文 | 锦缎 文 | 锦缎 北京时间周二凌晨，O😡penAI和英伟达联合宣布了一份战略合作意向书，计划为Ope😂nAI的AI基础设施部署至少10吉瓦的英伟达系统，英伟达计划👍在系统部署过程中投资高达1000亿美元。 两家公司表示🙌，第一吉瓦的英伟达系统将于2026年下半年上线，采用英伟达的🤩Vera Rubin平台。 OpenAI首席执行官萨姆💯·奥特曼在公告中表示：“一切都始于计算能力。算力基础设施将成😉为未来经济的基础，我们将利用与英伟达共同构建的系统，不仅推动😊新的AI突破，还将大规模赋能个人和企业。” 这笔惊天合😊作意味着什么？ 01 史无前例的规模 这一10吉🤔瓦的项目，代表了AI基础设施前所未有的雄心规模。 英伟⭐达首席执行官黄仁勋在接受CNBC时表示，计划的10吉瓦相当于😂400万至500万个图形处理单元（GPU）的功耗，这与公司今😊年全年的GPU出货量相当，是去年出货量的两倍。 这项投💯资涉及的建设工程将从2026年下半年开始，逐步推进，英伟达的🤗投资会跟着每阶段的部署走。 02 OpenAI的“风险💯管理” OpenAI的算力需求反映了AI开发的残酷现实❤️。ChatGPT现在有7亿周活跃用户，OpenAI得不断突破😘技术来证明自己5000亿美元的估值。训练下一代AI模型需要海😉量算力，这正在改变AI公司融资与花钱的方式。 这次合作🤔解决了OpenAI的燃眉之急。普通融资会稀释股东权益，尤其O👏penAI可能要重组公司。想优先拿到芯片，光靠买可不够，得让🥳供应商也有动力。 但这笔交易的财务结构有点“绕”。Op🎉enAI拿了英伟达的1000亿美元，未来会通过买芯片慢慢“还👍”回去。不管OpenAI最后赚不赚钱，英伟达都稳赚不赔。 💯 这合作时机也反映了AI基础设施的激烈竞争。OpenAI最😆近砸了3500亿美元在云服务上，主要是甲骨文，还有微软和谷歌😊。这次和英伟达的交易说明OpenAI想分散风险，同时确保能用🤩上最先进的芯片。 03 英伟达的“一盘大棋” 对💯英伟达来说，这不只是卖芯片，而是要掌控AI生态。英伟达已经在🚀AI领域四处投资：50亿美元给英特尔做定制CPU，7亿美元投❤️英国数据中心公司Nscale，还花9亿多美元收购AI初创公司👍Enfabrica的团队和技术。 英伟达正从硬件供应商🌟变成AI基础设施的“大总管”。 展开全文 这次投💯资还能帮英伟达应对竞争。AMD正推出性能更强的芯片，云服务商👏也在开发自己的芯片。OpenAI自己也计划明年量产自研芯片。🚀英伟达通过持有客户股份，增加客户换供应商的成本。 这合😁作还能让英伟达偷瞄OpenAI的技术计划。双方会一起优化Op😴enAI的模型和英伟达的软硬件，英伟达能了解OpenAI的开😢发方向，指导自己的研发。即使OpenAI以后少用英伟达的芯片❤️，英伟达作为股东也能分一杯羹。 04 算力基础设施将成😴为未来经济的基础 两家公司都以变革性的视角描述了此次合🤔作。 奥特曼强调“算力基础设施将成为未来经济的基础”。😊黄仁勋描述通过前所未有的数据中心建设支持“下一代智能”。 ❤️ 这一措辞，在当前这个经济不确定时期，的确充满了诱惑。 🤯 上周，美联储在劳动力市场降温迹象中下调了利率。主席杰罗姆😂·鲍威尔指出，“劳动力市场确实在冷却”。传统经济指标建议谨慎😊，而AI投资则则是充满经济衰退的唯一赌注。 作为一份不💯受约束的合作意向，双方这一合作能持续到何种程度，最终取决于向😜人工通用智能的进展——这一目标在定义和时间上仍不明朗。合作假😎设基础设施规模将加速能力开发，创造足以证明投资合理性的经济回🌟报。 05 AI的尽头是电力 为了更直观地理解这❤️一电力需求，10吉瓦大约相当于10座核反应堆的输出功率，每座🤗核反应堆通常输出约1吉瓦。当前数据中心的能耗范围从10兆瓦到⭐1吉瓦不等，大多数大型设施的耗电量在50至100兆瓦之间。 😉 OpenAI计划的基础设施规模将远超现有设施，所需的电😎力相当于多个主要城市的用电量。 奥特曼对超大型数据中心😢交易的雄心可以追溯到一年前。去年9月，Constellati🤔on Energy首席执行官乔·多明格斯对彭博社表示，他听说🙄奥特曼希望建设5到7个各为5吉瓦的数据中心。Digicono🤯mist的亚历克斯·德·弗里斯对《财富》杂志表示，7个5吉瓦🤩的单位将消耗“相当于纽约州用电量两倍的电力”。 美国各😴地正在涌现其他大规模AI基础设施项目。7月，怀俄明州夏延的官🥳员宣布计划建设一个AI数据中心，最终规模将达到10吉瓦——即🌟便在最初的1.8吉瓦阶段，其耗电量也超过该州所有家庭用电量的🤩总和。该项目是否与OpenAI的计划相关尚不清楚。 0🤯6 计算资源走向垄断 在美国的先进半导体出口管制背景下❤️，英伟达与OpenAI的合作，代表了通过优越的基础设施访问权😊维持美国AI领导地位的赌注，同时将关键能力集中在少数玩家手中🔥。 这一合作加剧了人们对AI行业结构的现有担忧。 🙌 英伟达、微软和OpenAI这三家实体通过交叉投资日益控制关😍键基础设施层。微软持有OpenAI的大量股权，同时提供云计算😉服务。英伟达现在通过直接投资和硬件供应关系进一步深化合作。 🎉 英伟达和OpenAI的交易让AI行业的趋势更明显：硬件🔥和软件巨头通过财务捆绑加深技术合作。这既是基础设施的大赌注，❤️也是精明的风险管理。 这合作可能加速AI发展，但也集中🙄了市场力量；可能证明投资价值，但也带来系统性风险；可能巩固美🤔国技术领先，但也限制了竞争。 分阶段结构提供了灵活性，🤗但核心逻辑无法回避——AI发展需要巨大规模，而规模需要超级合🚀作。最初，这像是快速增长期的临时协调。现在，它像是永久的行业🥳格局。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新🙄一期的国际权威期刊Nature（自然）中，DeepSeek-🔥R1推理模型研究论文登上了封面。该论文由DeepSeek团队🤩共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发🎉大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na😅ture封面，也是全球首个经过完整同行评审并发表于权威期刊的😀主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🤯可。 Nature在其社论中评价道：“几乎所有主流的大😊模型都还没有经过独立同行评审，这一空白终于被DeepSeek❤️打破。” 