OpenAI自研芯片碾压英伟达 小鹏机器人9亿美金融资刷纪录 SpaceX600亿吞下Cursor

2026年8月24日，小鹏集团正式宣布旗下人形机器人业务完成首轮独家股权融资，融资金额超9亿美元，投后估值突破63亿美元（约合430亿元人民币）。这笔交易一举刷新中国具身智能行业单轮私募股权融资最高纪录，成为2026年度人形机器人赛道最重磅的融资事件。

本轮融资阵容堪称豪华，由IDG资本领投，高榕创投参投，同时获得腾讯和阿里巴巴两家战略投资者的罕见同台支持。具体来看，投资者认购2.96亿股A系列优先股，对价6亿美元；小鹏集团认购9867.52万股A系列优先股，对价2亿美元；高管认购方（何小鹏等）跟投约1亿美元。融资完成后，小鹏集团继续控股机器人业务，机器人业务仍纳入集团合并财务报表。

小鹏IRON作为小鹏集团物理AI战略的核心载体，定位为"极致拟人、AI驱动、具备最高标准安全品质"的高阶人形机器人。技术参数方面，IRON全身拥有76个自由度，单手21个自由度，搭载3颗自研图灵AI芯片，有效算力高达2250 TOPS，是当前端侧算力最强的人形机器人之一。首创全包覆柔性晶格设计，兼顾美观和安全。

资金用途方面，本轮募集资金将主要用于软硬件研发、物理AI模型训练迭代、高质量数据采集、全链条量产基地建设及全球商业化拓展。小鹏IRON计划在2026年底进入量产阶段，从小鹏门店和园区开始落地商业场景应用，2027年面向中国及海外市场正式上市和交付。何小鹏在内部信中表示，机器人单台毛利贡献可能高于汽车。

2026年8月14日，SpaceX正式完成对AI编程工具Cursor母公司Anysphere的收购，交易总价高达600亿美元（约合4050亿元人民币），采用全股票支付方式。这笔交易创下了风投支持初创公司被收购的历史最高纪录，距离双方4月宣布合作仅过去不到4个月。

根据SpaceX提交的8-K监管文件显示，其合并子公司X67 Inc.与Anysphere完成合并，Cursor的普通股和优先股转换为3.893亿股SpaceX A类股票，隐含股权价值600亿美元。已归属的Cursor限制性股票单位（RSU）在扣税前转换为另外175万股，未归属的奖励则转换为约2910万股新RSU和4440万股期权。Cursor联合创始人团队将跻身亿万富翁行列。

这笔交易的核心战略逻辑不是火箭，而是毛利率。Cursor此前一直以接近零售价格向第三方采购模型推理算力，而其竞争对手如Anthropic、OpenAI则以内部批发成本服务自家编码产品——这是一种结构性劣势，无论收入增长多快都难以弥补。加入SpaceX后，Cursor将获得Colossus超算中心（约100万张H100等效算力）的批发级算力支持，同时为SpaceXAI贡献每天约1.5亿行代码的真实编程训练数据。

从市场格局来看，AI编程助手市场2026年规模约为128亿美元，年增长率约65%，预计2032年将达到301亿美元。GitHub Copilot拥有约470万付费用户但开发者满意度从67%下滑至51%；Claude Code在9个月内达到25亿美元年化收入，"最受喜爱"比例达46%；Cursor满意度排名第二（19%）但订阅收入领先。值得注意的是，59%-70%的工程师同时使用3种以上AI编程工具，市场远未到赢家通吃的阶段。

2026年8月23日，阿里巴巴宣布完成港股新股配售，按每股112.70港元的价格配售7.1亿股新股，募集资金总额800亿港元（约合102亿美元），所得款项净额约797亿港元。这是阿里巴巴2019年在港股双重主要上市以来首次启动新股配售，市场反应热烈，据报道获得超额认购。

资金用途非常明确：100%用于投资全栈AI能力，进一步巩固阿里在AI领域的全球领先地位。具体分配方案为：约60%（即478.71亿港元）用于扩展全球算力基础设施，以应对客户日益增长的需求；约40%（即319.14亿港元）用于加速建设超大规模AI数据中心，并升级存储、数据库及高性能网络等传统云基础设施。资金还将覆盖大模型研发迭代、AI行业商业化落地配套建设等板块。

