“英伟达为什么没有成为顶尖大模型公司？”这是知乎上一个关于英伟达大模型的热门问答。
根据多模型聚合API平台OpenRouter最新完整周度调用榜单（8月3日—9日），英伟达Nemotron 3 Ultra的模型调用量排名第8位，落后于DeepSeek-V4-Flash、腾讯混元Hy3、小米MiMo-V2.5和智谱GLM 5.2等中国开源大模型。
虽然调用量的多少并不能直接说明大模型性能强弱，但英伟达对开源模型的投入却是实打实的。当地时间8月11日（北京时间8月12日），英伟达发布了开源大语言模型Nemotron 3.5 Lightning，以及面向Agent的开源智能路由库NeMo Switchyard。
记者注意到，Nemotron 3.5 Lightning是英伟达创始人兼CEO黄仁勋7月底公开呼吁美国政府支持开放模型、避免过早限制AI创新后发布的首款开源模型。另据知情人士透露，Nemotron 3.5 Lightning只是英伟达扩大开源模型投入的一部分，该公司正在开发至少1万亿参数的Nemotron 4系列模型，对标全球前沿开源大模型。
“英伟达手握充沛算力储备，却并未全力角逐顶尖通用大模型赛道，本质是出于维护其硬件生态的战略权衡。”资深人工智能专家郭涛认为，英伟达自研Nemotron系列更多充当硬件生态配套工具，核心目标是实现软硬件协同调优，而非追逐通用能力榜单的极致表现。一旦全力押注通用基座大模型，将不可避免与云厂商、AI创业公司等下游核心客户形成直接同业竞争。
美国开源大模型唯一希望
目前，英伟达开源的大模型主要是Nemotron系列，比如去年12月推出的Nemotron 3系列，并组建了包含Reflection、Cursor、Thinking Machines、Mistral等在内的“Nemotron联盟”。
此外，该公司还推出NIM推理微服务，若如前述的那样，英伟达正在研发万亿参数级别的模型，无疑会把开源模型再推上一个高度。
“美国在开源大模型赛道已经落了下风，英伟达是唯一的希望。英伟达的商业利益决定了它不希望AI被任何单一公司垄断，发布开源模型是最优解。”知名AI研究员Nathan Lambert曾这样评价英伟达开源模型战略与Nemotron 3系列。
随着月之暗面2.8万亿参数的Kimi K3大模型的发布和开源，前沿开源模型逼近最强闭源模型的说法越来越多，而万亿参数已是开源大模型战火的最前线。
8月12日深夜，阿里云“魔搭ModelScope社区”公众号宣布，阿里Qwen团队正式开放Qwen3.8-2.4T-A95B模型权重，此次是Qwen-Max级别的模型首次开源权重，模型总参数为2.4万亿，采用MoE稀疏架构。
另据晚点LatePost援引知情人士称，字节跳动正在推进一款超大规模大模型的预训练工作，参数规模上限可达10万亿，综合体量可对标Anthropic旗下顶级模型Mythos系列。
开源大模型在性能上逼近闭源模型的同时，却能以数分之一的价格和相对自由的部署方式提供服务。
8月13日，1.6万亿参数的DeepSeek V4 Pro（开源）正式版上线，Space XAI则发布了最新版的大模型Grok 4.6（暂时闭源），在第三方评测榜单上，两者性能虽均属全球第一梯队，但前者仍占据价格优势，输出价格不足后者七分之一。
需要指出的是，当前达到万亿参数规模的大模型全部采用MoE（混合专家）稀疏架构，标注的“总参数”为所有专家层与共享层的参数总和。
“感觉更多的是秀肌肉、布局和抢占市场，尤其是企业端的市场。”对于英伟达新推出的开源模型Nemotron 3.5 Lightning，AI算法专家黄颂如此表示。
而世界模型研究者朱政认为英伟达之所以在模型层面没那么出色，其实和公司组织、文化相关。“很多公司的组织不适合干模型，虽然英伟达有很多钱，但人才的流动比较奇怪。”他说。
国内大模型错位竞争的发展机遇
视线再回到英伟达Nemotron 3.5 Lightning上。据悉，Nemotron 3.5 Lightning同样采用MoE架构，包含300亿参数，可以在一台个人电脑上的单个GPU上运行，并向企业免费开放下载、使用和修改，无须获得英伟达许可，也无须支付费用。
英伟达将该模型定位为Agent执行长程任务中的工作模型，主要负责工具调用、检查工具返回结果、整理输出格式和运行代码命令等高频操作。黄仁勋发帖将其概括为“智能、快速、高效且开源”。
根据大模型测评机构Artificial Analysis对总参数量低于400亿的开放权重模型的测试，Nemotron 3.5 Lightning的Intelligence Index得分为24分，与OpenAI的gpt-oss-120b相当，输出速度约为670 token/s，是唯一进入高速度、高得分区域的模型。
在郭涛看来，英伟达虽然推出开源大模型，但并未向通用顶尖大模型厂商方向演进，“核心根源来自企业顶层战略定位的取舍”。
他表示，在商业底盘维度，GPU硬件才是英伟达的基本盘，通用大模型赛道会直接与大量付费客户形成竞争关系，如果全力打造闭源通用大模型，会削弱云厂商、AI创业公司的采购意愿，冲击硬件销售这一核心利益。
“在产品研发维度，Nemotron系列更多属于服务硬件生态的配套产物，模型优化优先围绕自家芯片做适配调优，目标是充分释放GPU算力效能，而非追求通用能力榜单的极致跑分。”郭涛表示，在生态运营维度，英伟达更偏向做基础设施供给方，通过开源模型、框架工具降低客户二次开发门槛，让更多企业基于其软硬件堆栈训练自有模型，借生态扩张来拉动芯片需求。
“对比专门做大模型的企业，英伟达缺少面向C端、ToB场景的产品化落地闭环，模型仅作为生态补充，企业资源持续向算力硬件倾斜，不会将通用大模型作为核心业务来全力攻坚。”郭涛这样总结道。
那么，再回看“英伟达手握算力与开发者生态的核心优势，为何没能跻身顶尖大模型公司”这个问题时，业内人士认为，英伟达在意的是让所有模型能在其硬件和生态里运行，而不必纠结其大模型是否跻身顶尖行列，前提是这些模型得好用，就像黄仁勋所说的“英伟达是目前全球唯一一个能够运行所有AI模型的平台”。
何况高质量开源模型越多，能够训练、微调和部署AI的企业就越多，英伟达硬件的潜在客户范围也会随之扩大，届时其也不是只卖芯片的“AI卖铲人”。
郭涛指出，英伟达这样的产业分工格局，为国内大模型企业创造出错位竞争的发展机遇，DeepSeek等本土厂商迎来差异化突围窗口。“算力侧主动拥抱多元硬件体系，完成与国产加速芯片的深度适配，降低对单一算力生态的依赖。”
盈亚配资提示：文章来自网络，不代表本站观点。
