NVIDIA 押注一兆參數：Nemotron 4 劍指全球最強開源 AI 模型

一兆參數的豪賭

2026 年 8 月 11 日，美國科技媒體《The Information》獨家報導，NVIDIA 正在開發全新一代開源 AI 模型家族 Nemotron 4，其旗艦模型預計將突破 1 兆（trillion）參數——約為目前 Nemotron 3 Ultra（5,500 億參數）的兩倍。路透社在數小時內跟進確認，援引多名 NVIDIA 內部員工的消息指出，整個模型家族最快可於 2026 年深秋問世。

這不是一次例行的版本迭代。如果 NVIDIA 能兌現這一雄心，Nemotron 4 將讓這家以 GPU 晶片聞名的公司，從開源權重領域的中堅玩家一舉躍升為全球最強開源模型的直接競爭者——而這一切的出發點，是一家核心業務為販售 GPU 的公司。

這項策略凸顯了 NVIDIA 企業定位的根本轉變。黃仁勳的公司不再滿足於僅僅製造 AI 淘金熱中的鏟子，現在還要親自繪製尋寶地圖——透過開源模型，將整個生態系更深地拉入 NVIDIA 的硬體軌道之中。

Nemotron 4 的已知細節

綜合《The Information》、路透社、Yahoo Finance 等媒體的報導，目前關於 Nemotron 4 的關鍵資訊如下：

• 規模：最大的 Nemotron 4 模型將擁有至少 1 兆參數。作為對比，這幾乎是 Nemotron 3 Ultra 的兩倍，並接近 OpenAI 與 Anthropic 等頂級閉源系統的規模（其確切參數量至今未公開）。
• 時間表：模型最快可於 2026 年深秋完成，對於如此規模的模型而言，這是一個相當激進的時程。
• 架構：雖然具體架構細節尚未公開，但 Nemotron 家族近年來越來越依賴混合專家（Mixture-of-Experts, MoE）設計。最近發布的 Nemotron 3.5 Lightning 就擁有 300 億總參數，但每個 token 僅啟動 30 億參數，大幅降低推理成本。合理預期 Nemotron 4 旗艦也將採用類似的稀疏啟動策略，讓推理在龐大參數量下仍然可行。
• 模型分層：報導指出 NVIDIA 計畫推出不同尺寸的 Nemotron 4 模型，延續前代建立的 Nano/Lightning/Super/Ultra 分層架構。1 兆參數的旗艦很可能冠以 Ultra 之名。
• 開源權重與訓練配方：與先前的 Nemotron 發布一致，NVIDIA 預計將公開模型權重、訓練資料說明和微調配方——這種開放程度超越大多數前沿實驗室。

戰略邏輯：用免費模型驅動 GPU 銷售

全球最有價值的半導體公司為何要投入數十億美元開發免費贈送的模型？答案在於需求創造。

NVIDIA 的開源模型策略旨在解決一個核心商業問題：開源權重模型越強，組織需要的運算資源就越多。每個部署優秀開源模型的企業，都必須配置 GPU 來執行推理和微調。透過確保最佳開源模型的存在，並針對 NVIDIA 硬體最佳化，公司創造了強大的產品拉力（pull-through effect），直接帶動資料中心產品的銷售。

這一點在開源權重生態成為成本敏感和主權優先部署的預設選擇時尤為重要。CNBC 在 2026 年 7 月的調查發現，僅 DeepSeek 一家就佔了主要推理服務商所路由 AI token 總量的 17.6%。當來自中國的開源模型——DeepSeek、Qwen——主導 token 經濟時，運行這些模型的硬體也往往不是 NVIDIA 的產品。NVIDIA 的回應是確保存在一個不僅有競爭力、而且是世界級的西方替代方案，並且在架構上針對 NVIDIA 矽晶片最佳化。

公司已為這一願景投入大量資源。2026 年 3 月，NVIDIA 在 SEC 申報文件中揭露了260 億美元的開源權重 AI 開發投資計畫。這筆投資涵蓋模型訓練、NeMo 訓練框架、Switchyard 智慧模型路由系統，以及與 Palantir 等推理服務商的合作——Palantir 最近才宣布了一個可在機密環境中運行開源 Nemotron 模型的引擎。

