Nvidia 对 Thinking Machines 的 25 亿美元押注，加剧 Hugging Face 与 OpenAI 的竞争

据报道，Nvidia 正在洽谈向 Mira Murati 创办的 Thinking Machines Lab 投资约 25 亿美元，可能覆盖新一轮融资约一半的金额。这场谈判将 Hugging Face 与 OpenAI 的竞争，置于一场规模更大的角力之中：谁来为先进 AI 模型提供融资、训练、分发和定制服务。

这笔交易仍在谈判中。Thinking Machines 和 Nvidia 尚未公开确认金额或最终条款。不过，拟议中的投资是在双方现有合作关系，以及 Nvidia 同意收购 Hugging Face 之后出现的。

这一连串事件才是故事的核心。Nvidia 对 AI 开发的影响已不再仅限于实验室采购的芯片；它正围绕决定哪些模型会被广泛使用的开发者，布局资本、算力和分发基础设施。

尽管 OpenAI 仍是 Nvidia 最大的客户和基础设施合作伙伴之一，但这一策略仍令其面临压力。Thinking Machines 由 OpenAI 前首席技术官领导，并聘有多名曾任职于顶尖 AI 实验室的研究人员。

因此，这场正在形成的竞争并非简单的 Nvidia 对 OpenAI 的对抗，而是集中式模型访问与一个获得越来越多资金支持、可定制的开放权重替代方案市场之间的较量。

这笔传闻中的交易不只是又一轮 AI 融资

拟议中的融资将使 Thinking Machines 与为其提供计算基础设施的公司建立更紧密的联系。

根据最初的融资报道，Thinking Machines 正在讨论一轮 50 亿至 60 亿美元的融资。据报道，其投前估值至少为 400 亿美元。

据报道，拥有董事会席位的现有投资者 Andreessen Horowitz 曾向潜在投资者表示，预计 Nvidia 将提供约一半资金。若按本轮融资的较低规模完成，Nvidia 的出资将接近 25 亿美元。

另一种说法称，Accel 是潜在领投方，并聚焦于至少 10 亿美元的新资金。这些数字不一定相互矛盾，因为融资讨论往往涉及不断变化的承诺、多次交割，以及对目标融资轮不同的定义。

它们确实揭示了一个重要的待验证缺口。目前没有任何已宣布的协议能保证 Thinking Machines 将筹得 50 亿美元、Nvidia 将投资 25 亿美元，或投资者将接受拟议估值。

这一规模仍值得关注。Thinking Machines 此前完成了一轮由 Andreessen Horowitz 领投的 20 亿美元种子轮融资。Nvidia 也参与其中，其他投资者包括 Accel、AMD、Cisco、ServiceNow 和 Jane Street。

根据当时的报道，早期融资后该公司的估值为 120 亿美元。若新资金注入前估值达到至少 400 亿美元，将意味着其在一年多一点的时间内实现快速增长。

Thinking Machines 目前已拥有商业产品、公开研究成果和一款开放权重模型。这些进展让新一轮融资叙事比公司最初的募资故事更具实质性，后者很大程度依赖 Murati 的履历和团队。

该公司于 2025 年 10 月推出 Tinker。Tinker 是一项用于微调模型的托管应用程序编程接口，意味着客户无需运行底层分布式训练系统，便可调整现有模型。

随后，Thinking Machines 发布了其首个开放权重模型 Inkling。开放权重让开发者能够访问模型学习到的参数，但这种访问并不必然涵盖其完整训练数据或源代码。

这些产品使这笔传闻中的 Nvidia AI 投资不只是对一位知名创始人的押注。它们让 Nvidia 与一家正在为企业和研究人员开辟实用途径的公司并肩而立，使其能够定制封闭模型服务之外的替代方案。

这一路径同样消耗大量算力。Tinker 可在共享基础设施上处理调度、资源分配和故障恢复。客户看到的是软件接口，而 Thinking Machines 则管理其下方昂贵的硬件层。

