节目的开场是一个反问。过去几年，最希望 OpenAI、Anthropic 拼命烧钱的人是谁？是卖 GPU 的黄仁勋。谁赢他都赚钱，理论上他没有任何理由亲自下场。可现在，他先是砸下 60 亿美元拿下 Poolside 的 Model Factory 技术，把 109 名核心工程师打包请进英伟达，再追加 10 亿美元投资，摆明了要把手上那个一直默默无闻的模型家族 Nemotron，推成英伟达的下一张主牌。

更反常的是路线：别人恨不得把最强能力锁进 API 一层层收费，老黄却在把模型做得越来越开放、越来越便宜。节目要回答的就是这三个问题——这 70 亿美元到底在买什么？Nemotron 为什么突然从配角坐上主桌？英伟达真正想从这场开源大战里拿走的，到底是谁的钱？

六周与二十亿

一、六周与二十亿

先看 Poolside 是谁。节目介绍，这家公司 2023 年才成立，两位创始人一位是长期做软件开发的 Eiso Kant，另一位更直接——Jason Warner，之前就是 GitHub 的 CTO。两人盯的方向很明确：AI 写代码。他们后来做出的 Laguna 系列模型，在开放模型圈子里已经有了一定名气。

然后节目讲了一个转折。按 Poolside 后来披露给股东的信息，去年年底他们碰到过一次可能改变公司命运的机会：一个由 4 万张 GB300 组成的超级算力集群准备上线，他们只有大约六周时间，必须筹到 20 亿美元把这批算力吃下来。一家成立没几年的创业公司，六周、二十亿，钱没凑齐，集群丢了。

节目认为这件事对 Poolside 的刺激极大，因为管理层由此意识到：照这种烧法下去，就算模型还能进步，公司的计算资源最快明年就可能见底。对一家前沿模型公司来说，算力断掉不是少赚一点，是研发直接停下来。节目把这叫作「AI 时代最讽刺的一幕」——一群全世界最聪明的工程师，手里可能真有下一代模型的技术，最后卡住他们的不是算法，是钱和 GPU。

站在 Poolside 的角度，黄仁勋几乎是最完美的买家。但节目强调，老黄最后没有把整家公司吞掉，他的做法在节目看来「更狠」：60 亿美元买 Model Factory 授权，109 名核心员工直接邀请进英伟达，再按 120 亿美元投前估值追加 10 亿美元投资。公司还在，创始人还在，英伟达最想要的技术和人却已经拿到手。节目把这称作一次「软收购」。

造模型的流水线

二、六十亿买的不是模型，是造模型的流水线

节目认为这笔钱里真正值得注意的，是那个听起来最抽象的东西：Model Factory。60 亿美元主要买的就是它。

Olivia 的解释是：把 Model Factory 理解成一整套专门用来批量生产大模型的工业化系统。过去训练一个前沿模型，数据怎么筛、架构怎么改、参数怎么调、几万张 GPU 怎么分配、训练跑崩了怎么恢复、不同版本谁好谁坏怎么评测、后面的强化学习怎么接——背后是不同团队一层层往下衔接，一个地方堵住，整个实验就得等。Model Factory 做的，是把数据处理、训练调度、GPU 资源管理、模型评测、强化学习和下一轮迭代全部串在一起，让不同的数据配方、模型架构、训练方法可以同时不断试，好的留下，不好的快速淘汰。

它不是把某一次训练跑快一点，而是把过去高度依赖研究员手工试错的大模型研发，慢慢变成一条可以持续运转的生产线。所以在节目看来，老黄真正看上的可能根本不是 Poolside 今天已经做出来的 Laguna。

这就很不一样了。也正因为如此，那 109 个人有了一个非常明确的去处：Nemotron。

从配角到主桌

三、Nemotron 从配角到主桌

英伟达不是今天才开始做模型，Nemotron 已经做了很久。但节目说，过去你很难把它跟 GPT、Claude、Gemini 真正摆在一张桌子上讨论，因为英伟达做模型更多是在证明一件事：你看我的 GPU、CUDA、NeMo 这整套东西有多好用。节目用了一个比喻——有点像卖烤箱的人顺手烤几个面包给你看，大家真正关心的还是烤箱。

可今年味道变了。Nemotron 3 一路更新，8 月又推出了 Nemotron 3.5 Lightning；而节目认为真正值得盯的是还在开发中的 Nemotron 4——按外部报道，这个版本的训练规模可能直接冲到万亿参数级别。Olivia 特意说清楚一点：参数大不代表模型一定强，真正值得看的不是「一万亿」这个数字有多吓人，而是英伟达往这个项目里放进去的资源，明显已经不是以前一个展示性质的团队可以比的。

