Nathan Lambert 分析黃仁勳離開後,美國開放模型生態面臨的難題
Nathan Lambert 分析黃仁勳辭職後美國開源模型生態的真空
美國開放模型生態仍在摸索商業模式,黃仁勳離開輝達,可能讓原本的資金與倡議支援減少。
- Nathan Lambert 認為,輝達接下來得先穩住公司並向客戶交付,開放模型未必還能得到同樣投入。
- 而算力不足、人才分散,也讓美國團隊難以追上中國開放模型。文章也提醒,監管風險可能升高,並認為要讓這個生態長久發展,美國需要培養真正具前沿實力的開放模型團隊。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
文章從算力、人才與監管風險分析美國開放模型生態的脆弱處,也說明輝達的支援為何可能影響這個生態的發展。
Nathan Lambert:Interconnects·2026-11-14 20:23· 32 分鐘前精選AI 評分80
Open-source AI without Jensen
AI 導讀
Nathan Lambert 撰文分析 Nvidia CEO 黃仁勳辭職對美國開源模型生態的衝擊,認為 Nvidia 對開源模型的資金支援很可能隨黃仁勳的離開而乾涸,公司首要目標是穩住局面並向客戶交付。
推薦理由
作者長期跟蹤開源模型生態,從 Nvidia 內部支援機制、監管風險到美國缺位問題給出了完整分析框架。

輝達CEO黃仁勳的辭職對美國開放模型生態的發展是一大挫折。輝達在支援開放模型上仍有財務利益,即避免權力集中在少數客戶手中——這些客戶會自研晶片,從而削減輝達的利潤;但支援開放生態與其說是一個靠工程手段硬啃就能解決的難題,不如說是一道棘手的謎題。
眾所周知,輝達的業務運營極度依賴黃仁勳這位掌舵者,因此外界普遍認為前路充滿挑戰(甚至可能出現更多高調的離職,無論是經由晶片走私調查,還是老套的鯊魚環伺、覬覦可挖角的人才)。輝達的頭號目標是穩住大局、在未來24個月內向客戶交付,並防止崩盤。開放模型一直是黃仁勳較為雄心勃勃的、創始人風格的押注之一。他一直在向這一領域大量注資,而這種投入很可能會枯竭。
Interconnects AI 是一份由讀者支援的出版物。要接收新文章並支援我的工作,歡迎成為免費或付費訂閱者。
在這一時期,開放模型經濟尚處於萌芽階段。這幾年對於確立用例、收入流以及繼續訓練下一代模型的動機至關重要。我在 Fireworks Forge 最近的演講中討論了這些早期年份的敏感性(幻燈片、錄音)。核心論點是:開放模型有一個利好、一個值得樂觀的理由,以及一個利空。
利好的一面是,開放模型經濟正確地抓住了“智慧所有權”和企業後訓練這一關鍵賽道。尚待確定的是下游市場究竟有多大。
利空的一面是,在算力如此緊缺的情況下,開放模型作為真正商品化智慧的長期真正益處還遠未實現。短期內,推理初創公司同樣難以獲得足夠的晶片(因為 Anthropic 和 OpenAI 買走了太多產能),開放權重模型之間的利潤競爭微乎其微。如果開源模型也以巨大的推理利潤率提供服務——正如我們從 DeepSeek 的 DeepInfer 釋出中所瞭解到的——那它們就遠非商品。在這種範式下,擁有更好規模經濟、以及從模型到資料中心和晶片一體化整合的閉源實驗室將會勝出。我在最近一篇關於開放模型經濟的文章中詳細闡述了這一挑戰。
綜合來看,開放模型要成為有意義的經濟引擎,還需要很多事情都走對。黃仁勳的支援與保護,給了這個生態時間去弄清楚這一點。
黃仁勳不僅僅是個啦啦隊長。當早期風向初起時,他能阻止很多糟糕的事情發生。他願意在開放模型上動用自己的權力。
民主黨政府正大幅增加對主張監管 AI 行業、推動“安全”的候選人的資助。這些人中不少覺得自己必須做點什麼,普遍認為開放模型不安全,卻並不瞭解開放模型在收益上的複雜性。我近期最大的擔憂是州層面的草率監管,其次是國家級監管。從今年夏天起,我們一直距離一場危機只差一個強大的中國開放權重模型。這一判斷至今仍然成立——尤其是我們正進入一個動盪的網路安全新均衡。我們還沒有看到由流行的中國開放權重模型驅動的大規模駭客攻擊,但這不是會不會發生的問題,而是何時發生的問題。當“開放權重鷹派”開始追獵時,需要有個人來倡導謹慎和生態視角。
