黄仁勋想用开源守住Nvidia，中国却用它追赶Nvidia

7月24日，黄仁勋在X上发布了自己的第一篇帖子。他没有介绍Nvidia的新芯片，也没有谈公司的业绩和市值，而是分享了一份名为《Open Weights and American AI Leadership》的倡议书，呼吁美国支持开放权重模型的发展。他在帖子中提到，AI将改变每一个行业、赋能每一家公司，也会由每一个国家建设，世界既需要最前沿的闭源模型，也需要最前沿的开放模型。

这份倡议书的立场其实非常明确。它讨论的不是全球AI产业应该如何开放，而是美国如何通过开放权重模型，继续保持AI领域的领导力。倡议书认为，美国的优势不能只建立在少数几个最强的闭源模型上，还要拥有能够被企业、大学、政府和开发者广泛使用的开放模型。只有模型能力真正扩散到各个行业，美国在芯片、云计算、软件和应用层的优势，才能转化为更完整的产业领导力。

倡议书最初由Nvidia、Microsoft、Meta、Mistral、Hugging Face和Linux Foundation等企业和机构签署，后来OpenAI、Google等公司也加入进来，目前的签署名单中仍然没有Anthropic。Anthropic没有签署，当然不能直接说明它反对开放模型，但在OpenAI和Google都选择支持之后，它的缺席仍然反映出不同公司在模型开放问题上的路线差异。

如果只看倡议书的表述，这是一场围绕美国AI领导力、市场竞争和技术创新展开的讨论。但黄仁勋选择用自己的第一篇X帖子来推动这件事，显然不只是因为他相信开放。对于一家站在AI产业最上游、主要依靠计算平台获得收入的公司来说，一个模型更加开放、部署更加分散的世界，本来就是最符合Nvidia利益的世界。

Nvidia最大的客户，也在成为它的竞争者

过去几年，Nvidia是这一轮AI浪潮中最直接的受益者。模型越大，用户越多，需要的训练和推理算力也就越多。OpenAI、Microsoft、Google、Amazon以及其他云计算厂商不断建设数据中心，Nvidia的GPU因此成为整个AI产业最紧缺的基础设施。

但Nvidia面对的一个现实是，它最大的客户，同时也是这个世界上最有能力减少对它依赖的公司。

Google很早就开始使用自己设计的TPU，Amazon持续发展Trainium，Microsoft也在开发自己的AI芯片，包括OpenAI在内的头部模型公司，都有建立多元算力体系甚至自研芯片的计划。这并不意味着它们会在短时间内放弃Nvidia。训练前沿模型、建设大规模推理平台，需要各种不同类型的计算资源，Nvidia在相当长的时间内仍然会是最重要的供应商之一。

真正的变化在于，这些公司已经不再满足于只做Nvidia的客户。

模型公司知道自己的模型需要什么，哪些算子使用最多，推理瓶颈来自计算、内存还是通信，哪些通用能力对自身业务并不重要。随着模型调用量不断增长，为固定工作负载设计专用芯片，会产生非常明确的商业价值。使用规模越大，自研芯片节省的成本就越多，投入巨资开发芯片也越值得。

过去，模型公司负责训练模型和提供产品，Nvidia负责供应计算平台。现在，这种分工正在被打破。模型公司开始向下进入芯片，云计算公司同时拥有芯片、模型和云服务，Nvidia也在向上提供模型、推理框架和企业软件。原来的客户与供应商，正在越来越多的领域相互进入对方的市场。

因此，Nvidia真正需要担心的，并不是AI算力需求停止增长，而是AI算力需求依然快速增长，其中越来越多的一部分，却开始流向客户自己的芯片。

闭源模型越集中，Nvidia面对的风险就越大

如果未来的AI主要由几家闭源公司通过API提供，普通企业其实不需要购买GPU，也不需要自己部署模型。它们只需要调用OpenAI、Google或者Anthropic的服务，模型、服务器和芯片都隐藏在API后面。

这样的市场规模依然很大，但真正采购大量计算设备的，可能只剩下少数几家模型公司和云计算厂商。客户越少，采购量越集中，这些大客户的议价能力就越强，也越有能力开发自己的芯片。

对于OpenAI这样的公司来说，只要每一次模型调用都需要承担一部分Nvidia硬件成本，自研芯片就有明确的价值。它的用户越多、推理规模越大，自研芯片能够节省的成本也就越多。长期来看，把一部分芯片利润留在自己的体系内，是几乎必然会做出的选择。

这形成了一个对Nvidia并不舒服的局面：闭源模型公司越成功，算力需求越集中；算力越集中，客户就越有能力摆脱Nvidia。

过去几年，人们习惯认为OpenAI、Google和其他模型公司的增长，会自动带动Nvidia的增长，这在短期内当然成立。但从更长的时间看，过度依赖少数几个超级客户，本身就是一种风险。它们不仅拥有巨大的采购量，还有足够的资金、人才和业务规模，进入Nvidia原本占据的芯片市场。

