这回,老黄把AI基建的触手,伸进了模型层。
刚过去的这一周,英伟达连甩两笔王炸大单。
前脚刚与全球最大的开源模型集散地Hugging Face签下收购协议,后脚就传出消息,准备给硅谷最受瞩目的OpenAI前CTO米拉·穆拉蒂(Mira Murati)送上一张接近30亿美元的巨额支票。
老黄押注的是穆拉蒂创办的Thinking Machines Lab。
投前估值直接飙到至少400亿美元,拟募资50亿至60亿美元,而英伟达可能一家就包下约一半。
这不是英伟达初投,而是持续加码。
回看Thinking Machines Lab的成长速度,简直像开了挂。
上一轮在2025年7月,它刚拿下史上最大的种子轮之一:
20亿美元种子轮,投后估值120亿美元。
结果短短14个月过去,投前估值直接冲上400亿,翻了三倍多。
如果这次50亿到60亿美元顺利募满,投后估值更会直逼450亿至460亿美元。
更疯狂的,还在后面。
如此惊人的估值,这家公司的年化收入刚过1亿美元。
400亿的估值,对应约400倍的营收倍数。
一家成立19个月、联合创始人已经走了好几个的公司,凭什么让英伟达心甘情愿再掏出25亿到30亿美元?
离开OpenAI两年,狂揽400亿美元估值
从120亿到400亿,穆拉蒂只用了14个月。
2024年9月,穆拉蒂宣布从OpenAI离职。当时她是CTO,是奥特曼被董事会赶走那几天里的临时CEO。
大约5个月后,Thinking Machines Lab横空出世。
初创名单中,几乎就是一份OpenAI旧部通讯录:联合创始人里有Lilian Weng、John Schulman、Barret Zoph、Luke Metz等一众大佬。
2025年7月,20亿美元种子轮到账。
a16z领投,Accel、英伟达、AMD、Jane Street跟投。当时穆拉蒂手里连一个像样的产品都没有,投资人冲的就是她这个人。
很快,产品交出了答卷。
2025年10月,第一个产品Tinker上线,12月全面开放。
这不是一个模型,是一个微调平台:开发者把自己的数据丢进去,把开放权重模型调成自己的,按算力用量付费。
紧接着,更大的动作来了。
2026年3月10日,Thinking Machines和英伟达官宣多年战略合作:部署至少1GW的Vera Rubin系统,英伟达同时做了一笔金额未披露的重大投资。
黄仁勋(左)与穆拉蒂(右)。2026年3月10日双方官宣1GW级Vera Rubin合作,英伟达同时完成一笔金额未披露的投资。
四个月后,2026年7月15日,他们拿出了第一款自研的王牌模型Inkling:
9750亿总参数,410亿激活,最长100万token上下文,文本、图像、音频全都能进,完整权重开放。
然后就是这轮50亿至60亿美元的融资洽谈。
钱要这么多,是因为上面那份1GW的合作。
1GW是前沿实验室级别的算力。芯片、网络、电力、数据中心,全部按吉瓦级配置,每一项都是天文数字。
从最初传出的10亿美元,到如今的50亿至60亿美元,融资规模翻了五六倍,才撑得起这1GW的野心。
那这笔钱从哪里来?
上一轮,英伟达只是跟投方之一,领投的是a16z。
这一轮,领投方换成Accel,英伟达可能包揽约一半,从跟投变成最大出资方。
于是,那个熟悉的画面再次出现:英伟达既是本轮最大的出资方,也是那1GW系统的供应商。
钱进了Thinking Machines的账户,很大一部分很可能转一圈,又变成英伟达的订单。
投资、采购、收入,在同一家公司身上闭环。
方向已经足够清楚。
英伟达不再满足于给OpenAI、Anthropic这些成名实验室供芯片,它开始用股权提前绑定下一代前沿玩家。
3月那份公告里还有一句容易被忽略的话:双方要联合设计面向英伟达架构的训练和推理系统。
这意味着Thinking Machines未来的模型,从底层就是按Vera Rubin长出来的。
穆拉蒂的路线,不争模型第一
透过穆拉蒂这19个月的布局,你会发现她一直在避开与OpenAI、Anthropic正面比拼谁的模型更强。
甚至干脆在Inkling的发布博客里承认:
Inkling不是当前最强的模型,无论开放还是闭源。
Thinking Machines的商业模式,从Tinker上线那天起就定了,它卖的是「把模型变成你的」这件事。
企业把自己的数据、自己的业务拿来,在它的平台上训练、微调、推理,它按算力用量收钱。
用穆拉蒂自己的话说:要做人们可以塑造、可以据为己有的AI。
这句话把Thinking Machines和OpenAI、Anthropic放到了两条不同的道路上。
后两家在冲最强的通用闭源模型,它把自己放在了下面一层:不争模型第一,做帮所有人定制模型的基础设施。
这不正是老黄多次讲到的AI基建吗?
英伟达讲了两年的AI工厂、AI基建、Token经济,要的就是这种每多一个客户就多烧一份算力的生意。
3月16日GTC 2026主题演讲,黄仁勋称算力需求「涨了100万倍」,2025至2027年营收至少1万亿美元。
理解了这一点,再看英伟达为什么愿意掏钱,逻辑就通了。
叠上Hugging Face,英伟达手里两张牌
这不是英伟达本月唯一的大动作。
9月3日,英伟达官宣以129.303亿美元收购Hugging Face,协议已签署。
把两笔放在一起看:
Hugging Face握着开放模型的分发入口和开发者社区;Thinking Machines握着前沿模型、微调平台和一支研究团队。
一头是入口,一头是模型。英伟达在开放权重这条线上,两头都下了注。
两笔加起来,接近160亿美元,前后只隔几天。
Inkling的完整权重就挂在Hugging Face上,还专门配了面向英伟达Blackwell的NVFP4版本。
开发者从Hugging Face下载Inkling,在Tinker上把它调成自己的,再跑在Vera Rubin上。
入口、模型、微调平台、芯片,每一步都在一个生态里。
这正是英伟达想要的:用资本提前锁定模型公司,也就锁定了它们未来的算力需求。
参考资料:
https://techcrunch.com/tag/thinking-machines-lab/
https://www.theinformation.com/articles/thinking-machines-lab-talks-raise-billions-roughly-40-billion-valuation
https://thinkingmachines.ai/news/introducing-inkling/
https://blogs.nvidia.com/blog/nvidia-thinking-machines-lab/
本文来自微信公众号“新智元”,作者:ASI启示录;编辑:元宇