Nvidia 可以在两个层面受益。若 Thinking Machines 发展壮大，它可获得股权收益；同时也能支持一位持续为 Nvidia 系统创造需求的客户。

这种关系使一项融资公告成为一场具有结构性意义的行业事件。投资者同时也是关键供应商、基础设施合作伙伴，以及一家主要模型分发平台的潜在所有者。

Nvidia 正在构建资本与算力飞轮

Nvidia 的投资帮助 AI 实验室购买更多由 Nvidia 销售的基础设施。

这种动态有时被称为循环融资。该术语指的是供应商向客户提供融资，而客户随后又向同一供应商投入大笔支出的安排。

循环性并不必然意味着交易缺乏合理性。初创企业可以获得真实资本、取得富有生产力的基础设施，并形成独立的客户需求。Nvidia 同样可以在硬件和股权两方面获得合理回报。

不过，这种结构会使传统信号变得复杂。由供应商支持的客户所创造的收入，未必与完全由无关联资本支持的需求传递相同的信息。

Nvidia 在 2026 年 8 月的财报电话会议上直接回应了这一批评。该公司表示，已向前沿 AI 实验室投资近 500 亿美元，并预计这些合作关系将在其平台上创造业务。

其财报电话会议记录将算力描述为快速增长的 AI 公司面临的制约因素。Nvidia 认为，在这些客户的信用状况成熟之前，其资产负债表可以帮助它们获得基础设施。

该公司也承认，观察人士会将这一策略的部分内容称为循环融资。其回应是，Nvidia 的计算系统依然具有实用价值；若某一家客户未能消耗相应算力，这些系统可以被重新分配。

这一辩护有其依据。通用加速器可以服务于不同模型和客户，特别是在基础设施运营商将集群设计为可重新分配的情况下。然而，转移算力并不能消除建设、融资、能源或时机风险。

Thinking Machines 已作出深度的基础设施承诺。2026 年 3 月，两家公司宣布了一项多年协议，将部署至少一吉瓦的下一代 Vera Rubin 系统。

部署目标是在 2027 年初启动。该协议涵盖前沿模型训练，以及让客户定制 AI 系统的服务。

官方的算力合作公告还披露，Nvidia 已对 Thinking Machines 作出一笔重大投资。两家公司均未公布具体金额。

因此，新的 25 亿美元承诺将延续既有关系。它并不代表 Nvidia 首次接触 Murati 的公司，也不是其首次尝试将该实验室锁定为长期基础设施客户。

Nvidia 的逻辑很直接。前沿实验室在产品产生相当规模现金流之前，就需要庞大的算力预算。股权融资有助于弥合这一缺口，并鼓励雄心勃勃的部署。

实验室获得资本和稀缺系统；Nvidia 则获得硬件需求、软件采用、战略影响力，以及其持股潜在的增值空间。

同一模式还可强化 CUDA——Nvidia 用于编程其图形处理器的软件环境。研究人员围绕现有系统构建工作流程，开发者则通过 API 和模型工具继承这些选择。

一旦实验室的训练、微调和推理服务系统都面向 Nvidia 架构，切换就会成为重大工程决策。竞争性加速器必须提供的不只是更低成本，因为迁移可能影响代码、性能、支持和部署进度。

Thinking Machines 表示，Tinker 可为客户屏蔽这一复杂性中的大部分。微调平台在赋予用户对算法和数据控制权的同时，管理分布式训练。

这种便利性会间接强化 Nvidia。开发者可以在无需管理集群的情况下使用开放权重模型，但托管层仍可将其工作负载导向 Nvidia 基础设施。

因此，这一融资飞轮的范围已超越芯片销售。Nvidia 向实验室提供资本，实验室在 Nvidia 系统上构建服务，而开发者采用这些服务时并未作出明确的硬件选择。

Hugging Face 与 OpenAI 的竞争如今有了基础设施所有者

Nvidia 收购 Hugging Face，使其得以影响开放模型社区大量发布和发现成果的场所。

Nvidia 于 9 月 3 日同意以 12,930,300,000 美元收购 Hugging Face。这笔交易将一个关键模型库纳入 Nvidia 的硬件、软件、云合作伙伴关系和 AI 实验室投资体系。