开放权重模型对Nvidia的价值，就在于它能够改变这种市场结构。

模型越开放，Nvidia的客户就越多

开放权重模型可以被下载、修改，并部署在不同的基础设施上。企业可以把模型放进自己的数据中心，医院可以在本地处理敏感数据，政府可以建设自己的AI基础设施，制造企业可以把行业模型部署到工厂，创业公司也可以在区域云平台和边缘设备上运行模型。

当模型从少数公司的API里释放出来，算力需求也会随之扩散。

这些企业、大学、医院和公共机构，与OpenAI、Google有一个很大的不同：它们通常没有能力设计自己的芯片。自研芯片不仅需要巨额资金和工程能力，也需要足够大的使用规模，才能把研发成本分摊到海量计算任务中。对于绝大多数组织来说，更现实的选择仍然是购买一个成熟、通用、能够运行不同模型的计算平台。

这正是Nvidia最擅长的市场。

在一个由少数闭源模型公司主导的世界里，Nvidia面对的是几个购买量巨大、却随时准备开发自研芯片的客户；在一个开放权重模型广泛部署的世界里，Nvidia面对的则是成千上万没有能力自研芯片的企业和机构。相比之下，后一个市场更加分散，也更加安全。

Nvidia并不需要控制未来最强的模型由谁开发，也不必判断OpenAI、Google、Meta、DeepSeek、Qwen还是其他模型最终会胜出。只要这些模型都能在Nvidia的平台上高效运行，模型层面的竞争越激烈，Nvidia获得的市场反而越大。

所以，黄仁勋推动开放权重，真正想要的可能不只是多卖一些GPU，而是把Nvidia的客户从少数模型巨头，扩展到整个AI产业。

Nvidia想要一个Linux式的模型世界

倡议书将开放权重模型与开源软件运动放在一起，这个类比是成立的。Linux改变世界，不只是因为它免费，而是因为它让操作系统成为一套所有人都可以使用、修改和继续开发的公共基础。创业公司不需要从操作系统开始重复建设，云计算、服务器和互联网基础设施也因此获得了更快的发展。

但Linux的发展还说明了一件事：开源不会让商业利益消失，只会重新分配产业中的利润。

Linux削弱了封闭操作系统在服务器市场的控制力，却创造了更大的芯片、服务器、云计算和技术服务市场。企业不再需要为操作系统支付高额许可费，但它们仍然需要购买硬件、租用云服务器、部署软件并获得技术支持。

开放权重模型也可能经历类似的过程。当模型本身逐渐开放和商品化，模型层收取高额API费用的能力可能受到影响，但运行模型所需要的芯片、网络、数据中心、推理框架和部署工具，反而会变得更加重要。

Nvidia希望成为这个过程里最大的商业受益者。

Nvidia真正的优势从来不只是一块GPU。CUDA、加速库、开发工具、网络、高速互联、推理框架和行业软件，共同构成了一套完整的计算平台。企业购买的不是单独的一块芯片，而是一整套已经经过多年验证、可以直接用于训练和部署AI的工程体系。

换句话说，模型可以像Linux一样开放，但Nvidia希望自己成为开放模型时代最重要的计算基础设施。

同样的开放策略，中国也在复制

需要说明的是，黄仁勋推动这份倡议书，是为了保持美国AI领导力，并不是为了支持中国模型和中国芯片。中国芯片获得的生态机会，也不是黄仁勋这次倡议直接带来的结果。

但开放权重是一种产业机制，并不专属于Nvidia，也不可能只按照美国企业希望的方向发展。中国模型厂商同样可以采用开放权重策略，把模型、开发者、芯片和应用连接起来。

目前，中国最有影响力的一批模型厂商，基本都把开放权重作为重要路线。DeepSeek开放V3、R1等模型，阿里Qwen持续开放不同尺寸和用途的模型，月之暗面的Kimi也通过开放模型扩大开发者生态。它们选择开放，一方面是为了获得更多开发者和应用，另一方面也是因为在闭源模型和全球云服务已经被美国公司占据优势的情况下，开放是一条更容易扩大影响力的道路。

中国模型开放之后，直接获得帮助的不只是应用开发者，也包括国产芯片厂商。

一款芯片能不能真正进入市场，从来不只取决于理论算力。它还需要主流模型能够顺利运行，需要推理框架、量化工具、算子库、监控系统和足够多的工程经验。过去，国产芯片想追赶CUDA，经常会遇到一个相互等待的问题：开发者因为软件不好用而不愿迁移，芯片厂商又因为缺少用户和真实工作负载，很难快速完善软件。

开放模型正在改变这个循环。

DeepSeek、Qwen和Kimi等模型公开后，国产芯片厂商不需要等待获得模型公司的内部授权，就可以立即进行适配和优化。模型架构、权重和推理代码，成为测试芯片、开发算子、优化内存调度和验证集群能力的真实工作负载。使用这些模型的企业越多，国产芯片获得的测试机会和实际需求也就越多。

这并不意味着国产芯片已经追上Nvidia。芯片性能、高速互联、集群稳定性、软件工具和开发体验，都需要很长时间积累，CUDA经过多年形成的生态也不会因为几个开放模型出现就迅速消失。

