老黄的老谋，DeepSeek的深算

英伟达会建立一个开源模型的新秩序吗？

它发布了一个几乎完全透明的开源模型，公布了权重、数据集和配方。中国以DeepSeek为代表的开源模型，仅开放了权重。

GTC 2026即将于下周一举办，继去年12月发布开源模型Nemotron 3 Nano（Nano）之后，英伟达发布开源模型Nemotron 3 Super (Super)，在开放性上，压倒了DeepSeek。

黄仁勋豁出去了。本周还非常罕见地发了一篇内部博文《AI是个五层蛋糕》，即能源、芯片、基础设施、模型、应用。

他特意用一段话谈到了开源模型的重要性：“世界上大多数模型都是免费的。研究人员、初创公司、企业乃至整个国家都依赖开源模型来参与先进的人工智能项目。当开源模型达到技术前沿时，它们不仅仅会改变软件，还会激活整个技术栈的需求。”

他还以DeepSeek-R1为例：“它通过广泛应用强大的推理模型，加速了应用层的普及，并增加了底层训练、基础设施、芯片和能源的需求。” DeepSeek，目前在中国扮演着“激活整个技术栈”的角色。任重道远。

Nemotron 3系列的Super，还有接下来的Ultra，就寄托着老黄的期待。Super的总参数量是1200亿，在MOE架构下有120亿活跃参数。英伟达称它可以在软件开发、安全故障排查等多智能体应用领域，实现最大效率和准确性。

Super可以提供百万token上下文，支持智能体的长期记忆，实现对齐和高精度的推理。英伟达称，Super不仅仅是Nano的放大版，它引入了架构创新，能平衡好高参数推理模型中典型的效率-准确性问题。

架构上，混合Mamba-Transformer主干网将Mamba层与Transformer层相结合，以提高序列效率并实现精确推理，从而提供更高的吞吐量，内存和计算效率提高 4 倍。

Super在预训练期间的大部分浮点乘加运算都使用英伟达的4位浮点格式NVFP4进行。NVFP4针对Blackwell架构进行了优化，与FP8相比，它显著降低了内存需求并加快了推理速度，同时保持了精度。

Super在多项智能体基准测试中实现了领先的准确率，在吞吐量上实现了碾压。

英伟达公布了它训练数据集。预训练包括10万亿个经过整理的token，额外加入了100亿推理token，以及1500万道编程题。后训练数据集包括4000万条新的监督和对齐样本，覆盖推理、指令遵循、编程、安全以及多步骤智能体任务。这些数据用于监督微调、偏好数据以及强化学习轨迹，其中大约700万条直接用于 SFT（监督微调）。

英伟达还公布了强化学习任务与环境：在21种环境配置和37个数据集上进行交互式强化学习训练（其中大约10个数据集将会发布），包括类似软件工程师的智能体训练任务，以及带工具增强的搜索和规划任务。这使训练从静态文本扩展到动态、可验证的执行工作流，在训练过程中共生成了大约120万条环境 rollout。

英伟达发布了Super的完整训练和评估方案，涵盖从预训练到对齐的整个流程。这使得开发者能够复现Super的训练过程，针对特定领域调整方案，或将其作为自身混合架构研究的起点。

开源模型分为权重开放、数据透明、训练流程开放。一般来说，如果模型公布了训练数据，在研究可复现性上，它的确代表更高水平的开源。

开放权重模型是指直接发布权重、任何人都可以下载运行的模型，但训练数据和训练流程通常都不公开。中国的开源模型公司采用的策略是生态扩张优先，开放权重可以让企业部署、开发者微调，本地推理，快速形成应用生态。在与闭源API竞争时，开放权重还可以让企业客户实现成本优势、自主可控。

提高数据透明度，涉及版权、网络抓取、合作数据，公开这些数据，必须要避免法律上和商业上的麻烦。

对比一下Nemotron与中国的DeepSeek们：

Nemotron是真正的开源模型，而且它不仅是一个模型，而且是一整套“开源模型开发平台”。

从这个角度看，英伟达推出Nemotron并不只是做一个模型，而更像是在推动一种围绕GPU计算体系的AI生态。

首先要理解一点：英伟达的核心商业模式并不是卖模型，而是卖算力平台。它的收入主要来自GPU、CUDA软件栈、网络互连和数据中心系统。只要全球AI的训练和推理规模持续扩大，就会带来更多GPU需求。因此，对英伟达来说，最重要的不是某个模型是否领先，而是整个AI生态是否继续依赖GPU计算体系。

在黄仁勋的五层蛋糕里，发布像Nemotron这样的开源模型有几个战略作用：

首先，把开源作为GPU销售的最强杠杆。这是最核心的一点。英伟达卖的不是模型，卖的是芯片和计算基础设施。

Super通过NVIDIA NIM打包，可以从工作站到云端随处运行，并且支持vLLM、Google Cloud Vertex AI、Oracle Cloud、CoreWeave等众多平台。 模型越开放、部署越广泛，跑模型所需的H100/H200/Blackwell GPU就卖得越多。

其次，用架构创新绑定自家硬件。Super是Nemotron 3系列中首个结合了LatentMoE、多token预测（MTP）层和NVFP4预训练的模型。 其中NVFP4是英伟达Blackwell架构独有的数值格式——原生NVFP4预训练专门为NVIDIA Blackwell优化，大幅降低了内存需求。

换句话说，模型虽然开源，但在英伟达GPU（尤其是最新Blackwell）上的性能远超其他平台。开源配方实际上在全球范围内"传授"了一套天然向英伟达硬件倾斜的技术路线。

最后，以比DeepSeek更开放的模型抢占技术话语权。英伟达此时以极度透明的姿态入场，是在向全球开发者社区发送信号：最领先的模型技术来自美国、来自英伟达生态。

Super包含针对现实世界智能体任务的多环境强化学习，相关RL环境和数据集对开发者开放，用于领域定制和可复现性研究。这种透明度会快速聚拢全球研究者和企业开发者，围绕英伟达生态构建论文、工具链、社区，形成对竞争对手的软性护城河。

开源加快了模型的商品化，真正有价值的就变成了底层计算平台和系统架构，而这正是英伟达最擅长、也最希望掌控的领域。

这也说明AI产业正在从模型竞赛逐渐转向平台竞赛。未来的竞争很可能不是谁拥有一个最强模型，而是谁能够构建一个完整、高效、可扩展的 AI 计算与应用生态系统。

这样看来，只想做模型而不做应用的DeepSeek，最重要的可能还真不是就简单发布DeepSeek-4。单个模型而言，在中国也无摆脱商品化，关键是它在中国的AI计算与应用生态中发挥的作用。

DeepSeek主动适配国产芯片，就等于在给整条国产算力供应链做背书和激活。每一个基于DeepSeek开源版本做应用的中国开发者，都会把算力需求导向国产硬件。这对华为昇腾、海光、寒武纪、摩尔线程、燧原等公司的价值不可估量。

DeepSeek-4，的确要花点时间。

--

参考：

https://developer.nvidia.com/blog/introducing-nemotron-3-super-an-open-hybrid-mamba-transformer-moe-for-agentic-reasoning/

https://blogs.nvidia.com/blog/ai-5-layer-cake/