这笔融资标志着阿里巴巴在AI竞赛中的战略加码。阿里的AI布局涵盖了从底层的平头哥芯片、到中间层的通义大模型、再到应用层的钉钉AI、淘宝AI等完整链条。此次募资重点投向算力基础设施，也从侧面反映出当前AI算力供需矛盾依然突出——云厂商需要持续投入海量资金来建设数据中心和采购GPU，才能满足企业客户对AI算力的爆发式需求。

从产业角度看，阿里的800亿港元配售只是国内科技巨头AI军备竞赛的一个缩影。在此之前，腾讯、字节跳动等公司也已宣布千亿级别的年度AI资本开支计划。算力已经成为AI时代的"电力"，谁拥有更多、更便宜的算力，谁就在模型训练和产品竞争中占据先机。

2026年8月25日，AI基础设施初创公司Emerald AI宣布完成1.5亿美元A轮融资，估值达到10.5亿美元，正式跻身独角兽行列。本轮融资由DCVC与Energize Capital联合领投，投资方阵容星光熠熠，包括英伟达、三星风投、GE Vernova、Salesforce Ventures等产业资本。至此，Emerald AI累计融资额超过2.2亿美元。

Emerald AI瞄准的是AI基础设施中最棘手的瓶颈之一——电力供应。随着AI数据中心规模越来越大，电力供应已经成为制约算力扩张的核心因素。很多地方不是没有土地建数据中心，而是电网没有足够的电力容量接入。Emerald AI的解决方案是用专有软件帮助数据中心根据电网条件动态调整电力消耗——在电网紧张时减缓、暂停或转移部分计算任务，在电力充足时全速运行，从而在不影响客户服务的前提下释放电网容量。

过去一年，Emerald AI已在亚利桑那州、伊利诺伊州、弗吉尼亚州、俄勒冈州和伦敦的5个商业数据中心成功完成示范项目，合作伙伴包括英伟达、EPRI、Oracle、Nebius和National Grid等公司和机构。其核心价值在于：通过让AI计算负荷变得"可调"，数据中心可以更快获得电网接入批准，同时帮助电网运营商维持可靠性，保护社区的电价可负担性。

这个赛道的爆发逻辑很清晰：AI算力需求每几个月就翻一番，但电网建设周期长达5-10年。靠新建电厂和输电线路远远跟不上AI数据中心的扩张速度。Emerald AI的思路是从软件层面优化电力使用效率，让现有电网承载更多AI算力——它宣称仅美国现有电网就能通过这种方式释放高达100吉瓦的容量，相当于上百座大型数据中心的用电需求。

2026年8月25日，OpenAI正式公布了首款自研推理芯片Jalapeño（墨西哥辣椒）的基准测试结果。这款由OpenAI与博通（Broadcom）联合开发的专用ASIC芯片，专为大语言模型推理设计，在多项测试中性能超越了英伟达当前最先进的GB200和GB300系统，标志着AI行业正式进入"为模型造芯片"的全栈竞争时代。

性能数据相当亮眼：在每瓦吞吐量（throughput-per-kW）方面，Jalapeño比英伟达GB200/GB300系统高出1.5到1.9倍——相当于同样的电量，Jalapeño能多干将近一倍的活。在延迟方面优势更加明显：端到端延迟比GB300低1.7到3.6倍。在DeepSeek R1 670B模型测试中，单用户生成速度最高约700 tokens/s，而GB300只有约200 tokens/s左右。在GPT-OSS 120B模型上，解码速度达到1459 tokens/s/user，token间隔低于1毫秒。

更值得关注的是Jalapeño的设计理念。传统GPU是通用加速器，什么AI任务都能做但什么都不是最优。而Jalapeño是"为大模型推理而生"的专用芯片——OpenAI基于自身对GPT系列模型、内核、服务系统和产品需求的深度理解，从零开始设计架构，减少数据移动，平衡计算、内存和网络资源，让实际利用率接近理论峰值。博通则提供了硅片实现和网络技术（包括Tomahawk交换芯片），支持大规模生产部署。

开发速度也创下纪录：从初始设计到流片仅用了9个月，被认为是高性能先进半导体领域最快的ASIC开发周期之一。更有意思的是，OpenAI用自己的AI模型加速了芯片的设计和优化过程——用AI来设计更好的AI芯片，形成了一个正向循环。Jalapeño计划从2026年底开始在数据中心伙伴的支持下以吉瓦级规模部署，并且这只是多代路线图中的第一代。

2026年8月25日，字节跳动正式发布面向生产力场景的全新Agent产品"豆包工作"。这款产品定位为AI原生办公智能体，能够围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程，并且与飞书深度打通，让Agent基于企业上下文更准确地完成工作。用户可以前往官网下载豆包工作电脑版，也可在最新豆包电脑版中直接使用。

