（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。
