老黃的老謀，DeepSeek的深算

英偉達會建立一個開源模型的新秩序嗎？

它發布了一個幾乎完全透明的開源模型，公布了權重、數據集和配方。中國以DeepSeek為代表的開源模型，僅開放了權重。

GTC 2026即將于下周一舉辦，繼去年12月發布開源模型Nemotron 3 Nano（Nano）之后，英偉達發布開源模型Nemotron 3 Super (Super)，在開放性上，壓倒了DeepSeek。

黃仁勛豁出去了。本周還非常罕見地發了一篇內部博文《AI是個五層蛋糕》，即能源、芯片、基礎設施、模型、應用。

他特意用一段話談到了開源模型的重要性：“世界上大多數模型都是免費的。研究人員、初創公司、企業乃至整個國家都依賴開源模型來參與先進的人工智能項目。當開源模型達到技術前沿時，它們不僅僅會改變軟件，還會激活整個技術棧的需求。”

他還以DeepSeek-R1為例：“它通過廣泛應用強大的推理模型，加速了應用層的普及，并增加了底層訓練、基礎設施、芯片和能源的需求。” DeepSeek，目前在中國扮演著“激活整個技術棧”的角色。任重道遠。

Nemotron 3系列的Super，還有接下來的Ultra，就寄托著老黃的期待。Super的總參數量是1200億，在MOE架構下120億活躍參數。英偉達稱它可以應對在軟件開發、安全故障排查等多智能體應用領域，實現最大效率和準確性。

Super可以提供百萬token上下文，支持智能體的長期記憶，實現對齊和高精度的推理。英偉達稱，Super不僅僅是Nano的放大版，它引入了架構創新，能平衡好高參數推理模型中典型的效率-準確性問題。

混合Mamba-Transformer主干網將Mamba層與Transformer層相結合，以提高序列效率并實現精確推理，從而提供更高的吞吐量，內存和計算效率提高 4 倍。

Super在預訓練期間的大部分浮點乘加運算都使用英偉達的4位浮點格式NVFP4進行。NVFP4針對Blackwell架構進行了優化，與FP8相比，它顯著降低了內存需求并加快了推理速度，同時保持了精度。

Super在多項智能體基準測試中實現了領先的準確率，在吞吐量上實現了碾壓。

英偉達公布了它訓練數據集。預訓練包括10萬億個經過整理的token，額外加入了100億推理token，以及1500萬道編程題。后訓練數據集包括4000萬條新的監督和對齊樣本，覆蓋推理、指令遵循、編程、安全以及多步驟智能體任務。這些數據用于監督微調、偏好數據以及強化學習軌跡，其中大約700萬條直接用于 SFT（監督微調）。

英偉達還公布了強化學習任務與環境：在21種環境配置和37個數據集上進行交互式強化學習訓練（其中大約10個數據集將會發布），包括類似軟件工程師的智能體訓練任務，以及帶工具增強的搜索和規劃任務。這使訓練從靜態文本擴展到動態、可驗證的執行工作流，在訓練過程中共生成了大約120萬條環境 rollout。

英偉達發布了Nemotron 3 Super的完整訓練和評估方案，涵蓋從預訓練到對齊的整個流程。這使得開發者能夠復現Super的訓練過程，針對特定領域調整方案，或將其作為自身混合架構研究的起點。

開源模型分為權重開放、數據透明度、訓練流程開放。一般來說，如果公布了訓練數據，在研究可復現性上，它的確代表更高水平的開源。

開放權重是指直接發布權重模型，任何人都可以下載運行模型。但訓練數據和訓練流程通常都不公開。中國的開源模型公司采用的策略是生態擴張優先，開放權重可以讓企業部署、開發者微調，本地推理，可以快速形成應用生態。在與閉源API競爭時，開放權重可以讓企業客戶實現本地部署、成本優勢、自主可控。

提高數據透明度，涉及版權、網絡抓取、合作數據，公開這些數據，必須要避免法律上和商業上的麻煩。

對比一下Nemotron與中國的DeepSeek們：

Nemotron是真正的開源模型，而且它不僅是一個模型，它是一整套“開源模型開發平臺”。

從這個角度看，英偉達推出Nemotron并不只是做一個模型，而更像是在推動一種圍繞GPU計算體系的AI生態。

首先要理解一點：英偉達的核心商業模式并不是賣模型，而是賣算力平臺。它的收入主要來自GPU、CUDA軟件棧、網絡互連和數據中心系統。只要全球AI的訓練和推理規模持續擴大，就會帶來更多GPU需求。因此，對英偉達來說，最重要的不是某個模型是否領先，而是整個AI生態是否繼續依賴GPU計算體系。

在黃仁勛的五層蛋糕里，發布像Nemotron這樣的開源模型有幾個戰略作用。

首先，把開源作為GPU銷售的最強杠桿。這是最核心的一點。英偉達賣的不是模型，賣的是芯片和計算基礎設施。

Super通過NVIDIA NIM打包，可以從工作站到云端隨處運行，并且支持vLLM、Google Cloud Vertex AI、Oracle Cloud、CoreWeave等眾多平臺。 模型越開放、部署越廣泛，跑模型所需的H100/H200/Blackwell GPU就賣得越多。

其次，用架構創新綁定自家硬件。Super是Nemotron 3系列中首個結合了LatentMoE、多token預測（MTP）層和NVFP4預訓練的模型。 其中NVFP4是英偉達Blackwell架構獨有的數值格式——原生NVFP4預訓練專門為NVIDIA Blackwell優化，大幅降低了內存需求。

換句話說，模型雖然開源，但在英偉達GPU（尤其是最新Blackwell）上的性能遠超其他平臺。開源配方實際上在全球范圍內"傳授"了一套天然向英偉達硬件傾斜的技術路線。

最后，以"比DeepSeek更開放"搶占技術話語權。英偉達此時以極度透明的姿態入場，是在向全球開發者社區發送信號：最領先的模型技術來自美國、來自英偉達生態。

Nemotron 3包含針對現實世界智能體任務的多環境強化學習，相關RL環境和數據集對開發者開放，用于領域定制和可復現性研究。這種透明度會快速聚攏全球研究者和企業開發者，圍繞英偉達生態構建論文、工具鏈、社區，形成對競爭對手的軟性護城河。

開源加快了模型的商品化，真正有價值的就變成了底層計算平臺和系統架構，而這正是英偉達最擅長、也最希望掌控的領域。

這也說明AI產業正在從模型競賽逐漸轉向平臺競賽。未來的競爭很可能不是誰擁有一個最強模型，而是誰能夠構建一個完整、高效、可擴展的 AI 計算與應用生態系統。

這樣看來，只想做模型而不做應用的DeepSeek，最重要的可能還真不是就簡單發布DeepSeek-4，單個模型而言，在中國也無擺脫商品化，關鍵是它在中國的AI計算與應用生態中發揮的作用。

DeepSeek主動適配國產芯片，就等于在給整條國產算力供應鏈做背書和激活。每一個基于DeepSeek開源版本做應用的中國開發者，都會把算力需求導向國產硬件。這對華為昇騰、海光、寒武紀、摩爾線程、燧原等公司的價值不可估量。

DeepSeek-4，的確要花點時間。

參考：

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/