此次发布的背后是字节跳动对旗下AI办公产品线的重大整合。据了解，字节已经将TRAE（AI编程IDE）和扣子（Coze智能体平台）团队整体并入豆包体系，由豆包统一承担AI办公领域的产品规划、建设与运营职能。这标志着字节在AI办公赛道结束了内部"赛马"模式，进入品牌与能力集中升级的新阶段。豆包被正式确立为字节在AI办公领域的核心业务载体。

和传统办公软件最大的不同在于，豆包工作不再只是"问答式"地给你一段文字答案，而是真正的"指令进、成果出"——你说一个目标，它自己拆步骤、调工具、操作本地电脑，最终把成品文件放到你桌面上。用户可以切换到"任务"模式，让Agent自主推进工作，你只需要做决策和审核。界面左侧栏简洁地展示"新工作任务"，主界面提示"今天有什么工作要处理？"，整体设计突出办公场景的"班味"。

从行业竞争格局来看，国内AI办公赛道已经进入白热化阶段。阿里的通义千问、腾讯的腾讯元宝、百度的如流等都在加码办公Agent能力。字节选择在此时整合内部资源、推出独立品牌，显然是要集中力量在这个赛道上拼出一席之地。据媒体报道，豆包工作首批企业客户将以互联网科技、电商零售、在线教育等字节具备天然行业理解力的领域为主，未来还计划通过编程能力和远程操控渗透到运维、设计、数据分析等专业场景。

2026年8月25日，Google Cloud正式发布Gemini Enterprise for Financial Services（金融服务版），这是一款专门为金融专业人士打造的Agent式AI解决方案。该方案包含一个由Google管理的金融研究Agent、50多项针对金融角色和工作流的专用技能、企业级数据连接器、不断扩展的第三方Agent生态，以及Gemini Enterprise基础平台。

核心亮点是Financial Research agent（金融研究Agent），这是一个由Google构建和管理的智能体，能够执行端到端的金融研究工作，并且具备完整的可解释性——它会展示推理过程的置信度分数、明确的方法论、用于审计的数据快照以及精确的来源引用。分析师可以直接在工作流中使用这个Agent完成信贷研究、KYC审查、投资组合分析、市场研究等复杂任务。首批50多项基础技能覆盖了报告格式化、数据提取、研究流程标准化等金融机构的高频需求。

技术架构方面，该解决方案通过MCP（Model Context Protocol）与现有企业系统原生集成，包括Microsoft 365、Google Workspace以及RelativityOne等行业平台，同时保持权限控制和数据治理——已授权的数据保持授权状态，有权限的数据保持权限边界。第三方Agent生态也相当丰富，包括D&B的企业验证Agent（用于开户和KYC）、FlowX的贷款包检查和文档对账Agent、Obin Financial的财务分析Agent以及标普全球的市场数据Agent等。

这次发布的意义不仅是又一个行业大模型，而是标志着Google把FDE（First Day Experience，首日体验）的产品交付方式写入了金融行业解决方案。过去企业买AI平台往往需要自己花几个月甚至半年做集成和定制，现在Google直接把行业最佳实践打包成开箱即用的Skills和Agents，客户第一天就能用起来。对于金融机构来说，这大大降低了AI落地的门槛和风险。

2026年8月19日，Meta正式推出专为Mac打造的Meta AI桌面应用，目前以Beta形式在部分地区上线。这是Meta首次将AI助手以原生桌面应用的形式带到macOS平台，核心功能包括窗口共享（屏幕上下文）、系统级语音听写和Artifacts内容生成，直接对标ChatGPT桌面版和Claude桌面版。

桌面端专属功能有两个亮点。第一个是窗口共享：用户可以在提示栏中直接附加一个当前打开的Mac窗口，Meta AI会读取窗口中的可见文字并截取屏幕截图，然后基于屏幕上显示的内容回答问题、提出建议或生成内容。这需要用户授予屏幕录制和辅助功能权限。第二个是系统级听写：用户按住快捷键说话，文字就会直接输入到当前激活的任何应用中——邮件、文档、聊天框都可以，不需要切换应用。此外还有一个快速唤起快捷键Option-Space，可以随时呼出Meta AI的迷你提示栏。

