黃仁勛砸千億兆瓦算力，押注下一個“Open AI”

作者 | 允毅

一個還沒拿出驚艷產品的初創公司，竟然接到了英偉達送來的 “潑天算力”？

這一次，英偉達把投資觸角伸向了這家還名不見經傳的“新 AI 實驗室”。

3 月 10 日，前 OpenAI 高管 Mira Murati 宣布，她創辦的Thinking Machines Lab，與 NVIDIA 達成一項長期戰略合作。

按照協議，英偉達將為 Thinking Machines Lab 提供至少1 吉瓦的下一代NVIDIA Vera Rubin 系統，用于前沿模型訓練和平臺建設，支持其大規模交付可定制的 AI 解決方案；而 Thinking Machines Lab 則將圍繞 NVIDIA 架構設計訓練和服務系統，并擴大企業、研究機構和科學界對前沿人工智能及開放模型的訪問。這套系統預計將于明年初正式部署。

簡單來說，英偉達提供的是下一代算力底座，而 Thinking Machines Lab 則在這套底座上打磨訓練體系、推理系統和模型能力。這不是一筆普通的算力采購，而是資本、芯片和技術路線的一次深度綁定。

更值得關注的，是這筆合作的規模。

1 吉瓦是什么概念？1 吉瓦等于 1000 兆瓦。

根據全球最權威的能源政策與數據機構之一 IEA 顯示，普通數據中心通常只有 5 到 10 兆瓦，大型 hyperscale 數據中心通常在 100 兆瓦以上。而 Thinking Machines Lab 這次拿到的是接近 10 個 100 兆瓦級大型數據中心的總量級。

有業內人士測算，這個規模足以覆蓋約75 萬個美國家庭的用電規模，而整體投入成本甚至可能高達500 億美元。

放在今天的 AI 競賽里，這已經不是普通創業公司的配置。真正接近這一門檻的，往往只有最頂級的 AI 實驗室。

2025 年 9 月，OpenAI 與英偉達公布的戰略合作，共同部署10 吉瓦AI 基礎設施，以支撐下一代 AGI 的開發，這是史上空前的算力投資規模，而 Thinking Machines Lab 拿下的量級，已是它的十分之一。橫向來看，馬斯克在 2025 年末為 xAI 買下第三棟大樓，目標將訓練能力推至近2 吉瓦；Meta 在得州推進的新數據中心，拓展目標也在1 吉瓦級。

可以說，在算力儲備上，這家創業公司已經和巨頭站在同一量級。

據美國媒體 Axios 推測，如此龐大的算力，不可能只用來做小模型、垂直應用或輕量化工具。它更對應持續的基礎模型訓練、多模態系統開發、推理平臺搭建，以及面向企業和科研機構的大規模服務能力。

而在 Mira Murati 的推特上，也能找到一些“蛛絲馬跡”，她點出一個關鍵詞“協作式人工智能”。

所謂“協作式 AI”，就是強調與人共同完成任務、能按個人或機構需求靈活適配的多模態系統。

作為 Open AI 人才流向中最顯眼、最集中的新去處之一，Thinking Machines Lab 從誕生起就自帶光環。

這家公司成立于 2025 年 2 月，據路透社報道，剛亮相時團隊約 30 人，其中至少 20 人來自 OpenAI。成立僅 5 個月，它就拿下20 億美元種子輪融資，成為硅谷史上最大種子輪之一，投資方名單包括 a16z、英偉達、AMD、思科等巨頭。黃仁勛更是直接稱其為 “世界一流的團隊”。

此次與英偉達的合作，已是英偉達在種子輪之后，再度加碼投資 + 綁定算力。這無疑釋放了幾個信號：

• Thinking Machines Lab 正在升級，從一家 “明星創業公司”，走向“前沿模型基礎設施玩家”。它瞄準的，不只是應用層的細分賽道，而是下一代前沿模型的核心競爭。