节目摆出的三样东西：今年 3 月，黄仁勋牵头搞了 Nemotron 联盟，把 Mistral、Perplexity、Thinking Machines、Cursor 这些公司拉进来共享模型、数据和开发资源；现在 Poolside 的 Model Factory 进来了；一百多名真正做过前沿模型的人也进来了。再加上英伟达自己最不缺的 GPU 和算力，回头再看 Nemotron，它已经不是「英伟达顺手也做个模型」这么简单。节目的判断是：老黄是真想把造前沿模型这件事，也变成英伟达自己的基础能力。

军火商拿起了枪

四、卖军火的人为什么拿起了枪

问题马上来了：Nemotron 越强，谁越难受？OpenAI、Anthropic、Meta，以及一大票本来就在买英伟达 GPU 的模型公司。节目先复述了英伟达过去最舒服的商业模式：别人打仗，它卖军火。OpenAI 赢，买 GPU；Anthropic 赢，还是买 GPU；Meta 开源，照样得买 GPU。最好是十家公司为了争第一天天烧钱扩集群、拼训练规模，打得越凶，老黄卖得越多。理论上他根本没必要加入这场战争，可现在，卖军火的人偏偏自己拿着枪走上来了。

节目给出的第一个解释是防守。那些给英伟达贡献了天量收入的大客户，从来没准备永远老老实实买 GPU：Google 早就在推 TPU，亚马逊一直在做 Trainium，微软有 Maia，Meta、OpenAI 也都在探索自己的定制芯片和更深度的硬件合作。原因很好理解——谁都不愿意自己的 AI 帝国永远建立在另一家公司的芯片上，尤其当 GPU 已经贵到资本开支动辄几百、上千亿美元的时候，只要有机会把一部分训练和推理迁到自己的 ASIC 上，大厂一定会做。所以英伟达跟客户之间从来不是「我卖你买」这么和谐，更像是「大家暂时互相需要」。今天疯狂买 Blackwell 的人，很多也在想办法减少对 Blackwell 的依赖。既然客户已经往你的地盘里伸手，英伟达为什么不能往模型层往上走一步？

第二个解释，节目认为才是重点：老黄真正看中的，可能压根不是从 OpenAI 嘴里抢的那点订阅费。恰恰相反，模型越来越便宜，对英伟达可能反而是一件好事。

这两年 AI 行业有一个默认逻辑：谁掌握最强模型，谁拥有最大价值。OpenAI、Anthropic、Google 天天往模型里砸钱，就是因为大家相信基础模型会变成 AI 时代最昂贵的入口。可 DeepSeek 出来以后，整个行业第一次非常直观地看到另一种可能——同样很强的能力，不一定非得贵得离谱。DeepSeek 之后，Qwen、Kimi、各种开放模型一个接一个往上追，能力快速扩散，价格不断往下打。以前一家企业想部署自己的 AI，要纠结半天：模型太贵、算力太贵、研发团队也贵。可如果开放模型已经够用，而且每年越来越便宜，很多原本舍不得用 AI 的企业会开始进来。

节目的推演是这样的：模型便宜，不代表 GPU 需求一定变少，反而可能完全相反。以前一家公司的 AI 客服每天跑 100 万 token，老板一看账单，能少用就少用；如果未来同样的钱能跑 1000 万、1 亿 token，它会不会干脆给每个客户都塞一个 Agent？以前你问 AI 一句话，它回答一句就结束；Agent 时代，你让它帮你订一次旅行，它可能自己查机票、看酒店、翻评论、算预算、改路线、重新核对，一句话背后跑几十次甚至上百次推理。你表面只是点了一下按钮，后台已经开始疯狂烧 token。

Olivia 拿互联网作比：流量越来越便宜，最后发生的不是大家少上网了，而是短视频、直播、云游戏全部跑起来了。AI 一样，每一个 token 的价格可以继续降，但如果未来有几十亿人、几亿个 Agent、几千万家公司一天 24 小时不停跑推理，总 token 量照样可以翻十倍、百倍。