侧边栏设计也体现了Meta的产品思路：包含Media、Artifacts、Scheduled三个面板，输入框配有Thinking选择器和麦克风按钮。对于内容创作者和商家来说，Meta AI Mac版还连接了Instagram和Facebook账户，可以分析帖子表现数据并建议发布内容，这是其他AI桌面助手没有的独特优势。此外还支持Google Workspace集成（需要专业版账户），可以访问文档和表格数据。

从竞争格局来看，Meta在桌面AI赛道起步相对较晚，ChatGPT桌面版和Claude桌面版已经积累了大量用户。Meta AI在编码工作流的深度集成上还有明显差距——Meta本月早些时候推出了Muse Code和Muse Spark 1.2，但编码能力与ChatGPT/Claude的集成度还不够。浏览器使用和计算机控制也是Meta AI的短板。不过Meta的优势在于免费、社交生态集成和多模态能力，后续如果能把Llama系列模型的优势充分发挥到桌面端，依然有一战之力。

2026年8月26日，OpenAI宣布将ChatGPT for Teachers（ChatGPT教师版）扩展到美国20个州的55个额外公立学校系统，为超过10万名新增教育工作者和学校员工提供免费使用权。这批新合作学区包括美国最大的20个公立学区中的五分之一，以及一些最多元化的学校系统。

ChatGPT教师版最早于2025年推出，首批覆盖了近15万名教师和学校工作人员。经过此次扩展，OpenAI已经与全美100多个K-12学区建立了合作，覆盖30个州，总计超过30万名K-12教育工作者可以免费使用。经过认证的美国K-12教育工作者可以免费使用到2028年6月。

OpenAI采取了"共同实施模式"来推进教育领域的AI落地——不是简单地把工具扔给学校，而是与学区密切合作，一起制定使用规范、培训教师、收集反馈。教师版ChatGPT有专门的隐私保护措施，学生数据不会被用于模型训练。教师可以用它来备课、出试卷、写评语、设计教学活动、翻译教材、为不同水平的学生定制学习内容等等。

这次扩展还引入了新的多州隐私合规框架，以适应不同州的数据保护法规要求。在得克萨斯州，已经有包括休斯顿ISD、达拉斯ISD、沃斯堡ISD、圣安东尼奥Northside ISD等在内的多个大型学区加入或正在推进全区部署。这标志着AI在教育领域的应用已经从"个别老师尝鲜"阶段进入"学区级制度化推广"阶段，对于AI教育产品的标准化、合规化发展具有重要意义。

2026年8月13日，OpenAI在API中推出了全新的Ultrafast服务层级预览版，让GPT-5.6 Sol的运行速度最高提升至14倍。这项服务由Cerebras的晶圆级引擎（Wafer-Scale Engine）硬件提供支持，每秒最多可以生成750个输出token，对于对延迟极度敏感的产品和工作流来说是革命性的提升。

750 tokens/s是什么概念？普通人的阅读速度大约是每秒3-5个词（约5-8个token），也就是说Ultrafast模式下AI生成文字的速度比人阅读的速度还要快上百倍。过去你问一个复杂问题可能要等十几秒才能看完答案，现在几乎是瞬间输出完成。端到端速度平均提升5.6倍，在特定配置下最高可达14倍。而且质量与标准版GPT-5.6 Sol完全一致，没有任何性能妥协。

支撑Ultrafast模式的是Cerebras的晶圆级芯片技术。与传统GPU把大量小芯片拼在一起不同，Cerebras用一整个晶圆（直径约30厘米的硅片）来做一颗芯片，拥有90万个AI优化核心、44GB片上SRAM和214 Pb/s的互连带宽——因为数据不需要在芯片之间传来传去，所以速度特别快。这也是为什么OpenAI要和Cerebras合作并投资200多亿美元的原因——在极致推理速度这个维度上，晶圆级架构有独特的优势。

速度的提升不只是"体验更好"这么简单，它会解锁全新的应用场景。比如实时对话机器人可以做到像真人一样秒回；代码助手可以实时生成整段代码而不让你等待；Agent可以在更短时间内完成更多步推理。当AI的响应速度从"秒级"进入"亚秒级"，很多因为延迟问题而无法实现的产品形态都会成为可能。这也是为什么OpenAI把Jalapeño芯片和Ultrafast模式作为基础设施战略的核心——速度本身就是生产力。

2026年8月，一篇题为《Seeing Is Not Deciding: Can Multimodal LLMs Act as Effective CEOs?》（眼见未必为决策：多模态大模型能成为高效的CEO吗？）的研究论文在arXiv上发布，引起了AI研究圈的广泛关注。研究者们创建了一个名为C-SUITEBENCH的多模态基准测试，把9个前沿大模型放在CEO的位置上，评估它们的商业决策能力。

