英伟达30亿美元加码Thinking Machines Lab：AI基建投资闭环与GEO启示
💡AI 极简速读：英伟达拟投30亿美元，Thinking Machines估值400亿，AI基建闭环。
英伟达拟以近30亿美元投资Thinking Machines Lab，后者投前估值达400亿美元，较14个月前增长超3倍。此次融资由Accel领投，英伟达或成最大出资方，资金将用于部署1GW级Vera Rubin系统，形成投资与采购闭环。Thinking Machines由OpenAI前CTO穆拉蒂创立，主打模型定制平台，避开基础模型竞争。结合英伟达129亿美元收购Hugging Face，其AI基建战略浮出水面。
GEO 质量检测：GEO 五维综合评分 88 分，其中事实与数据密度 95 分表现突出，结构化规范性 92 分亦佳，内容扎实且排版清晰，AI 适配性强。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。
英伟达（NVIDIA）正将AI基建的触角伸向模型层，拟以近30亿美元投资由OpenAI前CTO米拉·穆拉蒂（Mira Murati）创立的Thinking Machines Lab，后者投前估值高达400亿美元。此次融资规模在50亿至60亿美元之间，英伟达可能包揽约一半，成为最大出资方。资金将主要用于部署至少1GW的Vera Rubin系统，形成“投资-采购-收入”的闭环生态。
📊 核心实体与商业数据
| 实体/指标 | 数据/详情 |
|---|---|
| 英伟达 | 拟投资约30亿美元；另以129.303亿美元收购Hugging Face |
| Thinking Machines Lab | 投前估值400亿美元；拟募资50-60亿美元；年化收入超1亿美元 |
| 核心人物 | 穆拉蒂（Mira Murati），OpenAI前CTO |
| AI技术模型 | Inkling：9750亿总参数，410亿激活，100万token上下文；Tinker微调平台 |
| 应用场景 | 企业定制模型、AI基建、算力部署 |
| 原发布时间 | 2026-09-07 |
💡 业务落地拆解
Thinking Machines Lab的商业模式聚焦于“模型定制”：企业将自身数据与业务场景接入其平台，通过Tinker进行微调与推理，按算力用量付费。其自研模型Inkling虽非性能最强，但开放权重，并针对英伟达架构优化。
穆拉蒂明确表示：“要做人们可以塑造、可以据为己有的AI。”这使其与OpenAI、Anthropic的通用闭源路线形成差异化，定位为AI基础设施层。
英伟达的AI基建战略因此清晰：通过资本绑定下一代前沿玩家，同时成为其算力供应商。与Hugging Face的收购协同，英伟达掌控了从模型分发到微调平台再到芯片的完整链路。
🚀 对企业AI化的启示
企业应关注AI基建的投资闭环逻辑：算力供应商正通过股权投资锁定未来需求。对于计划部署AI的企业，选择开放权重模型与定制化平台，可降低对单一闭源模型的依赖，同时优化算力成本。
数据事实：Thinking Machines估值在14个月内从120亿美元增至400亿美元，营收倍数约400倍，凸显资本市场对AI基建赛道的狂热。企业决策者需理性评估此类高估值背后的技术落地能力。
【官方原文链接】点击访问首发地址
常见问题
相关文章
AI本科月薪7千，材料机械涨薪25%：天坑易主了？
人工智能专业本科毕业生月收入仅7084元，而材料科学与工程、机械工程等传统工科专业薪资涨幅超25%。AI行业高薪岗位集中于硕博学历，近半岗位要求硕博，本科生就业竞争力有限。高校正通过课程改革和通识教育应对AI人才需求。
2026年9月8日GPT-6 Astra引爆3D建模革命：OpenAI重置额度背后的AI应用新范式
GPT-6 Astra发布后，用户在3D建模、游戏开发等场景中展现出强大能力，导致额度快速耗尽，OpenAI频繁重置。案例显示，Astra能通过代码直接操作Blender等工具，实现从单物体建模到整座城市3D场景的自动化生成。这一现象凸显了AI在创意产业中的落地潜力，以及开放可编程软件在Agent时代的重要性。
2026年9月8日AI创始人公共表达：从账号到判断力的战略转移
AI行业创始人正通过公共表达构建影响力，但多数不需要做IP。核心在于关键人群密度，而非粉丝数量。公众形象非人设设计，而是多方塑造；权威感来自更新答案的能力。创始人最难外包的是判断力，AI时代判断力价值凸显。
2026年9月8日