黄仁勋掀桌：美国 AI 公司集体投奔开源，但 Anthropic 死不松手

8 月 11 日美东时间，英伟达悄悄放出 Nemotron 3.5 Lightning。两天后，黄仁勋发了人生第一条推特，呼吁美国开源。

这条推特不一般。一个几乎不发社交媒体的人，主动下场表态，且站在自己公司最大的利润反方向。

黄仁勋在赌一件更大的事——保住英伟达在下一个 AI 时代的默认权。

一个不发推的人主动发推

Nemotron 3.5 Lightning 是英伟达这次开源的拳头产品。30B 参数的 MoE 模型，每个 token 激活 3B，最高支持 1M 上下文。内嵌在里头的是多 token 预测，外加 DSpark、DFlash 这些推测解码方案。

官方给出的数据挺硬：输出速度最高可达同类模型的 4 倍，Agent 任务完成时间缩短约 30%，任务成本可以压到单独用 Opus 4.8 的近三分之一（来源：nvidia.com developer blog / 值得关注的 2026-08-12 转载）。

重量级测试已经登场——Crowd Strike 拿去跑网络安全，Harvey 和 Trajectory 用来做法务，CodeRabbit 和 Baseten 用来做代码审查，LilaSciences 拿去推物理和生命科学，FastinoLabs 拿来定制软件开发、金融、医疗的工作流。

产品上线是结果，黄仁勋发推是信号。两件事要做到同步才能理解——英伟达这次的开源不是工程师自发，是 CEO 亲自站台、有意把事情做大。

这件事往后看一步更有意思：在黄仁勋发文的同时，Sam Altman 和 Sundar Pichai 这些平时斗得最狠的闭源派掌门人，罕见地公开站出来支持开源。

一个"反常联盟"就此成型，《硅谷101》直接给它起了个名字："黄仁勋联盟"。除了 Anthropic，美国 AI 圈几乎全员到齐（来源：硅谷101《从 DeepSeek、Kimi 到"黄仁勋联盟"：AI 模型开源，到底"开"了什么？》，2026-08-14）。

现在说的"开源"，和你想的不一样

要理解为什么必须这么着急站队，得先弄清楚一件事——今天说的"开源模型"，大多并不是真开源。

一个完整的模型训练要过七道关：

1. 训练数据：用什么数据训、怎么清洗、怎么配比，决定了模型的底子。
2. 架构和参数规模：Transformer 还是 Mamba、参数多大、效率怎么调。
3. 训练基础设施：GPU 集群、网络、存储、训练框架。这层就是 AI Infra。
4. 训练流程 + Checkpoint：怎么预训练、微调、强化学习，中间怎么存档。
5. 模型权重：参数最终调整成的几十亿到几万亿个浮点数的集合。
6. 部署：把权重跑起来，通过 API 或者本地部署交给开发者。
7. 技术报告：模型厂对外公开的设计思路、数据构成、踩过的坑。

严格意义上来讲，闭源 = 七层都不开放。Anthropic、OpenAI、谷歌的大部分模型都是这种。

完全开源 = 七层全公开。从训练数据、训练代码到中间存档都开放。这种很稀有，Allen AI 的 OLMo 系列是代表。

夹在中间的**"Open Weights"**（开放权重）= 只开放第五层（权重）+ 第六层配套的推理代码。最具代表性的就是 Meta 的 Llama 系列——你可以下载它的权重，可以微调，但训练数据的具体配方、训练过程中的策略、内部工具链，都拿不到。

送钥匙，不送保险箱。

Llama 4 之后 Meta 选择了更加保守——技术报告也不再发完整版，只发博客。这种"我开源但我不再多说"的做法，已经成了欧美厂的标准动作。

而 DeepSeek 之所以让整个行业震撼，原因只有一个：它不仅把方法讲出来，还把内部的工程工具链也开源了。DeepGEMM、FlashKDA、MoonEP 这些训练框架全部对外开放。这是"Open Weights 的 Plus 版"。

NVIDIA Nemotron 这次更进了一步：开放权重 + 部分训练数据 + 部分 RL（强化学习）数据。许可证用的是 OpenMDW-1.1，注意不是 Apache-2.0——还有审批数据、供应商数据、未公开数据留在盒子里没拿出来。但比起 Llama 已是显著多给了一层。