C-SUITEBENCH包含5种决策任务，覆盖50个商业场景，每个场景都有纯文本和多模态（文本+图表/图片）两种测试条件。这样设计的目的是为了搞清楚一个关键问题：当AI能够"看到"商业数据图表、产品图片、市场趋势图等视觉证据时，它的决策质量会不会比只看纯文字时更高？毕竟在真实的企业决策中，高管们绝大多数时候都是看着PPT、报表和数据图来做决策的。

研究结果很有意思：多模态输入确实能持续改善模型的证据中心推理能力——也就是说，当模型能看到图表和图片时，它基于证据做决策的质量明显更高。但这并不意味着它的决策就一定更好，因为"看到了"不等于"理解对了"，模型还需要正确地把视觉信息和文字信息整合起来。这个基准测试揭示了多模态大模型在高管决策场景下的真实能力边界，为企业部署AI辅助决策提供了重要参考。

这项研究的意义在于，它把多模态AI的评估从"看图说话"的娱乐层面推进到了"辅助决策"的严肃商业层面。过去大家评估多模态模型主要是看它能不能描述图片内容，而C-SUITEBENCH关注的是：它能不能看懂商业图表、能不能从视觉证据中提取关键信息、能不能用这些信息做出更好的战略决策。这对于AI在企业管理、投资分析、战略规划等领域的应用具有直接的指导价值。

2026年8月，重磅消息传出：谷歌TPU项目的核心灵魂人物Amir Salek已加入Anthropic，负责组建Anthropic的自研AI芯片团队。Amir Salek在半导体和AI算力领域是传奇般的存在——他带领谷歌TPU项目长达9年，经历了7代产品迭代，是谷歌定制AI加速器从0到1再到全球领先的关键人物。

这次挖角的战略意义怎么强调都不为过。在AI行业，算力就是命脉，而芯片是算力的基石。Anthropic作为前沿大模型公司，此前一直依赖英伟达的GPU来训练和运行模型，不仅成本高昂，而且供应和路线图都受制于外部供应商。现在Amir Salek的加入，意味着Anthropic正式启动自研芯片计划，要像OpenAI一样走"模型+芯片"全栈路线，降低对英伟达的依赖，同时获得更大的性能和成本优化空间。

目前，主要的前沿大模型公司几乎都已经走上了自研芯片的道路：OpenAI有Jalapeño（与博通合作）、谷歌有TPU（已经发展到第6代）、Meta有MTIA系列、亚马逊有Trainium和Inferentia、微软有Maia系列。现在Anthropic也加入了这个行列，说明"模型公司自研芯片"已经从可选项变成了必选项——没有自己的芯片，在成本和性能上就会处于结构性劣势。

更值得玩味的是人才争夺战的白热化。Amir Salek离开谷歌加入Anthropic，反映出AI芯片领域的顶尖人才正在加速流动。随着越来越多的公司投入自研芯片，有经验的芯片架构师、设计工程师变得极度稀缺，薪资水平水涨船高。对于芯片从业者来说，这是最好的时代；对于谷歌等老牌科技公司来说，则面临着核心人才被竞争对手挖角的严峻挑战。

2026年8月26日，工业和信息化部副部长辛国斌在国新办发布会上透露，我国已成功研制近200项人工智能关键标准，形成了覆盖基础共性、技术支撑、行业应用、安全治理的全链条标准体系，基本实现人工智能对研发设计、生产制造、质检运维等全链条的覆盖，为产业发展提供了规范化底座。

这近200项标准涵盖了AI产业的方方面面：基础共性标准包括术语、分类、参考架构等"通用语言"；技术支撑标准包括算法、数据、算力、模型等核心技术规范；行业应用标准覆盖了制造业、医疗、教育、金融等各个垂直领域的AI应用要求；安全治理标准则包括数据安全、算法安全、内容安全、伦理规范等保障机制。目前，国家还正在组织多个城市开展人工智能伦理审查与服务实践，探索AI治理的地方经验。

关于未来的治理规划，辛国斌介绍了几个重点方向：一是开展人工智能安全风险监测、信息共享及通报处置，建好用好人工智能产品安全漏洞库；二是持续推进深度合成检测、模型算法安全防护、价值对齐等技术攻关，用技术手段支撑安全治理；三是完善关键制度框架，加快人工智能法立法进程。此前，国家发改委也明确提出要加快人工智能法立法进程，推进"模芯云用"全链条协同创新。

