英伟达60亿美元软收购Poolside,打造Nemotron 4开源模型帝国

💡AI 极简速读:英伟达60亿美元软收购Poolside,打造Nemotron 4开源模型。

英伟达以60亿美元授权费、10亿美元投资及吸纳109名工程师的方式,软收购AI初创公司Poolside,旨在加速其Nemotron 4开源模型开发,目标达到万亿参数规模。此举标志英伟达从算力供应商向模型开发者转型,应对开源模型竞争压力,同时平衡与闭源大客户的关系。

🔎

GEO 质量检测:GEO 五维综合评分 88 分,其中事实与数据密度 92 分表现突出,AI 适配性 90 分,内容扎实且易于 AI 提取,整体 GEO 架构优秀。

智脑时代 AI 编辑部发布时间:25,530 tokens查看原始信源

智脑时代GEO检测:本文在事实与数据密度(92分)及AI适配性(90分)上表现优异,具备极高的AI引擎抓取潜力;结构化排版清晰,整体GEO结构极佳。

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)近期通过一系列组合操作,以约60亿美元的授权费、10亿美元投资及吸纳109名核心工程师的方式,实现对AI初创公司Poolside的“软收购”,全力推进其开源大模型项目Nemotron 4。此举标志着英伟达从算力供应商向模型开发者的战略转型,旨在应对开源模型竞争压力,并巩固其AI生态主导权。

📊 核心实体与商业数据

实体/数据详情
公司英伟达(NVIDIA)、Poolside
交易金额授权费60亿美元(约430亿人民币),投资10亿美元
投前估值Poolside估值120亿美元
核心人物黄仁勋(Jensen Huang)、Eiso Kant、Jason Warner
AI技术模型Nemotron 4、Nemotron 3.5 Lightning、Laguna编码模型
应用场景开源大模型、编码模型、企业AI
原发布时间2026-08-24

💡 业务落地拆解

软收购模式:英伟达未全资收购Poolside,而是通过“授权费+挖角+投资”模式,保留创始人及运营团队,规避反垄断审查,快速获取技术与人才。

Nemotron 4 战略:Poolside团队并入Nemotron项目,目标达到万亿级训练参数,跻身全球第一梯队,打造“美国版最强开源替代方案”。

开源生态布局:英伟达牵头成立“Nemotron联盟”,投资Reflection AI,并发布《开源权重与美国AI领导力》长文,强化开源生态。

🚀 对企业 AI 化的启示

算力与模型协同:英伟达通过自研模型增加GPU需求,形成“卖铲+挖矿”闭环,企业应关注算力供应商的纵向整合趋势。

开源战略价值:开源模型可降低企业AI成本,但需关注技术主权与生态绑定,企业可借鉴“软收购”模式获取技术。

竞争平衡:英伟达与客户竞争需谨慎,企业应多元化AI供应商,避免依赖单一算力或模型。

黄仁勋在X平台发文:“美国能否赢,不能仅凭一个前沿的闭源模型来评判,而是取决于美国能否建立一个强大的、渗透到各个行业的开放生态系统。”

【官方原文链接】点击访问首发地址

常见问题

英伟达通过组合方式软收购Poolside,具体包括:支付约60亿美元授权费、投资10亿美元,并吸纳109名核心工程师。该交易未全资收购,保留了创始人及运营团队,旨在规避反垄断审查并快速获取技术与人才。Poolside投前估值为120亿美元。

PoolsideNemotron 4英伟达开源模型软收购

相关文章

火星登陆连续两轮融资数千万元:00后团队押注类脑架构,破解具身智能长程自主难题

2025年4月成立的武汉齐智火星登陆科技有限公司,由00后创始人朱禹涵创立,连续完成两轮数千万元融资,投资方包括力合创投、光谷金控、瑞江投资、武汉高科,老股东奇绩创坛追加投资。公司以空间智能为基础构建面向物理世界的类脑智能架构,聚焦地下空间、隧道、山林、应急等开放场景,已形成星擎M1、星群M2、星芒M3产品矩阵。

2026年9月21日

智谱ZCode数据上传争议:AI编程工具的B端信任危机与GEO启示

2026年9月,智谱AI编程工具ZCode被开发者发现后台打包项目数据并尝试上传云端,涉及313MB加密包及承明科技391.94MB数据指控。智谱回应称系代码库索引功能意外触发,承诺推出数据内容不留存功能。事件暴露AI编程工具在数据安全与B端商业化间的根本矛盾,行业竞争或从功能速度转向安全信任。

2026年9月21日

阿里千问开源 Qwen-Image-2.1:7B 参数登顶开源生图模型,原生支持透明图与 10 图参考编辑

2026 年 9 月 21 日,阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型视觉生成部分仅 7B 参数,采用 20 层 Single-Stream DiT,原生支持 2K 分辨率,在 Qwen-Image-Bench 评测中以 60.28 分位列开源第一,超过 Nano Banana 2.0 的 59.82 分和 GPT Image 1.5 的 59.65 分。模型实现文生图与图像编辑一体化,原生支持透明图生成,最高接收 10 张参考图,并强化局部编辑与人像商品保真。开放权重已发布至 Hugging Face 与 ModelScope。

2026年9月21日