现在说的"开源模型"，从严格意义上讲几乎都不算真开源。NVIDIA 这次属于走在中间偏前的位置，仍未完全。

黄仁勋现在必须站队：中国的三连击

黄仁勋是生意人，不发推是这次站台有商业理由——开源的背面是闭源，闭源的背面是代理权。

先把时间拉直。8 月 13 日凌晨前后，DeepSeek V4 Pro 正式发布。从 7 月算起，Kimi K3、MiniMax H3、DeepSeek V4 flash、DeepSeek V4 Pro——中国开源模型四连发，一波接一波。

每一次开源都配上一份能跑、能微调的完整权重。性能对标甚至反超闭源，价格低一个数量级，部署门槛无限拉低。

Anthropic 的护城河是定价权。当所有开发者用 Qwen 拿电脑内存就能跑 7B 模型解决 80% 的日常活儿，Anthropic 一份 API 收 75 美元 / 百万 token 的定价模型就开始松动。

黄仁勋的护城河是算力 + CUDA。但当所有人都用别家芯片跑开源模型——比如华为昇腾、寒武纪、苹果 M4 Pro——英伟达 GPU 不再是 AI 训练的"必经之路"。

开源模型拿什么跑都行。一旦跑深了，标准谁定、生态怎么走、人才往哪里聚？开源阵营拿下默认权的那一刻，闭源阵营才发现自己被困在自家技术栈的高墙里。

黄仁勋不愿意被框进去。所以他必须主动加入开源阵营，而且必须由他站 C 位——卖铲子的人若不能保住金矿的所有权，铲子最终会贬值。

Anthropic 为什么死不松手

黄仁勋为什么一个人推不动这场游戏？因为 Anthropic 缺席。

Dario Amodei 不肯加入的真实原因，业内猜测不是"AI 安全信念"——是商业模式不允许。

先看时间线，2026-08-14 同一天，两件事撞在一起：

• Anthropic 自曝手里有"私藏核武器"Model 2，性能强于 Mythos 5；
• AIGC 行业日报报道 Anthropic 估值冲上 2 万亿美元，最快 10 月上市。

同一天提"我手里有更强的模型"+"我要冲全球第二大估值"，逻辑很清晰的资本叙事——"我必须是全行业最强的闭源模型"。

Anthropic 的全部收入押在 API 上。Claude Opus 系列顶着"全行业最贵"的头衔，是它的现金奶牛。

如果今天追随黄仁勋开源：

• API 定价权立刻归零；
• 差异化叙事立刻崩塌——开源版本和闭源版本能用同样的代码，谁会花钱用闭源？
• 客户锁定彻底瓦解；
• 资本市场那次 2 万亿的估值故事讲不下去。

Anthropic 不开源不是道德高地，是现金流高地。而它的现金流，是在"全行业最强闭源模型"这个叙事上搭起来的。一旦妥协，整个资本结构就要重写。

黄仁勋的生意模型和 Anthropic 不一样。英伟达的主战场是 GPU——硬件生态可以软硬兼修，开源模型反而能把英伟达 CUDA 软件栈锁进主流生态的标准里。Anthropic 没有这种"靠别处赚钱"的退路。

同在一个行业，两家公司的护城河不同，对开源的态度就不同。这才是"黄仁勋联盟有 Anthropic 缺席"背后的真实原因。

代理权之战，决定权在用户

接下来的六个月会更热闹。

开源阵营要拿三样东西：默认权、技术栈、人才流动。用谁家开源模型越多，整个生态就越向那家倾斜。Anthropic 的逻辑链是"我用更好，所以更贵"——这一招在美国大企业客户身上还能打，但中小客户和独立开发者的天平，明显在向开源倾斜。

Anthropic 押资本叙事，黄仁勋押生态叙事。中国阵营押效率叙事——三套打法，一个战场。

这场仗打的不是技术标准，是默认权。

那个平常不大出声的湾区老爷子，最近把推特注册了。下一次中国开源阵营放大招，他大概率会再次主动下场。

而 Anthropic 的下一份财报，将是检验"现金流高地"能撑多久的第一次大考。

---

参考来源：

• 硅谷101《从 DeepSeek、Kimi 到"黄仁勋联盟"：AI 模型开源，到底"开"了什么？》，2026-08-14
• 值得关注的《黄仁勋向开源社区"献礼"》，2026-08-12
• 每日发现最新《NVIDIA 开源 Nemotron 3.5 Lightning》，2026-08-12
• nvidia.com developer blog
• AIGC 日报《Anthropic 拟 10 月上市，估值或达 2 万亿》，2026-08-14
• 行业报道《Anthropic 自曝"私藏核武器"，Model 2 比 Mythos 5 更强》，2026-08-14