从全球范围来看，AI治理正在形成"中美欧三足鼎立"的格局：欧盟走在立法最前面，AI Act已经正式生效；中国采取"标准先行、逐步立法"的路径，先用标准规范产业发展，再在实践基础上推进专门立法；美国则更多依赖行业自律和现有法律框架。中国的200项AI标准体系，为企业提供了清晰的合规指引，也为后续的人工智能立法奠定了实践基础。

2026年8月2日，欧盟《人工智能法》（AI Act）的透明度条款正式生效。这是全球首部综合性AI法律中首批落地执行的条款，核心要求包括：聊天机器人等交互式AI系统必须告知用户其正在与AI而非人类互动；AI生成或修改的图像、视频和音频等"深度伪造"内容必须作出明确标识；AI生成或修改的内容还须带有机器可读标记，以便自动识别。

新规对不同场景下的AI标识做出了清晰界定。凡是由AI参与创作、外观高度贴近真实场景的深度伪造内容（包括图片、音频、视频），都必须标注醒目的"AI"标识；如果内容完全由AI独立生成，则必须明确标注"AI生成"字样。欧盟还发布了专门的实践准则，详细规定了标记和标签的技术标准，包括如何确保AI生成内容以机器可读方式被标记和检测。欧盟委员会还设计了专门的AI标签图标，供企业统一使用。

值得注意的是，欧盟的"AI Omnibus"（AI综合法案）对高风险AI系统的合规期限做了调整：独立的高风险使用场景（Annex III）合规期限从原定的2026年8月2日推迟到2027年12月2日；嵌入受监管产品的高风险系统则推迟到2028年8月2日。这给企业留出了更多准备时间。但透明度义务没有推迟，从8月2日起就必须执行——也就是说，如果你在欧盟运营聊天机器人或生成式AI产品，现在就必须确保用户知道自己在跟AI说话、知道哪些内容是AI生成的。

欧盟还发布了AI生成内容标识的图标系统，分为基础图标和"完全AI生成"图标两个级别。基础图标用于AI参与创作的深度伪造内容（如AI换脸视频、AI修改的图片）；完全AI生成图标用于从头到尾都是AI生成的内容（如AI生成的虚假政客视频、AI创作的音乐）。这些标识既需要肉眼可见，也需要机器可读，方便平台和监管工具自动检测。

2026年8月23日，据《华尔街日报》报道，英伟达同意向AI初创公司Poolside支付60亿美元（约合405亿元人民币），换取其AI模型软件授权，同时吸纳该公司109名核心员工。此外，英伟达还将向Poolside追加投资10亿美元，对应Poolside 120亿美元的估值。这笔交易的目标非常明确：打造一款能够与中国DeepSeek和月之暗面Kimi K3等顶尖开源大模型竞争的美国开源权重模型。

这不是一次普通的投资，而是英伟达在开源AI赛道上的战略布局。作为全球最大的AI芯片制造商，英伟达过去一直是"卖铲子的人"——谁做AI都得买它的GPU。但现在，英伟达开始越来越多地亲自下场做模型。其自研的Nemotron系列模型性能一直不算突出，没有达到中国开源大模型DeepSeek V4、Kimi K3的顶尖水准。这次通过投资Poolside并挖走核心团队，英伟达相当于直接"买"了一支顶尖的模型团队，补上自己在开源模型领域的短板。

这笔交易的背景是全球开源AI格局的微妙变化。过去几年，中国的开源大模型进步神速，DeepSeek、Kimi、Qwen（通义千问）等模型在性能上已经与闭源模型的差距大幅缩小，在某些基准测试中甚至超越，而且因为开源免费，被全球开发者广泛使用。美国在开源模型领域反而显得有些落后——最好的开源模型很多来自中国。英伟达的这笔投资，某种程度上是美国科技界对"开源AI落后"焦虑的一种回应。

从商业逻辑来看，英伟达做开源模型也完全合理：用AI的人越多，对推理芯片的需求就越大，英伟达就能卖出更多GPU。如果最强的开源模型是英伟达主导的，那整个生态就会更加围绕英伟达的硬件优化，进一步巩固其市场地位。不过，这次授权是非独家的，Poolside将保持独立运营，三位创始人继续留任——这意味着Poolside的模型技术还可以授权给其他公司，英伟达只是获得了一个重要的战略合作伙伴和技术来源。