁勳也表示，這是技術基礎設施首次被大規模轉化為可投資資產。

這套模式的核心，是重新定義GPU價值

過去GPU被認為是一種科技硬體。

但NVIDIA希望市場看到：

GPU實際上越來越像一種基礎設施資產。

因為未來AI時代，算力就像電力和互聯網一樣，是企業運行的重要資源。

因此：

• Nemotron開源模型負責創造更多AI需求。
• 5000億美元融資平台負責降低算力採購門檻。
• CUDA生態負責鎖定長期競爭優勢。

三條線結合起來，形成NVIDIA未來AI基礎設施戰略。

當然，市場也存在擔憂。

NVIDIA宣布融資平台後，股價當天收跌2.86%，5年期信用違約互換（CDS）一度升至77.215個基點，創兩週最大單日漲幅。

投資者主要擔心三個問題。

第一，是否存在「循環融資」的風險。

質疑者認為，NVIDIA幫助客戶融資，而客戶拿到資金後又購買NVIDIA GPU，這可能形成資金閉環。

第二，NVIDIA是否會和自己的客戶產生利益衝突。

它既向OpenAI等公司出售晶片，又通過開源模型進入軟體競爭。

第三，AI投資回報是否能夠匹配如此龐大的資本投入。

目前全球科技巨頭資本開支已經達到數千億美元規模，但AI應用收入仍處於早期階段。

如果未來AI需求增長低於預期，風險可能會在產業鏈和金融體系之間傳導。

美股投資網認為：

NVIDIA現在做的事情，本質上是在推動AI基礎設施進一步普及。

• Nemotron開源模型，是降低AI使用門檻。
• 5000億美元融資平台，是降低算力採購門檻。
• CUDA生態，則是確保未來AI應用仍然運行在NVIDIA體系之上。

短期來看，這些舉措可能引發市場對競爭和融資風險的擔憂。但長期來看，黃仁勳押注的是一個更大的趨勢：

AI最終可能像電力和互聯網一樣，成為全球企業和國家的基礎設施。

而在這場基礎設施競爭中，NVIDIA希望自己成為那個提供底層算力的人。

• 280億美元雲服務投入，是為了擴大生態。
• 5000億美元融資平台，是為了擴大市場。
• CUDA，則是NVIDIA真正的長期護城河。