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。