如今推倒開源 AI 的多米諾骨牌很容易——可一旦推倒,再想扭轉下游的權力集中、安全研究的減少以及長期創新受到的壓制,就難得多。從公開資料看,這像是在長期創新與短期風險之間做權衡,但這是因為開放模型經濟實在太難衡量(例如它最有價值的部分跑在私有基礎設施上)。這是整個生態和我的工作反覆面臨的挑戰。
順便說一句,如今媒體生態圍繞的是時機,而不是資訊的確切可得性,這種程度令人難以置信。Jensen 的這些事其實人盡皆知,但選在合適的時機、中期選舉政治風向剛變之後放出,就把這位王者拉下了馬。
今年夏天 Jacob Coxon 的那場風波也是如此。頂級實驗室周圍的那套安全文化早已廣為人知,但圍繞資料中心選對了時機、又借上奧弗頓視窗,就把它變成了全國性議題。開放模型安全也很可能在某個時刻迎來同樣的局面,因為驅動現代媒體演算法的往往是傷害、風險或安全相關的敘事。我無法想像我在開放科學上的工作能引發這樣的媒體週期,因為那永遠不會發生。
唯一持久的解決辦法,是在美國孵化出一個真正處於前沿的開放模型玩家。比如,我完全同意 SemiAnalysis 執行長 Dylan Patel 關於美國開放模型生態一個核心問題的看法。在最近一期 ChinaTalk + SemiAnalysis 的緊急播客中:
Jordan Schneider:我確實想聽聽你們怎麼看這件事有多糟——Jensen 如今已不在美國創新的未來牌桌上了。我們也該談談開放模型。我是說,他可是最大的旗手,對吧?Dylan,你剛才在說——我還是不太明白,為什麼沒人乾脆花個幾十億美元,做出比 Kimi 或 DeepSeek 更好的東西,然後開源。
Dylan Patel:沒那麼簡單。問題不在錢,而在人才。最有才華的那批人基本都在 Anthropic、OpenAI、DeepMind 和 Meta TBD 工作,對吧?剩下的人則分散在上百家創業公司裡。沒錯,Thinking Machines 的團隊確實很強,但它有 Moonshot 那麼強嗎?沒有。論技術水平,Moonshot 大概和美國幾家實驗室不相上下,只是在算力和部署上差距很大。所以我認為,如果沒有規模優勢,你就贏不了。沒錯,這些小實驗室在模型上砸了很多錢,可 DeepMind、Grok、Meta 卻經常落後於中國實驗室的前沿水平,而它們花的錢更多。所以事情不是“哦,花個幾十億美元就能做出更好的模型”這麼簡單。
最能吸引人才的人,是站在運動最前沿的人。Jensen 推動了這件事,但在很多指標上他仍然處於下風。Nemotron 的雄心夠大,人也強,但還沒做到能被稱為“任務完成”的程度。構建前沿模型的競爭,比大多數人以為的要激烈得多。一個擁有數十億美元、靠譜的人手和良好氛圍的組織,未必就能走到那一步。你通常需要一些特別的東西。
也有可能 Thinking Machines 對開源模型的投入已經成熟,最近的 Inkling 2 Small 是這段時間西方最好的開放權重模型。但它仍遠遠落後於 Kimi K3.1 Pro,而人們對智譜下一次 GLM 更新的期待很高。至少我們還在進行這場討論,這是個好跡象,但開放生態裡充斥著這樣的問題和答案——也許他們能做成?另一方面,像 Anthropic 這樣的閉源實驗室看起來像是有史以來最偉大的企業之一,這讓人們對它們路線的長久性更有信心。
Mira 在需要完成下一輪融資時會打給誰?據說以 400 億美元估值進行的下一輪已經板上釘釘,但這不足以長期跟上閉源前沿的步伐。
根本問題在於,開放權重生態需要一個能拿起電話來化解危機的人。前面還有更多挑戰。我們最可能求助的盟友來自超大規模廠商,比如扎克伯格、Andy Jassy 或 Satya。AI 安全社群發起了一場協調一致的行動,把開放模型當作負面靶子,我擔心只有主動出擊才能保持領先。Jensen 扛起這面旗幟大約兩年了,在他 2025 年明確站出來之前,局面一直很混亂。當風險和攻擊註定會上升時,我們這場運動的運營能力卻在退步。我們這些開放模型的信徒該做些自我反思、建立聯盟,去搭建一個新平臺了。有些鞋子已經被倒空,再也裝不回去了。
來源:Nathan Lambert:Interconnects · interconnects.ai