作者｜周一笑（smiletalker）
作者｜王兆洋（Geisterspiele）
几个月狂砸400亿美金。英伟达就这么明晃晃在所有人注视下完成了又一次重要的转身。
过去几个月，在OpenAI和Anthropic们每日不停制造着各种吸引眼球的新闻，但模型事实上整体停滞的行业浮躁阶段，黄仁勋在所有人眼皮子底下通过罕见的节奏和大手笔砸钱，可能再次迅速完成了这家公司又一次历史性的转变。
在 Dealroom 列出的交易中，Mellanox 之后、2025年大额出手之前，英伟达已完成收购的单笔金额最高约7亿美元。而如今在Poolside、Essential AI、HugginFace，以及此前的Groq和接下来瞄准的Reflection身上，几十亿、上百亿美元的交易安排连着出现，密度与规模在英伟达自身历史上都很突出。
这家全球市值最高之一的公司，正在接连吸收研究团队、购买训练技术，宣布收购开发者平台，把AI基础设施业务积累的资本、人才和组织能力，投入到了自己的前沿模型研发。
它的目标很明确，它将不再只是一家制造GPU、网络设备和数据中心的AI基础设施公司，而是在转向一家同时制造计算系统与前沿智能的公司。芯片、网络和整机系统仍然是它的根基，但模型、训练方法和智能体能力，正在成为它要亲自生产的另一类核心产品。
连续砸出400亿美金
60亿美元，获得一家模型公司的非独家技术许可。再拿出10亿美元，投资这家公司。
这是英伟达今年8月与 Poolside 达成的交易安排。据报道，109名员工同时收到了英伟达的工作邀请，其中一批研发人员将进入英伟达自己的模型项目 Nemotron。Poolside 的创始人则留在原公司。
Poolside 成立于2023年，联合创始人包括前 GitHub CTO Jason Warner 和 Eiso Kant。它从代码智能出发，把强化学习视为通向更强智能的重要路径，并建立了一套被称为 Model Factory 的模型研发系统。英伟达为之支付的60亿美元，指向一套已经实际产出模型的研发技术。
交易背后有很有趣的细节。据对 Poolside 投资者信的报道，2025年底，公司曾需要在六周内筹到20亿美元，以取得一项包含4万颗 GB300 的集群安排。融资没有及时完成，它失去了这项安排。随后，制造这些芯片的公司，成了它的技术许可买家，并向研发人员发出大批工作邀请。
这笔交易之后不到半个月，英伟达又宣布了另一笔更大的交易：以约129.3亿美元收购 Hugging Face。其中约119亿美元支付给股东，另有最高约10亿美元的员工股权留任安排。
两笔交易安排，加起来接近200亿美元。
Hugging Face 在英伟达心里的位置也很明确。它连接着超过1800万名开发者、研究者和创作者，平台上有超过300万个模型，逾20万家公司通过它发现、评估、定制和部署AI。英伟达准备买下的，是一个已经运转起来的开发者平台。
黄仁勋在宣布交易时承诺，平台会继续支持开发者选择不同的模型、框架、云和计算平台，使用 Hugging Face 不以采用英伟达硬件为条件。平台的开放性，是它能够连接如此多开发者的重要原因。收购协议目前尚待交割。
黄仁勋还在公告里透露，是 Hugging Face 联合创始人 Clément Delangue 在考虑公司的下一步时找到他，希望英伟达成为公司的新归宿。一家连接整个模型社区的平台，主动把未来托付给了原本主要提供计算的公司。
如果把时间再往前拨两个月，另一位重要人物已经进入英伟达。
今年6月，有报道称，Transformer 论文第一作者、Essential AI 创始人 Ashish Vaswani，与该公司的多名研究人员加入英伟达，参与 Nemotron 研发。金额没有披露。Essential AI 此前发布过从头训练的开放模型 Rnj-1，团队具备从模型架构到训练、后训练的实际经验。
这里还有个耐人寻味的细节：AMD 是 Essential AI 的早期投资者。按照 Essential 自己发布的技术介绍，团队的训练基础设施包括谷歌 TPU 和 AMD MI300X。如今，其中一批研究人员进入了英伟达。它吸收的还包括曾经在其他计算平台上造模型的经验。
而据多家机构报道，英伟达最新的目标瞄准了 Reflection AI。
