(来源:Benchmark Studio)
AI 算力竞争正在进入一个新的规模级别。由 OpenAI 的前 CTO Mira Murati 创立的 Thinking Machines Lab 与 NVIDIA 英伟达达成多年期战略合作:英伟达将对该公司进行战略投资,而 Thinking Machines 将采购并部署 至少 1GW 规模 的下一代 AI 计算平台 Vera Rubin AI Platform。此次算力协议的总价值,有业内高管预计可能高达500亿美元(约合人民币3450亿元)左右。
这一部署预计将在 2027 年初开始落地,主要用于训练下一代前沿模型并构建企业级定制化 AI 平台。对于整个行业而言,这不仅是一笔算力采购订单,更标志着 AI 基础设施竞争正在从“GPU 数量”升级为“能源与系统规模”竞争。

从 GPU 数量到电力规模:1GW 集群意味着什么
在过去几年,大模型公司通常以“GPU 数量”衡量算力规模,例如几万颗 H100 或 B200。但在这次合作中,规模直接以电力容量来定义——这正是 AI 基础设施升级的重要标志。
一个 1GW 级 AI 计算集群大致对应:
约 8333 台 NVL72 机架
每台机架 72 颗 Rubin GPU
总规模接近 60 万颗 GPU
配套 HBM4 显存、1.6T InfiniBand 网络与液冷系统
NVL72 是 NVIDIA 为超大规模 AI 集群设计的旗舰机架,单机架功耗约 120kW。按 1GW 电力规模计算,需要 8300 多个机架的超大型数据中心。
如果按照业内对 Rubin GPU 4.5 万至 5.5 万美元的价格估算,再叠加机架、网络设备与液冷基础设施,每个 GPU 插槽的综合价值约 8.3 万美元。在这一框架下,业内人士预计整笔算力协议总价值可能接近 500 亿美元。
Vera Rubin:从芯片到整个平台
此次合作的核心是 NVIDIA 下一代 AI 架构 Vera Rubin AI Platform,预计将在 2026 年下半年开始出货。与以往单纯出售 GPU 不同,NVIDIA 正在把 AI 计算能力打包为完整平台,包括:
Rubin GPU
Vera CPU
HBM4 高带宽显存
NVLink 与 InfiniBand 网络架构
NVL72 机架正是这种平台化思路的体现:72 颗 GPU 在一个高度集成的机架中形成超高带宽计算单元,使 AI 集群能够以更高效率进行分布式训练。
对于像 Thinking Machines 这样的前沿模型公司而言,这意味着可以直接搭建超大规模训练系统,从而缩短模型训练周期并提高算力利用率。

AI 基础设施投资进入“千亿周期”
这笔合作同时体现出 NVIDIA 在 AI 生态中的核心策略——资本投资与算力绑定。在这一模式下:
NVIDIA 向 AI 初创公司进行投资
初创公司使用融资采购 NVIDIA 算力
算力需求进一步强化 NVIDIA 的生态地位
这种结构不仅能够锁定长期客户,也能加速新一代芯片在行业中的规模化部署,同时进一步巩固 CUDA 生态的主导地位。对 NVIDIA 来说,这已经不只是硬件销售,而是一种平台级生态控制能力的延伸。

“投资 + 算力绑定”:NVIDIA 的生态策略
Thinking Machines 的 1GW 项目也反映出 AI 基础设施投资正在经历快速升级。
过去几年,AI 算力建设大致经历了三个阶段:
第一阶段:GPU 采购(2020—2022)
企业购买数千至数万颗 GPU 训练模型。
第二阶段:AI 数据中心(2023—2024)
科技公司开始建设数十亿美元规模的 AI 数据中心。
第三阶段:GW 级算力集群(2025— )
算力项目开始以 电力容量为核心指标。
当 AI 集群达到 GW 级规模时,其本质已经不再是传统 IT 基础设施,而更接近:
电厂级能源系统
超级计算中心
国家级数据基础设施
换句话说,AI 正在从一个软件产业,逐渐演变为能源、算力与网络高度耦合的工业体系。
关于算力需求的争议
尽管算力投资持续膨胀,一些分析师仍对这种模式提出质疑。他们认为,当芯片公司投资 AI 初创企业,而这些企业再使用融资采购芯片时,可能形成一种 “循环投资结构”:芯片公司投资 → 初创企业融资 → 采购芯片 → 芯片厂收入增长。在这种框架下,部分算力需求可能被资本结构放大,而不完全来自真实应用需求。
对此,NVIDIA 及其支持者则认为,这种担忧被夸大。随着模型规模不断扩大以及推理需求快速增长,AI 计算需求本身正在持续上升,大规模基础设施投资是产业发展的必然结果。
关于算力需求的争议
尽管算力投资持续膨胀,一些分析师仍对这种模式提出质疑。他们认为,当芯片公司投资 AI 初创企业,而这些企业再使用融资采购芯片时,可能形成一种 “循环投资结构”:芯片公司投资 → 初创企业融资 → 采购芯片 → 芯片厂收入增长。在这种框架下,部分算力需求可能被资本结构放大,而不完全来自真实应用需求。
人才竞争与不确定性
与此同时,Thinking Machines Lab 近期也出现了一些关键人事变动。联合创始人 Barret Zoph 和 Luke Metz 已先后离开公司并回归 OpenAI。在当前 AI 人才竞争极其激烈的背景下,这些变化也为 Thinking Machines 的长期发展带来一定不确定性。
人才竞争与不确定性
无论最终规模如何,这笔合作已经释放出一个清晰信号:AI 算力竞争正在进入“GW 时代”。在这一阶段,决定模型能力的不再只是算法和数据,而是:
电力
数据中心
网络架构
资本规模
当算力项目开始以 十亿瓦级电力为单位规划时,AI 已经不再只是软件领域的竞争,而正在演变为一场全球级基础设施竞赛。
-END- ]article_adlist-->推荐阅读最强解析来了:脑机接口独角兽Neuralink超额认购,深剖其技术壁垒、竞争格局与投资逻辑,融资后估值可达90亿美元
Benchmark独家访谈:人形机器人最高估值Figure AI创始人Brett Adcock|特斯拉Optimus最大竞争对手
BenchmarkAGI独家访谈|FigureAI最大机构投资人及董事:人形机器人终将成为万亿产业;Brett或成下一个马斯克


海量资讯、精准解读,尽在新浪财经APP
配资网提示:文章来自网络,不代表本站观点。