中国AI大模型的“Nature时刻” 😘自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终👍缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡🙄有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🎉 DeepSeek以其公开性和透明性打破了这一局面。D😆eepSeek-R1模型的研究论文最早于今年年初发布在预印本🙄平台arXiv上。自今年2月14日向Nature投递论文至今🙄，历经半年，8位外部专家参与了同行评审，DeepSeek-R👍1推理模型研究论文终获发表，完成了从预印本到Nature封面🤗的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方🤔法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😅和可重复性的可喜一步。 因此，Nature也对Deep🤩Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😜主流的大模型都还没有经过独立同行评审，这一空白终于被Deep🌟Seek打破。”全球知名开源社区Hugging Face机器🙌学习工程师Lewis Tunstall也是DeepSeek论😢文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这😡种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的😅潜在风险。” 据了解，DeepSeek本次在Natur🤔e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🤯不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细😂节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😴提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行😂了全面评估。 其中，在训练成本方面，R1-Zero和R⭐1都使用了512张H800GPU，分别训练了198个小时和8😀0个小时，以H800每GPU小时2美元的租赁价格换算，R1的👏总训练成本为29.4万美元（约合人民币209万元）。不到30🤯万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可👍谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏🚀”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😀然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😜的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型😘输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O😀penAI称它发现DeepSeek使用了OpenAI专有模型😁来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 😍 R2何时问世引发关注 自今年年初发布R1以来，D🙄eepSeek在全球树立了开源模型的典范，但过去数月，外界对😎于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2💯的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有👍关。 展开全文 值得注意的是，今年8月21日，D🤩eepSeek正式发布DeepSeek-V3.1，称其为“迈🚀向Agent（智能体）时代的第一步”。据DeepSeek介绍🚀，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同🤗时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🙄时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新😜模型在工具使用与智能体任务中的表现有较大提升。 由于R🥳1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路🎉上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🤯强调DeepSeek-V3.1使用了UE8M0 FP8 Sc🚀ale的参数精度，而UE8M0 FP8是针对即将发布的下一代🙄国产芯片设计。这也表明未来基于DeepSeek模型的训练与推🌟理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🎉态一度带动国产芯片算力股股价飙升。 中国银河证券研报指😘出，DeepSeek从V3版本就开始采用FP8参数精度验证了😎其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟😅制程（12-28nm）上接近先进制程英伟达GPU的算力精度，😁DeepSeek-V3.1使用UE8M0 FP8 Scale😅参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😉的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😜拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😍换取数量级性能的提升，国产算力芯片将迎来变革。 责编：👏万健祎 校对：王朝全 版权声明 " Typ😡e="normal"@@--> 证券时报各平台所有原创⭐内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关🙌行为主体法律责任的权利。 转载与合作可联系证券时报小助👍理，微信ID：SecuritiesTimes " Ty👏pe="normal"@@-->返回搜狐，查看更多