NVIDIA正在加快自研开源AI模型的布局。随着公司一方面借助自研模型拉动硬件需求，另一方面持续向模型层延伸，其与客户群中AI模型厂商之间的关系也被认为可能变得更加复杂。

据The Information报道，NVIDIA正在开发一款开源大语言模型Nemotron 4，参数规模至少达到1万亿。

从体量看，Nemotron 4约为NVIDIA今年6月发布的Nemotron 3 Ultra的两倍。虽然它未必会成为全球最大的开源模型，但有望进入第一梯队。作为对比，中国AI初创公司Moonshot AI近期发布的Kimi K3总参数规模为2.8万亿，DeepSeek V4-Pro为1.6万亿。

在模型表现方面，Nemotron 3 Ultra在衡量Agent能力与智能水平的Arena基准，以及Artificial Analysis等多项基准测试中，在美国开源模型中排名第二，仅次于Thinking Machines Lab的Inkling。不过，与中国头部开源模型相比，其整体实力仍有明显差距，在全模型榜单中也位列第40名之后。

在这一背景下，若Nemotron 4如期推出，NVIDIA在开源大模型赛道中的位置预计将明显提升。

围绕Nemotron系列，NVIDIA近期还发布了开源轻量化模型Nemotron 3.5 Lightning，并推出免费模型路由软件，帮助企业根据不同AI任务调用和调度合适的模型。

与此同时，NVIDIA在自研模型训练上的算力投入也在持续上升。The Information称，NVIDIA通过向部分采购其芯片的云服务商回租AI服务器，获取模型训练所需算力。截至今年4月，公司已签署覆盖至2031年初的多年期云服务合同，总规模增至280亿美元，较一年前约增长3倍。

尽管NVIDIA一再强调无意与AI公司展开正面竞争，但随着其在开源模型领域的动作日趋积极，市场对其与AI模型厂商关系的担忧也在升温。有观点认为，无论是开发开源模型还是闭源模型，那些依赖NVIDIA GPU进行训练的AI公司，与NVIDIA之间的竞合关系都可能进一步复杂化。

NVIDIA自研模型的商业落地也在推进。以Palantir为例，该公司今年6月宣布将与NVIDIA合作，面向美国政府客户部署Nemotron模型。

长期以来，相关企业大多依托NVIDIA GPU开发AI模型。与此同时，据报道，NVIDIA还曾向OpenAI投资300亿美元，并对Reflection AI、Thinking Machines Lab等美国开源AI初创公司进行大额投资。

对于自研开源AI模型，NVIDIA的核心判断是，开源模型的多样化最终将带动自家芯片需求增长。公司也明确表示，无意与以模型研发为主营业务的企业直接竞争。

对NVIDIA而言，使用适配其硬件的高质量、低成本模型来开发和部署AI的企业越多，其生态扩张就越有利。若公司的开源策略能够进一步带动更多开源模型出现，也将形成对GPU需求的正向循环。

The Information援引NVIDIA一位高管的话称，公司认为，自研模型有助于强化竞争、推动更多开源模型涌现，并最终拉动GPU需求。

NVIDIA生成式AI业务副总裁Kari Briski表示，公司投入Nemotron，是因为其相信市场需要“易于获取的最先进开源模型”，以帮助各类企业和国家提升安全与安保能力、加快创新，并构建可长期信赖和持续使用的基础。

不过，自研开源AI模型的意义并不止于拉动GPU需求。对NVIDIA而言，这同样关系到其硬件设计能力的提升。

为何持续自研LLM？

NVIDIA之所以持续开发AI模型，一个重要原因在于获取硬件设计所需的信息。早在数年前，公司就已启动自研模型工作。

此前，Kari Briski在接受科技播客及新闻通讯“Big Technology”主理人Alex Kantrowitz采访时表示，NVIDIA在LLM领域建立影响力，基础仍在于底层技术研发能力。只有真正理解这些基础技术，才能与合作伙伴开展更清晰的沟通。

她还表示，NVIDIA需要理解如何在大规模环境下训练这些模型，以及如何在推理阶段支撑其大规模运行；这些经验不仅能够反哺GPU架构，也能为存储和网络设计提供参考。

随着中国借助开源AI在全球市场扩大份额，开源AI也正在成为地缘政治层面的重要变量。NVIDIA CEO Jensen Huang一直公开支持开源，并于7月在邮件中强调，“开源模型能够提升安全性、网络安全、科学进步与国家安全”。