Hugging Face 表示，其平台服务超过 1,800 万名开发者、研究人员和创作者。用户已在该平台分享超过 300 万个模型、50 万个数据集和 100 万个应用程序。

据 Nvidia 称，超过 20 万家公司使用该服务发现、评估、定制或部署 AI。这些数据来自交易相关公司，尚未在收购公告中得到独立审计。

Nvidia 承诺，Hugging Face 将继续向不同模型、框架、云服务、推理服务商和计算平台开放。其收购声明特别指出，不会要求使用 Nvidia 硬件。

这一承诺很重要，因为 Hugging Face 对许多竞争社区而言都是中立基础设施。其价值部分取决于开发者是否相信，它会支持为 Nvidia、AMD、Google 及其他系统构建的模型。

即使产品政策保持不变，所有权变更仍会改变信任判断。开发者必须考虑，搜索、评估、托管推理和集成功能是否会继续平等对待竞争性硬件和模型。

Thinking Machines 正处于这一张力的核心。其开放权重模型 Inkling 通过 Hugging Face 分发，而 Tinker 服务则提供托管定制能力。

因此，Nvidia 可能参与同一工作流程的多个环节。开发者可能在 Hugging Face 发现开放模型，通过 Tinker 对其定制，并在 Nvidia 系统上运行相关工作负载。

OpenAI 采取不同的主要模式。其客户通常通过 ChatGPT、API 或企业集成访问专有模型。用户可以定制行为，但不会获得主要前沿模型的权重。

这使得 hugging-face openai 之争成为分发结构之间的冲突，而不只是基准测试分数的较量。一条路径通过受控服务提供集中运营的模型。另一条则为开发者提供庞大的权重和工具目录，以便进行修改。

Thinking Machines 押注于企业希望对根据自身数据和任务调整的模型拥有更大控制权。Tinker 在无需每个组织自行搭建训练集群的前提下满足了这一需求。

该公司的早期案例涵盖数学推理、化学、AI 控制研究和多智能体训练。这些应用比通用聊天机器人的部署更为细分，但也显示出定制化可能发挥作用的领域。

一家制药研究团队可能需要针对专业化学任务调整的模型。一家软件公司可能希望模型根据其内部评估标准进行训练。一家研究实验室则可能需要掌控强化学习方法。

封闭服务可以通过 API 和微调功能支持其中一些用例。开放权重系统则提供不同的控制、可移植性和检查选项，但也将更多安全和运营责任转移给用户。

Nvidia 并不需要让其中一条路径消灭另一条。它一边向 OpenAI 等封闭实验室销售基础设施，一边在开放权重市场建立更深的布局。

这种跨商业模式的中立立场在商业上颇具吸引力。更难的问题是，在收购 Hugging Face 后，Nvidia 能否维持可信的技术中立性。

Thinking Machines 向 OpenAI 施压，但并非其直接替代者

Murati 的公司通过为寻求可适应模型的人才、资本和客户提供另一处选择，向 OpenAI 发起挑战。

Thinking Machines 目前在产品覆盖范围、营收基础或消费者分发能力上均无法与 OpenAI 匹敌。将其视为直接替代者，会夸大现有证据所能说明的情况。

它带来的挑战更为聚焦，但具有重要战略意义。该公司招募理解前沿系统的研究人员，吸引规模异常庞大的融资轮次，并向技术用户销售模型定制平台。

Murati 为公司增添了额外可信度。她曾任 OpenAI 首席技术官，并在该公司 2023 年领导层危机期间短暂担任临时首席执行官。

数名 Thinking Machines 员工也来自 OpenAI 或其他大型实验室。这种经验的集中帮助这家初创公司在尚未发布产品前便完成首轮融资。

人才优势并非永久。Thinking Machines 曾经历备受关注的离职事件，其中包括回归 OpenAI 的研究人员。这些流动表明，追求相近目标的实验室之间，专业能力可以多么容易地流转。