• 而英偉達不只想賣鏟子，還想參與建礦了，它希望更深地嵌入下一代 AI 公司的資本結構、算力供給和技術路線圖之中。

英偉達的全面布局

如果只把這筆合作理解為英偉達對一家明星創業公司的特殊扶持，可能還是低估了它的意義。

從押注 Thinking Machines Lab，到回看英偉達的整體布局，就能清晰看出這家芯片巨頭為鞏固斷崖式領先所布下的全局棋局。

面對已成型的 AI 巨頭，英偉達先是與 OpenAI 達成 10 吉瓦算力合作，共建 AI 工廠，并持續巨額投入；隨后又通過微軟、英偉達、Anthropic 三方綁定，為 Anthropic 提供下一代硬件、1GW 算力與最高 100 億美元投資，雙方還聯合定制模型與芯片架構，實現技術深度鎖死。

面對 AI 新勢力，英偉達同樣全面下注：向 AI 搜索公司 Perplexity 投資 5 億美元，參投 AI 視頻工具 Runway、人形機器人 Figure AI、自動駕駛公司 Wayve 等一眾明星項目，幾乎覆蓋下一代熱門賽道。

可以說，英偉達布局邏輯很直白，提前鎖定未來大客戶，而不是等它們長大再搶單。

Thinking Machines Lab 正是英偉達看中的 “超級潛力買家”，它押注的不是某個產品，而是下一個 OpenAI 級別的平臺型公司。哪怕這家新實驗室目前只有訓練 API、研究方向與明星團隊，英偉達看重的是其未來長成平臺的潛力。越早進入這些公司的資本結構與技術路線，就能越早分享整個生態成長的紅利，而不只是單一的芯片收入。

而且，英偉達的 “綁定” 早已不是簡單提供算力，而是將客戶鎖進從芯片、網絡、系統軟件到數據中心的整套 AI Factory 全棧方案。

對英偉達而言，押注 AI 新實驗室的意義，不只是提前賣出下一代 GPU，更在于趁這些公司仍處于底層系統搭建階段，就把自己的架構寫進其訓練、推理和運維體系。等到模型、集群和服務真正跑起來，客戶依賴的將不再只是某一代芯片，而是整套基礎設施邏輯，遷移成本也會隨之大幅抬升。

黃仁勛在 2026 年 GTC 上曾用一個頗具代表性的框架來解釋這種變化。他把 AI 產業概括為一個自下而上的“五層架構”：能源、芯片、基礎設施、模型和應用。

過去外界更習慣把 AI 競爭理解為模型之爭，但在黃仁勛的敘述里，最底層的能源，才是 AI 基礎設施的第一性原理。沒有足夠的電力、冷卻、園區和并網能力，就談不上后面的芯片集群，更談不上模型訓練和應用落地。

而在最新的長篇博客中，這一判斷被進一步推到了產業底層邏輯的高度。黃仁勛的核心意思是：今天的 AI 仍處在極早期階段。過去幾年行業確實已經砸下了數千億美元，但這些投入更像是在鋪設地基，距離 AI 潛力被真正釋放，仍有很長的路要走。

他甚至預測，到本世紀末，全球 AI 基礎設施支出將達到 3 萬億～4 萬億美元。

順著這套邏輯看，英偉達現在想推進的，已經不只是“芯片公司”的角色，而是更接近AI 工廠總包商。

它一邊與 OpenAI、Anthropic、Thinking Machines 這樣的模型公司深度綁定，一邊與 Meta 等科技巨頭推進多年期基礎設施合作，也與 Lilly 這樣的制藥企業、以及政府和科研機構推動行業級、國家級 AI 基建。

這里最深的一層爭奪，其實不是某一筆訂單，而是 標準制定權：未來訓練大模型、跑推理、做物理 AI、建設 GW 級園區，默認應該采用什么架構、什么網絡、什么供電和冷卻方式、什么系統軟件棧。誰定義了這套默認方案，誰就不再只是供應商，而是在定義下一代 AI 工廠的入口與標準。

