芯耀
与非AI
347
英伟达正在参与Thinking Machines Lab的新一轮融资，拟出资约25亿美元。后者以至少400亿美元估值募资5亿至6亿美元，该公司目前的年化收入已超1亿美元，但估值较去年高点有所回落。其创始人Mira Murati拥有绝对投票控制权。这笔交易在折射出英伟达从芯片供应商向AI生态资本配置者的战略意图的同时，也伴随人才流失、竞争加剧与治理集中等潜在风险。
战略层面：从卖铲子到挖矿人的模式转变
这笔投资是英伟达资本配置者战略的延续与深化，而非孤立事件。过去五周内，英伟达完成了一系列在模型层的资本部署：以约129亿美元收购开源平台Hugging Face、向AI编程初创Poolside投资10亿美元并斥资60亿美元获取技术授权、向AI搜索公司Perplexity投资超过300亿美元。这一系列动作在硬件公司历史上没有先例。Thinking Machines Lab 对英伟达的特殊战略价值体现在以下三个维度：
第一，锁定巨量算力需求。今年3月，双方已签署多年期合作协议，Thinking Machines Lab将部署至少1吉瓦（GW）的英伟达下一代Vera Rubin系统，首批部署目标在2027年初。1GW的算力规模意味着数十亿美元的芯片采购，这笔25亿美元的投资本质上是将资本支出转化为对自身产品的需求锁定。
第二，押注开源生态的“美国代表”。在全球开源权重模型竞争中，DeepSeek、GLM等中国模型占据主导地位。Thinking Machines Lab于2026年7月发布的Inkling模型（2760亿参数）被视为“美国最强开源模型”，其Tinker平台通过按使用量收费的算力费用产生收入。英伟达投资Thinking Machines Lab，是在开源AI生态中扶持一个能够抗衡中国模型的美国标杆。
第三，构建“资本-算力-模型”的闭环飞轮。英伟达正在从纯粹的硬件供应商，转变为决定哪些前沿实验室能够生存、以何种条件生存的资本配置者。投资、算力供应和模型开发生态三者已不再是独立议题，而是相互强化的战略闭环。
财务与估值层面：400倍年化收入估值是否合理？
从纯粹的财务估值角度看，这是一笔极其昂贵的投资。根据公开信息，目前Thinking Machines Lab的年化收入已超过1亿美元，主要来自Tinker平台的企业客户基础设施使用费。以400亿美元投前估值计算，隐含估值倍数超过400倍年化收入。即便在2026年AI赛道泡沫化的背景下，这也是一个极端倍数。
不过，这里需要注意两个修正因素：其一是估值已有所回调。2025年底公司曾寻求500亿至600亿美元估值，本轮400亿美元估值实际上是一次降价融资。这一回调可能与三位联合创始人（包括Lilian Weng、Luke Metz等）重返OpenAI的人才流失有关。其二是英伟达的25亿美元并非单纯的财务投资。它与既有的1GW算力供应协议深度绑定，应被视为“战略资本+商业合同”的组合，而非以退出回报为目标的纯VC投资。
风险与挑战
从投资视角审视，一些风险值得高度关注：
首先是人才留存风险。Thinking Machines Lab的核心资产是Mira Murati及其从OpenAI带来的研究团队。但已有数位联合创始人回归OpenAI，这暴露出前OpenAI团队叙事的脆弱性——OpenAI可以随时召回这些人才。
其次是模型竞争力存疑。在多项基准评测中，Inkling落后于Kimi和GLM等竞品，而调用价格反而更高。开源模型领域的技术迭代极快，差异化优势能否持续尚不确定。
其三是治理集中风险。相关信息显示，Murati在重大公司决策上拥有投票控制权，无论其他董事如何投票。这种治理结构对中小投资者（包括英伟达）的保护有限。
其四是反垄断审查风险。英伟达在AI芯片市场已占据主导地位，持续大规模投资AI模型开发商可能引发监管机构对其垂直整合和市场垄断的担忧。
结语
从投资角度看，这笔交易的合理估值不应仅从财务倍数理解——它本质上是一笔生态税：英伟达通过向最有前途的开源模型开发商投入资本，既锁定了巨量GPU订单，又在开源AI生态中植入了有利于自身算力需求的战略锚点。
然而，400亿美元估值对应1亿美元年化收入、叠加核心人才回流OpenAI的风险，使得这笔投资在纯财务回报层面存在显著不确定性。英伟达的真正回报可能不在Thinking Machines Lab的股权增值，而在于这25亿美元撬动的1GW算力部署所带来的数十亿美元芯片收入。这是硬件公司作为“资本配置者”与传统VC投资逻辑的根本区别。因此，市场会更多关注这笔交易对英伟达芯片需求的拉动效应，而非Thinking Machines Lab本身的估值逻辑。