OpenAI 也仍与 Nvidia 紧密相连。Nvidia 在 8 月的财报讨论中提到，现有及计划中的 OpenAI 承诺约相当于 12 吉瓦的 Nvidia 计算能力。

这使 OpenAI 既是关键客户，也是战略层面的交易对手。Nvidia 几乎没有理由削弱一个以如此规模运营的买方。

相反，Nvidia 会从维持多家可信实验室的竞争中受益。竞争会促使各方训练更大的系统、扩展推理能力，并在竞争对手之前 확보基础设施。

Thinking Machines 为这场支出竞赛增加了又一参与者。其承诺的吉瓦级部署表明，其雄心远超一家传统软件初创公司。

不过，该公司的产品战略避免了正面参与基准测试竞赛。Inkling 和 Tinker 强调定制化，而非宣称在所有方面都优于 OpenAI、Anthropic 或 Google。

这一区别对企业买家很重要。得分最高的通用模型，并不必然是涉及私有数据、领域特定判断或严格运营控制的专业工作流的最佳选择。

当训练数据和评估反映实际工作时，定制模型可以在狭义定义的任务上胜过更大的通用模型。不过，这一结果需要审慎衡量，而不能泛泛声称模型智能更强。

Thinking Machines 必须证明，足够多的客户重视这种控制能力，从而支撑其基础设施承诺和据称的估值。如今承担这一责任的是产品采用情况，而不是创始人的声望。

据另一篇报道援引的一位人士称，该公司年化营收已超过 1 亿美元。这一数字尚未在经审计的财务报表中披露。

即便这一数字准确，400 亿美元估值也意味着其为当前年化营收的数百倍。投资者买单的是预期增长，而非已确立的财务表现。

这种预期从两方面向 OpenAI 施压。它加剧了对研究人员的竞争，也为企业客户提供了另一条资金充足的路径，以获得可适应模型。

它同样对开放模型开发者构成压力。资金雄厚的 Thinking Machines 可以提供较小供应商难以匹敌的托管基础设施，可能使表面上开放的市场集中于少数资本充裕的平台周围。