Thinking Machines Lab 的野心與動蕩

再看 Thinking Machines Lab，這家公司從一開始切入的，其實就是模型后訓練和微調基礎設施這層“臟活累活”。

具體來說，它給研究者、開發者留足了自主權，可以自己掌控訓練用的數據、算法和訓練邏輯，訓練出來的模型權重，也可以保存、恢復、下載，甚至發布出去。

而這家公司的核心作用，就是提供一套現成的訓練工具，幫大家解決訓練過程中最頭疼的問題，比如分布式訓練、任務調度、資源分配和故障恢復，讓開發者不用再費心搞這些“底層基建”，能專心做模型本身。

表面看，它是在幫別人微調模型；往深了看，它真正搭建的是一套面向未來的底座。無論是更大規模模型訓練、更復雜的實驗流程，還是更高強度的推理需求，最終都要落到這套系統能力上。

而搭建這樣的 AI 基礎平臺，當然離不開超大算力的支撐，這也是它與英偉達展開合作的重要原因。

但或許又有人問了，它從英偉達拿到的 1 吉瓦算力，搞這么大場面，只是為了做這些么？

確實不止如此，我們可以進一步揣測一下 Thinking Machines Lab 的野心。

從公司官網可以看出，這家公司反復強調兩件事：

第一，多模態是核心。只有讓模型真正具備理解圖像、文本乃至真實世界的能力，AI 才可能走向大規模落地。

第二，研究和產品不能分開，研究能否高效推進，最終取決于底層基礎設施是否穩定、順手、可擴展。

如此大規模的算力投入，顯然不是為了訓練一版模型后就停機，而是為了同時支撐多個層面的任務：前沿基礎模型預訓練、多模態與大規模 MoE 模型的持續實驗、模型后訓練與優化、企業客戶服務，以及面向科研機構的開放訪問。

這也意味著，Thinking Machines Lab 的野心從來不只是做出一個模型，而是想把自己的模型能力、訓練能力和服務能力，鋪成一張可擴展的分發網絡。

如果說過去 AI 競爭比拼的是“誰擁有更好的模型”，那么今天比拼的已經是“誰能同時攥住資本、芯片、供電、園區和系統架構協同”。對于創業公司而言，能和英偉達這樣的巨頭深度綁定，意味著能獲得最稀缺的確定性算力與交付效率。

Thinking Machines Lab 高調亮出 1 吉瓦算力，本質上是在向外界宣告：它不滿足于做牌桌旁的旁觀者，而是要真正坐上牌桌，與 OpenAI、Anthropic 等巨頭正面競爭。

不過，野心越大，組織壓力也越大。Thinking Machines Lab 成立僅一年左右，團隊就從最初約 30 人擴張到約 120 人。

與此同時，其核心聯合創始人集體 “叛逃。2025 年 10 月，聯合創始人 Andrew Tulloch 離開公司加入 Meta；2026 年 1 月，兩位聯合創始人 Barret Zoph 和 Luke Metz 與研究人員 Sam Schoenholz 紛紛回到 OpenAI。

對一家仍處快速擴張期的公司來說，這未必意味著戰略失速，但足以說明，它的“全棧野心”正在經受組織動蕩的考驗。

https://thinkingmachines.ai/news/nvidia-partnership/

https://job-boards.greenhouse.io/thinkingmachines

聲明：本文為 AI 前線整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

2026，AI 正在以更工程化的方式深度融入軟件生產，Agentic AI 的探索也將從局部試點邁向體系化工程建設！

QCon 北京 2026 已正式啟動，本屆大會以“Agentic AI 時代的軟件工程重塑”為核心主線，推動技術探索從「AI For What」真正落地到可持續的「Value From AI」。從前沿技術雷達、架構設計與數據底座、效能與成本、產品與交互、可信落地、研發組織進化六大維度，系統性展開深度探索。開往 2026 的 Agentic AI 專列即將啟程！匯聚頂尖專家實戰分享，把 AI 能力一次夯到位！

今日薦文

你也「在看」嗎？