英伟达以全栈开源策略重塑AI生态，DeepSeek激活国产算力供应链
英伟达在GTC 2026前夕发布Nemotron 3 Super模型，通过公开权重、数据集及完整训练流程，构建了比单纯开放权重更彻底的“开源开发平台”。该模型采用NVFP4格式与混合架构，旨在绑定Blackwell硬件并推动GPU生态依赖。与此同时，中国DeepSeek等开源模型通过适配国产芯片，在应用层激活了华为昇腾、海光等本土算力供应链的需求。
事件概述
英伟达（NVIDIA）于GTC 2026召开前发布开源模型Nemotron 3 Super，其开放程度涵盖模型权重、预训练数据集及完整训练评估方案。这一举措被黄仁勋视为“激活整个技术栈”的关键，旨在通过极致的透明度巩固全球开发者对英伟达计算生态的依赖。
核心信息：Nemotron 3 Super 技术细节
- 架构与性能：总参数量1200亿，MoE架构下活跃参数120亿。采用混合Mamba-Transformer主干网，内存和计算效率提升4倍；支持百万token上下文，具备长期记忆与高精度推理能力。
- 数值精度优化：预训练阶段主要使用英伟达独有的4位浮点格式NVFP4（针对Blackwell架构优化），相比FP8显著降低内存需求并加速推理，同时保持精度。
- 数据规模：
- 预训练数据：10万亿整理token + 100亿推理token + 1500万道编程题。
- 后训练数据：4000万条监督和对齐样本（覆盖推理、指令遵循、安全等任务），其中约700万条用于SFT（监督微调）。
- 强化学习环境：公布包含21种环境配置和37个数据集的交互式强化学习训练方案，生成约120万条环境rollout，涵盖软件工程师智能体及工具增强搜索规划任务。
- 部署方式：通过NVIDIA NIM打包，支持vLLM、Google Cloud Vertex AI、Oracle Cloud等平台，可从工作站至云端随处运行。
战略分析：从模型竞赛转向平台竞赛
英伟达的“老谋”：卖铲子而非挖金矿
英伟达的核心商业模式并非销售模型本身，而是依托GPU、CUDA软件栈及数据中心系统构建算力平台。Nemotron 3系列的推出具有三重战略意图：
- 开源作为销售杠杆：模型越开放、部署越广泛，对H100/H200/Blackwell GPU的需求越大。通过NIM将模型标准化，确保跑模型所需的硬件必须依赖英伟达体系。
- 架构创新绑定硬件：NVFP4等核心技术专为Blackwell架构原生优化，使得该模型在英伟达硬件上的性能远超其他平台，从而在全球范围内“传授”一套向英伟达倾斜的技术路线。
- 抢占技术话语权：通过比竞争对手（如DeepSeek）更透明的开源姿态（公开数据与流程），聚拢全球研究者与企业开发者，围绕英伟达生态构建护城河。
DeepSeek的“深算”：激活国产算力链
与中国开源模型主要采取“开放权重”策略不同，DeepSeek等模型虽未完全公开数据与流程，但其在中国市场扮演了独特的角色：
- 生态激活：DeepSeek通过广泛应用强大的推理模型，加速了应用层普及，进而增加了对底层训练、基础设施和芯片的需求。
- 国产背书：DeepSeek主动适配国产芯片（如华为昇腾、海光、寒武纪等），为国产算力供应链提供了关键背书。每一个基于其开源版本进行应用开发的开发者，都在无形中引导算力需求流向国产硬件。
- 未来展望：AI产业竞争正从单一模型能力的比拼，转向完整、高效、可扩展的计算与应用生态系统之争。对于DeepSeek而言，其价值不仅在于发布新模型，更在于如何在中国AI生态中持续发挥激活作用。