英伟达为什么突然拥抱开源？我看懂黄仁勋的算盘！

黄仁勋一边死守CUDA生态，一边高喊开源万岁——这看起来似乎有些矛盾，但实际上，这可能是英伟达过去几年最精明的一步商业布局。

8月11日，The Information报道称，英伟达正在开发Nemotron 4开源AI模型，旗舰版本参数规模目标至少达到1万亿，是6月发布的Nemotron 3 Ultra的两倍。

与此同时，英伟达多年期云服务承诺规模已经增加到280亿美元，大约是一年前的3倍。

一个卖GPU的公司，为什么要投入大量资金开发免费的AI模型？

答案其实很简单：

开源模型越普及，市场对AI算力的需求就越大，而最大的GPU供应商正是英伟达。

把AI从少数巨头的工具，变成全球基础设施

目前，闭源AI模型，比如OpenAI的GPT系列，核心能力主要掌握在少数几家公司手里。

普通企业想使用顶级模型，往往需要通过云服务调用，算力需求高度集中在OpenAI、微软、谷歌等大型平台。

但开源模型完全不同。企业、开发者甚至政府机构都可以下载模型，根据自己的需求进行调整，并部署到自己的服务器或者云环境中。而每一次独立部署，背后都意味着新的算力需求。

而AI算力的核心，就是GPU。

英伟达生成式AI副总裁Kari Briski曾表示，英伟达投资Nemotron，是因为相信未来每个企业、每个国家都需要更容易获得的前沿开源模型。

大白话就是：

降低AI使用门槛，让更多人进入AI时代，然后推动更多人购买算力。

这盘棋，英伟达有几个关键目的

第一，把客户范围从几个巨头扩散到整个市场

过去几年，英伟达AI芯片最大的客户主要集中在微软、OpenAI、谷歌、亚马逊等少数巨头。这些公司虽然大量采购GPU，但同时也在开发自己的AI芯片。

如果未来AI应用从少数模型公司扩散到大量企业，那么算力需求也会从几个超级客户，扩散到无数企业、创业公司和机构。

对于英伟达来说，这意味着更加庞大的客户基础。

第二，免费模型本身就是最好的GPU销售工具

Nemotron是开源的，企业下载模型本身不需要支付费用。

但模型运行需要算力。

黄仁勋今年7月接受采访时曾表示：

“免费AI对硬件是好事，免费AI对芯片是好事。”

这句话其实已经说明了英伟达的逻辑：

软件可以免费，但运行软件需要硬件。

模型越普及，GPU需求越大。

第三，借开源生态挑战闭源模型公司

开源模型成本低、部署灵活，正在逐渐成为企业AI应用的重要选择。这可能会改变目前OpenAI、Anthropic等闭源模型公司的市场地位。

英伟达一方面向这些公司出售GPU，另一方面通过开源生态扩大自己的影响力。

同时，英伟达还投资了Reflection AI、Thinking Machines Lab等AI公司。现在自己推出Nemotron，本质上是在AI软件领域进一步扩大存在感。

因此英伟达推出了“Nemotron联盟”，吸引Reflection、Cursor、Mistral等开发者和公司参与。

简单来说：

竞争对手不好打，那就把它们拉进生态。

第四，也是最重要的一点：继续强化CUDA护城河

很多人关注英伟达的硬件优势，但真正长期决定竞争力的，其实是CUDA生态。GPU只是入口。大量开发者、企业和研究机构长期基于CUDA开发AI应用，形成了巨大的迁移成本。

所以英伟达的策略非常清晰：

模型可以开源，但生态必须掌握在自己手里。

开源的是模型，强化的是CUDA。

英伟达正在进入一个更复杂的位置

不过，Nemotron也带来了一个新的问题：

英伟达正在某种程度上和自己的客户产生竞争。

OpenAI是英伟达最大的GPU客户之一，英伟达甚至投资了OpenAI。但Nemotron定位本身，就是降低企业使用AI模型的成本，并挑战部分闭源模型市场。

这意味着英伟达未来可能同时扮演两个角色：

一方面，它是AI公司的供应商；另一方面，它也正在成为AI生态中的参与者。

这是一条需要谨慎平衡的路线。

280亿美元云服务投入，赌的是未来算力需求

截至今年4月，英伟达多年期云服务承诺规模已经提升到280亿美元，合同期限延续至2031年初。

其中部分算力将用于Nemotron等模型训练。

从财务角度看，开源模型本身不会直接创造大量收入。

但如果它能够推动更多企业部署AI，那么背后的GPU需求可能远远超过模型本身的价值。

简单来说：

免费模型是入口，GPU才是真正的收入来源。

英伟达并不一定需要Nemotron成为全球最强模型。

它真正想看到的是：

无论最终哪个模型胜出，都需要大量英伟达GPU运行。

再看昨天那笔5000亿美元的算力融资计划

8月10日，英伟达宣布联合阿波罗全球管理、黑石、贝莱德、博枫、高盛和KKR等华尔街机构，建立一个新的算力融资平台。

目标是在长期内撬动超过5000亿美元第三方资本。

简单理解：

未来企业购买GPU，可能不一定需要一次性支付巨额资金，而可以通过融资、租赁方式获得算力。

过去一家AI公司建设数据中心，可能需要投入几十亿美元甚至上百亿美元。现在，金融机构可以先购买设备，再出租给客户，客户通过长期付款使用算力。

贝莱德CEO拉里·芬克甚至表示，这类似于过去金融市场将房地产资产证券化的过程。

黄仁勋也表示，这是技术基础设施首次被大规模转化为可投资资产。

这套模式的核心，是重新定义GPU价值

过去GPU被认为是一种科技硬件。

但英伟达希望市场看到：

GPU实际上越来越像一种基础设施资产。

因为未来AI时代，算力就像电力和互联网一样，是企业运行的重要资源。

因此：

• Nemotron开源模型负责创造更多AI需求。
• 5000亿美元融资平台负责降低算力采购门槛。
• CUDA生态负责锁定长期竞争优势。

三条线结合起来，形成英伟达未来AI基础设施战略。

当然，市场也存在担忧。

英伟达宣布融资平台后，股价当天收跌2.86%，5年期信用违约互换（CDS）一度升至77.215个基点，创两周最大单日涨幅。

投资者主要担心三个问题。

第一，是否存在“循环融资”的风险。

质疑者认为，英伟达帮助客户融资，而客户拿到资金后又购买英伟达GPU，这可能形成资金闭环。

第二，英伟达是否会和自己的客户产生利益冲突。

它既向OpenAI等公司出售芯片，又通过开源模型进入软件竞争。

第三，AI投资回报是否能够匹配如此庞大的资本投入。

目前全球科技巨头资本开支已经达到数千亿美元规模，但AI应用收入仍处于早期阶段。

如果未来AI需求增长低于预期，风险可能会在产业链和金融体系之间传导。

美股投资网认为：

英伟达现在做的事情，本质上是在推动AI基础设施进一步普及。

• Nemotron开源模型，是降低AI使用门槛。
• 5000亿美元融资平台，是降低算力采购门槛。
• CUDA生态，则是确保未来AI应用仍然运行在英伟达体系之上。

短期来看，这些动作可能引发市场对竞争和融资风险的担忧。但长期来看，黄仁勋押注的是一个更大的趋势：

AI最终可能像电力和互联网一样，成为全球企业和国家的基础设施。

而在这场基础设施竞争中，英伟达希望自己成为那个提供底层算力的人。

• 280亿美元云服务投入，是为了扩大生态。
• 5000亿美元融资平台，是为了扩大市场。
• CUDA，则是英伟达真正的长期护城河。