但过去国产芯片需要同时解决没有前沿模型、没有开发者、没有应用和软件不成熟等多个问题，现在至少已经拥有了一批能力足够强、影响力足够大的开放模型，可以围绕它们持续进行适配和改进。

中国模型越开放，采用这些模型的企业越多，国产芯片获得的真实工作负载也越多；工作负载越多，软件和算子优化得就越快；性能和体验逐渐达到可用水平之后，又会有更多企业愿意迁移。这同样是一个生态逐渐形成的过程，与CUDA早期通过开发者和应用积累优势的路径，并没有本质区别。

所以，更准确的说法不是黄仁勋推动开放模型“帮助了中国芯片”，而是黄仁勋所倡导的开放生态机制，中国也在使用。

在Nvidia能够正常销售产品的市场，模型越开放、部署越分散，Nvidia的客户就越多；在Nvidia难以进入的中国市场，中国模型越开放，国产芯片获得的模型、工作负载和开发者也越多，建立独立生态的速度也可能越快。

这是两套方向相同、底层平台不同的开放生态。

CUDA的护城河，也可能被AI加速追赶

CUDA的护城河并不只是一套编程接口。大量开发者熟悉CUDA，主流AI框架优先适配Nvidia，各种算子、工具、文档和工程经验都已经围绕它积累。竞争对手需要替代的，是一整套经过多年发展形成的工程体系。

但我觉得，这种优势虽然仍然巨大，却不能因此认为它永远不会被追上。

过去，把CUDA代码迁移到其他硬件平台，需要工程师重新适配代码、优化算子并解决框架兼容问题，这些工作既昂贵又耗时。随着AI编程能力继续提高，代码迁移、算子生成、性能分析和底层优化，都会越来越多地由AI辅助完成。过去需要一个工程团队几个月才能完成的适配，未来可能被明显缩短。

AI不仅会降低应用开发的成本，也会降低芯片和软件生态追赶的成本。国产芯片过去最难弥补的，正是围绕CUDA形成的大量软件和工程积累，而AI恰好能够提高代码迁移、兼容适配和性能优化的效率。

Nvidia显然也在为这个未来做准备。它正在把护城河从GPU和CUDA继续扩大到高速互联、网络、机架系统、部署工具和行业生态。即使未来出现越来越多的自研芯片和专用芯片，只要它们仍然需要接入Nvidia提供的系统，Nvidia就可以继续保持产业中的重要位置。

黄仁勋推动开放权重，也是这套平台战略的一部分。模型可以自由竞争，企业可以选择不同的模型和芯片，但Nvidia希望自己仍然是最成熟、最容易使用的底层平台。

开放不会自动属于任何一家公司

所以，黄仁勋推动开放权重，不能简单理解为Nvidia想通过开源多卖一些GPU。这个判断虽然没有错，但还不够完整。

更深层的变化是，模型公司正在向下进入芯片市场，而Nvidia则试图通过开放模型，把自己的市场从少数模型公司扩展到整个产业。OpenAI、Google等公司希望控制从芯片、模型到产品的完整链条，Nvidia则希望无论哪一家模型公司胜出，最终都需要使用它提供的计算平台。

这是两种不同的平台战略。

模型公司希望通过闭源模型和API，把用户、数据、应用和算力集中到自己的体系中；Nvidia则更希望模型能够自由流动，让企业、政府和开发者自己部署，因为只有模型被部署到更多地方，计算平台的市场才会变得更大。

指出Nvidia的商业利益，并不意味着黄仁勋对开放生态的支持是虚假的。Linux的发展从来不是依靠一群没有商业目的的人完成的，服务器厂商、芯片公司、云计算公司和软件企业都从开源中获得了巨大利益，但这并没有否定Linux对整个产业的价值。一个开放生态要长期发展，本来就需要让参与其中的公司获得回报。

但开放一旦发生，也不会自动属于任何一家公司，更不会只服务于一个国家的产业目标。

美国希望通过开放权重扩大模型影响力，维持美国在AI产业中的领导地位；Nvidia希望开放模型被部署到更多地方，从而扩大自己的计算平台市场；中国模型厂商也在通过开放权重吸引开发者，为国产芯片和软件框架提供真实工作负载。

它们使用的是相似的生态逻辑，只是最终希望建立的底层平台不同。

黄仁勋当然希望世界既拥有最前沿的闭源模型，也拥有最前沿的开放模型，但无论哪一种模型胜出，最好都运行在Nvidia搭好的基础设施上。中国开放模型和国产芯片的发展则说明，未来也可能形成另一套生态：模型同样开放，开发者同样活跃，只是底层计算平台不再完全依赖Nvidia。

这才是开放权重对Nvidia最复杂的地方。它可以帮助Nvidia对抗闭源模型公司和自研芯片，扩大自己的客户和生态；但开放作为一种产业机制，也会帮助其他芯片平台获得模型、开发者和应用。

黄仁勋想用开放模型守住Nvidia，中国也正在用同样的方法，建立一套不依赖Nvidia的AI生态。