黄仁勋终极毒计：用免费的万亿模型，盖一座永远逃不出的显卡牢笼

一家硬件公司毛利率常年在70%以上，却突然砸下数十亿美元云算力预算，秘密训练一个参数规模高达一万亿的旗舰模型Nemotron 4，并准备把权重完全开源。 表面看是慷慨，本质却是一步极其冷酷的棋——把自己产品所依赖的配套资源打成免费的公用基础设施，让核心硬件的需求呈爆发式增长。 要理解黄仁勋为什么敢这么下手，得先看清英伟达此刻站在什么位置。 一场新工业革命的开端，是这两年最流行的判断。英伟达的年营收增长率一度冲到200%甚至更高，在硅谷有着点石成金般的影响力。 可就在气势最盛的时候，中国的DeepSeek突然登场。在无法获得英伟达最先进芯片的情况下——出口管制早已把顶级芯片挡在门外——DeepSeek依然构建出性能几乎媲美业内顶尖水准的模型，成本只是同行的一小部分。 它此前默默无闻，一出手便击败或匹敌众多竞争对手，似乎找到了一条捷径，用新的方法训练算法，把水准推到与OpenAI相近的位置。至于技术细节到底怎么来的，或许几周几月后揭晓，或许永远不会。 对美国竞争者而言，最难受的比喻是：这像"没有苹果却做出了苹果派"。DeepSeek推理模型问世之后，美国头部科技公司一天之内市值蒸发约一万亿美元。 有人把这比作又一个"斯普特尼克时刻"——1957年苏联发射第一颗人造卫星迫使美国大规模投资，如今许多人认为AI霸权的天平正在被重新掂量。 问题在于，此前占主导地位的叙事是：唯一玩转AI的方式，是把巨额资金投入算力、数据和顶尖研究人员。 这一叙事在Stargate项目发布时达到高潮——特朗普与甲骨文的埃里森、OpenAI的奥特曼、软银的孙正义同台，承诺投入最高5000亿美元、首期1000亿美元建设支撑AI革命的基础设施。 就在同一周，DeepSeek用远低得多的成本、远少得多的算力，做出极其强大的模型，冲击自然格外剧烈。英伟达顶级芯片虽然需求疯狂，但可能并非通往高水平AI的唯一路径。 然而答案依然清楚：整个行业仍然需要英伟达。 GPU毋庸置疑是业内最好的，加上控制和组织服务器集群的软件栈，它对当下产业形成了近乎"扼喉"的地位。 这家公司的历史可追溯到上世纪90年代初，那时英特尔主导世界，与微软形成"Wintel"平台。任天堂、世嘉带动电子游戏兴起，创始人们最早的洞察是：计算机图形将成为大事，值得拥有专用处理器。 玩家追求越来越快的芯片、越来越好的画面、越来越激烈的多人对战，正是这批用户支撑英伟达活下来，也保住了这一类芯片，让它没有被整合进标准CPU。 英伟达是"意外闯入AI"的。GPU本为渲染游戏图形而设计，十多年前研究人员发现，把它用于部署AI模型可以规模化，从而推动神经网络的重大进展，这构成了当今AI的底层基础。 真正令人惊讶的是过去两年：一家3000亿美元的公司跃升为3万亿美元，与苹果、微软争夺市值榜首，涨幅由对其产品的爆炸性需求驱动。目前市面上，没有比英伟达GPU更好的AI计算方案。 正因如此，各方都在试图减少对英伟达的依赖。Google、Meta、Amazon等大客户自研芯片、自建服务器、自研软件，一是想吃到更大份额，二是不希望在需要芯片时向英伟达低头，也不希望别人决定哪些竞争对手能拿到最多芯片。 AMD等公司也在推出更便宜、性价比更高的替代品。历史上不乏这种由创新引发的替代：英国工业革命早期，纺纱技术的进步导致织布短缺，织布工工资飙升；动力织机出现之后，织布工工资又几乎腰斩，创造性破坏可能瞬间改写格局。 黄仁勋的应对，是把"补充品"彻底商品化。 DeepSeek冲击之后，微软的纳德拉引用了"杰文斯悖论"——工业革命时期能源效率提升，煤炭消耗却不降反升，因为人们消费越来越多的能源。对英伟达而言的乐观论点是：无论是训练还是推理，AI用得越多，越需要基础设施支撑，芯片需求只增不减。 当万亿参数的模型免费下发，全球每一个开发者、每一家企业、每一个"主权AI"计划都会拿去微调、部署、推理；而模型越强、用户越多，对底层算力的胃口就越大——这些算力的最优解，仍然写着英伟达三个字。 依附型生态因此越滚越大，Lambda、Cohera这类混合云类企业发现自己坐拥宝贵的硬件资产，可以租售给算力短缺者；它们从华尔街大银行获得数十亿美元融资，甚至从英伟达获得投资，形成一种循环安排：英伟达出资，让它们买更多英伟达芯片。 Lambda方面表示，他们不仅销售GPU，还提供让GPU更易被使用的服务，因此获得英伟达的芯片分配；他们曾以芯片作抵押获得数亿美元贷款，短时间内连续完成融资轮。过去只属于国家实验室的超大计算能力，如今被引入AI领域。 风险并非不存在，高盛研究主管的一份备受关注的报告指出：营收机会是低至个位数十亿美元级别，而每年投入是数千亿美元级别。 微软、Meta、Google每六个月合计投入超过1000亿美元，主要花在数据中心、芯片、网络设备和服务器上