开放模型的承诺伴随着集中化风险

开放权重可以扩大开发者控制权，而周边基础设施却可能变得更加集中。

这是这笔据报道交易的核心权衡。模型权重可以下载、调整和再分发，但训练和提供服务仍需要芯片、能源、软件、代码库和资本。

Nvidia 如今在这些层面都占据核心位置。它主导加速器市场，维护 CUDA 软件平台，投资模型实验室，并计划拥有 Hugging Face。

对 Thinking Machines 的重大持股将再增加一层布局。Nvidia 将支持一家把开放权重定制转化为托管商业服务的公司。

这些关系都不能证明 Nvidia 会限制竞争对手。其公开的 Hugging Face 承诺明确支持多种加速器和云服务。

不过，相关激励值得审视。Nvidia 在经济上有动力让开放模型更易部署，只要这些部署会增加对 Nvidia 算力的需求。

它也有兴趣了解开发者的去向。一个分发平台可以揭示哪些架构、模型系列、数据集和应用正在吸引关注。

治理保护措施可以限制此类信息的使用方式。清晰的产品隔离、透明的排序政策、导出工具以及对竞争性加速器的支持，都有助于维持信心。

开发者应通过可观察的行为判断这些实践。收购宣布时作出的承诺固然有用，但平台能否保持中立，取决于落实情况。

Thinking Machines 也带来了自身的不确定性。据报道的融资条款尚未得到确认，且其据称估值与已披露业务表现之间的差距似乎相当大。

该公司还依赖成本高昂的基础设施扩张。吉瓦级部署需要系统、设施、电力、网络，以及付费客户持续的需求。

技术成功并不保证高效利用。当项目延期、客户推迟工作，或软件无法有效调度任务时，训练集群的利用率可能低于容量。

Tinker 的共享计算设计解决了其中一部分问题。该服务采用低秩适应，一种只调整较小一部分模型参数、而非重新训练每个权重的方法。

这种方法可以降低定制化所需的计算资源。它也可以让多个训练任务更高效地共享基础设施。

不过，效率也为 Nvidia 带来另一种张力。如果微调变得更便宜，每项单独任务所需的硬件就更少。Nvidia 必须依赖更低门槛带来大幅增加的总使用量。

这一策略类似于其他计算市场：效率提升会让新应用在经济上可行，从而扩大需求。这种结果有其合理性，但仍是一项预测，而非已验证的结论。

安全性又增添了一层复杂因素。开放权重发布让独立研究人员能够检查和改进模型，但也可能降低开发者撤回危险系统的能力。

Thinking Machines 曾主张对开放发布采取分阶段评估和安全措施。该公司的方法应根据实际模型能力、文档和事件处理情况接受评估。

对企业用户而言，实际问题不是开放或封闭模型是否普遍更好，而是哪条路径能为特定工作负载提供所需的控制、可靠性、问责和切换选择。

比较这些选择的团队还需要在任何单一模型提供商之外保留自身的上下文。一个维护良好的 AI 知识库 可以让模型测试更具一致性，因为源材料仍由团队掌控。

如果模型访问权集中到少数垂直整合公司手中，这种运营独立性将变得更加重要。

三个信号将检验 Nvidia 的 Thinking Machines 策略

接下来的证据必须来自已签署的条款、可衡量的采用情况以及可信的平台中立性。

第一个信号是完成融资的公告。读者应关注最终金额、Nvidia 的出资额、估值依据、董事会权利，以及附随该投资的任何商业承诺。

若融资接近据报道的 50 亿至 60 亿美元区间，将强化 Nvidia 正在构建广泛资本与算力网络的观点。若最终规模小得多，则会削弱这一解读。

条款与规模同样重要。普通少数股权投资，与优先访问权、采购义务、排他性基础设施条款或对战略决策的影响，所代表的含义不同。

第二个信号是 Tinker 和 Inkling 的使用情况。Thinking Machines 需要证明，开发者和企业会反复付费来定制和运行模型，而非仅仅测试获得补贴的基础设施。

有用的指标包括客户留存率、持续性算力消耗、生产部署，以及针对专业任务的独立评估。营收主张最终应由持续一致的信息披露来支持。

成功的采用将验证该实验室对定制化的聚焦。留存疲弱则表明，企业更偏好封闭 API、自主管理的开放模型，或竞争性的托管平台。

第三个信号是收购后的 Hugging Face 中立性。开发者应关注模型发现、集成、文档和托管服务，是否仍在可比条件下持续支持非 Nvidia 系统。

代码库的可移植性将提供另一项检验。用户应仍可导出模型和数据集，而不会面临旨在将工作负载留在 Nvidia 环境中的技术或合同障碍。

可见的多加速器支持将强化 Nvidia 关于其正在扩展开放生态系统的说法。若存在引导用户转向其自有硬件的优待，则会削弱这一主张。

这些信号也将进一步阐明 hugging-face openai 之争。OpenAI 不需要发布其领先模型的权重来取得战略成功，但必须留住日益重视可移植性和定制化的客户。

Thinking Machines 面临相反的挑战。它必须将开发者控制权转化为足以支撑庞大基础设施成本的业务。

无论哪种访问模式最终胜出，Nvidia 都有望从中受益。它以惊人的规模向 OpenAI 供货，同时为开放权重替代方案提供资金，并收购了后者最重要的分发枢纽。

正因如此，报道称的 25 亿美元投资并非寻常的创投新闻。这代表 Nvidia 又迈出一步，试图为现代 AI 周边的需求、基础设施和开发者渠道提供资金支持。

决定性的问题在于：这一网络是否扩大了有意义的选择，还是仅仅转移了控制权。请关注已签署的融资条款、真实客户使用情况，以及 Hugging Face 对竞争系统的态度。这三项检验将揭示，Nvidia 是在支持一个开放市场，还是在悄然成为其守门人。