这家公司由前 DeepMind 研究者 Misha Laskin 和 Ioannis Antonoglou 创办。后者参与过 AlphaGo、AlphaZero 和 MuZero 的研发，把强化学习、自我博弈和智能体研究的经验带到了新公司。英伟达此前已经向 Reflection 投资约8亿美元；它今年融资时的投前估值达到250亿美元。双方现在讨论的方案包括追加投资、完整收购，以及招聘人员并获得技术授权。谈判仍处于早期。
而在这一系列密集出手里，还包括一笔不能遗漏的硬件交易。
去年12月，英伟达与推理芯片公司 Groq 达成非独家技术许可协议，Groq 创始人 Jonathan Ross、总裁 Sunny Madra 等人加入英伟达。媒体报道交易安排约200亿美元，双方没有公布金额。
已经拥有GPU优势的英伟达，仍然愿意以如此高的价格，把另一条推理计算路线及其核心团队纳入自己的体系。今年8月，英伟达的财报产品清单里，已经出现了进入全面生产的 NVIDIA Groq 3 LPX 推理加速器。
把 Groq、Poolside 和 Hugging Face 放在一起，按公开报道和已宣布的交易安排计算，不到一年，规模接近400亿美元。这涉及技术许可、人才吸收、股权投资和待交割收购，不能统称为已经支付的并购现金。但下注的分量已经足够清楚。
同样清楚的是它选取资产的方式：Groq 的技术与领导者进入英伟达；Poolside 留下创始人，英伟达取得技术许可并大规模招聘研发人员；到了 Hugging Face，它选择购买整个平台。
这些不同的交易结构，对应着不同的目标。英伟达正在挑选自己下一步需要的人、技术和组织，而这些交易共同指向同一个判断：它正在从AI基础设施公司转向同时制造计算系统与前沿智能的公司。Groq补足推理计算，Poolside补足模型生产，Essential AI和Reflection补足前沿研究，Hugging Face则可能把模型与开发者生态连接起来。
英伟达已经是一个Frontier Lab
2016年，黄仁勋亲自把第一台 DGX 系统送到 OpenAI 的旧金山办公室。那张照片里，他站在机器旁，打开GPU托盘，向这家年轻实验室展示新的计算工具。
十年后，他正在为英伟达自己组织更大的模型研发力量。
架构研究、数据、训练系统、后训练、评估，一间前沿实验室需要的核心环节，正在这家公司内部进一步汇合。Poolside 的交易尤其能说明这件事。
Model Factory 是它持续生产模型的研发系统。数据处理、训练实验、评估和后训练被组织进同一套流程，研究人员可以通过配置实验来调用这些能力。按照公司自己的技术介绍，一些过去需要数周安排的工作，如今可以在一小时内完成调度。
Kant 在接受 Latent Space 访谈时估计，不到70名研究人员，加上约35名工程师，每月可以运行约1万至2万次实验。模型研发周期也从半年缩短到五周、八周。这些数字呈现的是一支团队持续验证想法、把实验积累带进下一款模型的效率。
单个模型只是这套流程阶段性的产物，难以复制的是背后的数据、训练系统、实验基础设施，以及反复试错后积累的经验。英伟达取得的技术许可和研发人员，指向的是持续生产下一款模型的能力。
今年7月，Poolside 发布 Laguna S 2.1。从启动预训练到发布，不到九周。这种速度建立在前几代模型的研究、数据、架构实验和评估系统之上；新一代模型继续使用此前积累的工作，而研发系统负责把它们组织起来。
人才与系统一起进入英伟达，才是这笔交易最值得重视的部分。60亿美元买进的能力，可以继续产出下一代、再下一代模型。
英伟达自己也早已有模型研究的基础。今年6月发布的 Nemotron 3 Ultra，拥有5500亿总参数、550亿激活参数，预训练使用了20万亿 token，随后经过监督微调、强化学习等后训练过程。权重、训练数据和配方向外公开。
在此之前，英伟达还成立了 Nemotron Coalition，与 Mistral、Reflection、Thinking Machines Lab 等公司合作推进前沿开放模型。其中，与 Mistral 共同开发的基础模型被明确列为后续 Nemotron 4 的基础。
收购与人才吸收，把这项既有事业推向了更大的规模。Vaswani 等人带来研究力量，Poolside 带来一批经历过完整模型生产过程的研发人员和训练体系，Reflection 若最终加入，则会继续补充前沿模型与强化学习能力。
一间巨型前沿模型实验室，已经在英伟达内部搭建并扩张起来。它有自己的模型、研究人员、训练方法和工程系统，目标直接指向下一代智能。
如今讨论前沿模型实验室，必须把英伟达放进同一张名单。它在这个名单里的特殊之处，是实验室背后还有一个完整的计算帝国。