把 CUDA 再复制一次

五、把 CUDA 的玩法再复制一次

讲到这里，节目自己反问：怎么这么耳熟？这不就是 CUDA 吗？

CUDA 最厉害的地方从来不是它本身卖多少钱，而是过去十几年开发者慢慢习惯了在 CUDA 上写程序：框架首先适配 CUDA，库围着 CUDA 做优化，企业招聘的工程师也都懂 CUDA。最后你会发现，真正把客户绑在英伟达身上的已经不是某一块 GPU，而是围绕 GPU 长出来的整套生态——换卡容易，换掉整个开发环境非常难。

节目认为 Nemotron 越来越像这套玩法往模型层再伸出去的一只手。企业先拿 Nemotron 做 Agent，然后用 NeMo 训练和微调，用 NIM 部署，下面接 CUDA、CUDA-X，最后跑在 Blackwell、Vera Rubin 和整套 AI Factory 里。这时候就出现一个特别有意思的商业模式：模型本身真的可以免费，权重可以开放，训练方法可以开放，甚至开发工具都可以便宜——因为真正贵的东西本来就在后面等着。等一家企业的 Agent 从 100 个变成 10 万个，每天的 token 从几百万跑到几十亿，你再问它要不要把 GPU、网络、软件、部署体系全部换掉？成本可能已经高到它根本不想折腾。

节目接着说，这个故事已经不是两三年后的 PPT。英伟达今年已经宣布 Vera Rubin 进入全面量产爬坡，背后的供应链横跨 30 个国家、350 多家工厂；美光的 HBM4 也已经开始量产出货。也就是说，老黄一边在前面想办法把模型做得更容易用、把 token 数量推上去，一边已经在后面把下一代收钱的机器架起来了。

节目最后一段转向投资者，语气从解释变成提醒。Olivia 说，到了投资这里，麻烦也跟着来了：现在真正难的已经不是判断 AI 还有没有机会，而是你买到的到底是不是那条真正在收钱的链。Rubin、HBM4、液冷、800V 供电、先进封装——现在市场上只要沾一点边，都能被包装成「英伟达核心供应链」。可真正翻下去，有些已经进了量产和订单，有些只是参加过一次合作，有些公司 AI 故事讲得震天响，财报里真正能兑现的收入却没多少。等这些差别全写进下一轮财报，市场给它们的价格可能已经不是今天这个价格。

正文里她只点了三个方向。第一，台积电。不管 Nemotron 最后是不是全球第一，Rubin 首先得有人造，先进 GPU、先进封装继续往上堆，台积电依然是最核心的制造环节。第二，美光。HBM4 已经进入 Rubin 时代，Agent 如果真把 token 量继续往上推，GPU 每一次算得更快都意味着内存带宽必须跟着上去，HBM 依然是整个推理扩张里非常直接的一把铲子。第三，Vertiv。它不造芯片，可 AI 机柜现在越来越头疼的就是电和热，GPU 越强、机柜功率密度越高，液冷、电源和整个数据中心基础设施的重要性反而会继续往上走。至于三家谁弹性最大、还有哪些已经进入 Rubin 体系但市场没有充分交易，节目留在了付费资料里。

烤箱与面包

结语：烤箱与面包

把节目的逻辑链首尾接起来，是这样一条线：Poolside 因为六周凑不齐 20 亿美元丢了一个集群，意识到自己的算力会先于技术见底；老黄以授权加入股加挖人的方式，拿到了一条「造模型的流水线」和一百多个造过前沿模型的人；这些资源全部注入 Nemotron，让它从展示烤箱的面包变成一张主牌；英伟达之所以肯亲自下场，一半是因为大客户都在自研芯片往下走，另一半、也是更重要的一半，是因为它卖的是造智能的机器而不是智能本身——模型越便宜、越泛滥，token 总量越大，后面的 GPU 就卖得越多；而这套「模型免费、算力收钱」的打法，正是 CUDA 用十几年验证过的生态锁定，只是往上再推了一层。

节目最后落在一句提醒上：Rubin 已经开始量产，HBM4 已经出货，这不是「以后可能受益」的故事；但正因为如此，谁真的拿到了订单、谁只是讲了一个故事，会在下一轮财报里分出来。

卖烤箱的人开始烤面包，不是为了卖面包。

本篇为播客解读，内容以「Olivia 财富解密」2026 年 8 月 27 日一期《黄仁勋也要做大模型了？豪掷 70 亿：Nemotron 挑战 OpenAI？》为准，观点归节目所有。交易与产品细节据 Poolside 致投资人信、英伟达与美光官方公告、The Information 及彭博等报道校准。本篇不构成投资建议。撰于 2026 年 8 月。

转载请注明：《宇宙纪事 · 行业纵论》系列。

宇宙纪事 / COSMIC CHRONICLES