这间实验室还有一个独立模型公司很难原样复制的条件。设计GPU、网络与整套计算系统的组织，就在同一家公司里。
模型架构发生变化，显存、带宽、通信和调度的瓶颈也会跟着变化。研究团队看到的问题，可以反馈进硬件和推理软件的研发；新的计算能力，又可以成为下一轮模型实验的条件。英伟达能够同时改进机器，以及机器运行的模型。
Kant 在同一场访谈里说，基础模型与硬件、系统紧密联系；新一代网络和计算系统，会推动模型能力出现阶段性进步。这个判断，如今有了一个具体的组织载体：Poolside 的模型研发人员正在与制造这些系统的公司结合。
模型公司的军备竞赛，也在为这间实验室积累资本。客户购买计算，英伟达获得收入和利润，再把资本投入自己的模型生产能力。前沿模型研发的账，可以放进整个计算业务中衡量。
这一轮大下注，黄仁勋赌的是：英伟达长期积累的系统工程能力，与一流模型研究结合，能够产生新的突破。芯片已经做到了全球顶峰，它还要在智能本身上取得技术成绩。
如果 Hugging Face 交易完成，这套体系还会获得一个成熟的开发者平台。模型从产出到被发现、测试、修改和部署，有机会被进一步连接起来。
顶级研究者、持续产出模型的训练体系、自研GPU与网络、足以长期支撑研发的现金流，已经在英伟达内部汇合。Hugging Face若并入，开发者入口也将加入这个组合。一家前沿实验室、一家计算系统公司和一个模型分发平台，正在被组织进同一家公司。资源与组织的门槛已经跨过，下一道硬门槛，是能否持续拿出领先模型。
前沿模型已经成为英伟达需要直接交付的研发成果。模型与芯片，将共同决定这家公司接下来能够走多远。英伟达正在把计算系统和前沿智能放进同一套研发、资本和组织体系中。它要制造的，不只是让别人训练模型的机器，也包括由这些机器训练出来的下一代模型和智能体。
黄仁勋式的又一次历史性转身
这一轮下注发生在英伟达最赚钱的时候。最近一个季度，公司收入962亿美元，同比增长106%，净利润约596.9亿美元。现有业务仍在高速增长，它已经开始用大笔资金改变下一阶段要做的生意。
CUDA 已经体现过这种选择的分量。2006年，英伟达开始把GPU的并行计算能力开放给通用计算。黄仁勋后来回忆，支持CUDA增加了芯片成本，当时却缺少应用，客户也不愿为它付溢价；这项投入花了大约十年才开始奏效。游戏生意承担了新能力的早期成本，也为英伟达积累了后来进入AI计算的开发者基础。
2019年收购 Mellanox 时，69亿美元的标价，接近英伟达上一财年末74.22亿美元现金及有价证券的九成三。它提前买入了将整个数据中心作为计算机来设计所需的网络能力。此后，400亿美元的Arm收购失败，软银保留12.5亿美元预付款，也给这种扩张标出了真实的代价。
这些决定呈现出同一种行为模式：在现有业务还能持续获利时，就为下一阶段必须掌握的能力付出大笔成本。每一笔投入都在扩大公司要制造的东西。CUDA把游戏芯片推向通用计算，Mellanox把计算机的边界扩大到整个数据中心，今天的模型交易则把智能本身纳入英伟达的核心研发。
黄仁勋从1993年起一直担任CEO。33年的连续领导，让早期支付的技术成本、后来获得的商业回报和下一次下注，始终处于同一条决策链上。他能够亲自承担一个判断的代价，等到它兑现，再用结果动员公司接受更大的投入。英伟达的长期决策，由此有了一个持续负责的执行者。
他在今年与 Lex Fridman 的访谈中解释过自己的做法：正式宣布方向以前，持续用新信息和工程进展，向董事会、管理层和员工解释理由。过去的成功积累了他的技术信用，今天的利润和产业地位又扩大了可调用的资源。这让一位企业家的技术判断，能够调动规模罕见的资本、人才与工程能力。
英伟达已经拿走上一阶段AI计算生意中的丰厚回报。黄仁勋现在把它变成研发前沿智能的资本，并把研发组织放进自己经营了33年的计算公司。
CUDA 让研究者可以在GPU上实现自己的算法。这一轮，英伟达把一批研发前沿模型的研究者和工程组织也纳入公司，直接参与决定下一代智能如何实现。
这家公司的未来，将同时由它设计的计算系统与它研发的智能决定。
做了三十三年计算机的黄仁勋，正在把智能研究变成自己公司的又一项核心事业。英伟达正从一家主要为前沿智能提供基础设施的公司，转向一家同时制造计算系统与前沿智能的公司。它过去制造训练智能的机器，未来还要制造机器中的智能；过去的计算优势将成为模型研发的基础，而模型研发的结果又会反过来定义下一代计算系统。
看起来，黄仁勋还得继续赢下去。