競爭格局

NVIDIA 進軍開源權重領域擁有顯著優勢，但也面臨強大競爭。

在中國陣營方面，DeepSeek 與阿里巴巴的 Qwen（通義千問）已確立了開源權重的領先地位。DeepSeek 的 V4 模型家族獲得了極大的採用率，據報導該公司正在開發自有 AI 晶片以減少對 NVIDIA 的依賴——如果成功，將打破 NVIDIA 模型策略所依賴的硬體耦合。根據《Forbes》報導，僅在 2026 年 2 月，Qwen 就創下了超過 1.5 億次下載，鞏固了其作為全球下載量最高開源模型家族的地位。

在美國陣營方面，Meta 的 Llama 仍然是開源權重的家喻戶曉之名，儘管 Meta 的重心已轉向 Muse 和 Glimmer 模型家族以應對智慧代理（agentic）應用。Google 的 Gemma 系列提供更小、更高效的替代方案，但尚未在兆級參數前沿競爭。

NVIDIA 的差異化優勢在於垂直整合。不同於 DeepSeek 或 Meta，NVIDIA 掌控整個技術堆疊：矽晶片（B200、GB300 及後續世代）、網路（NVLink、InfiniBand）、系統軟體（CUDA、TensorRT），以及現在的模型本身。與 NVIDIA 硬體路線圖共同設計的 Nemotron 4 模型，能從最新 GPU 架構中榨取最大效能——這是競爭對手的模型在沒有深度最佳化的情況下無法匹配的。

一兆參數為什麼重要

參數量不僅是虛榮指標。過去幾年的縮放研究（scaling research）一致顯示，模型品質隨規模可預測地提升——更多參數、更多資料、更多運算，帶來更好的推理能力、更少的幻覺和更廣泛的能力。開源權重社群在某種程度上一直停留在數千億參數的範圍，即使最好的開源模型與專有前沿系統之間仍存在有意義的差距。

一個 1 兆參數的開源模型，如果能帶來預期的品質提升，將大幅縮小開源權重與閉源系統之間的差距。這對產業至關重要，因為開源模型是本地部署 AI、主權 AI 計畫、研究可重現性，以及專有 API 無法經濟服務的長尾專業應用的基石。

它對 NVIDIA 的硬體業務也有更直接的意義。訓練一個兆級參數模型需要龐大的運算資源——可能需要數萬張 GPU 持續運行數週。如果 NVIDIA 能證明其模型與硬體組合能達到最先進的成果，就會創造出一套參考架構，讓每位企業 CTO 都必須評估。

風險與開放問題

Nemotron 4 計畫面臨若干不確定性。首先，NVIDIA 在開源權重領域的成績單有好有壞。Nemotron 3 Ultra 雖然技術上有一定能力，但在 AA Index（一項綜合基準測試）上落後競爭對手，部分評論將其視為行銷操作多於真正的前沿模型。Reddit 的 LocalLLM 社群就指出，在實際部署中，Nemotron 相比 Qwen 或 Gemma 幾乎「沒有什麼討論度」。NVIDIA 需要讓 Nemotron 4 徹底改變這種認知。

其次，經濟學上存在挑戰。訓練一個兆級參數模型的成本極其高昂——光是運算費用就輕易達到數億美元。將成果模型免費釋出，是一場下游 GPU 需求將超額回收投資的豪賭。如果開源權重的採用趨勢轉向更小、更高效的模型（正如 Nemotron 3.5 Lightning 等 MoE 設計的成功所暗示的那樣），兆級參數投資的回報可能比預期更慢。

第三，地緣政治層面不可忽視。NVIDIA 推動開源權重主導地位，部分被框架為對中國開源模型領先地位的西方回應。美國對先進 AI 晶片的出口管制讓局面更加複雜：如果最佳開源模型需要 NVIDIA 最先進的 GPU 才能高效運行，而這些 GPU 無法在關鍵市場銷售，模型的全球影響力就天生受限。

更大的圖景

NVIDIA 的 Nemotron 4 計畫折射出 AI 產業的一個更廣泛趨勢：硬體與模型開發的融合。過去專注於技術堆疊某一層的公司，如今正在各層之間展開全面競爭。Google 自研晶片（TPU）也自建模型（Gemini）；Meta 設計客製化矽晶片並訓練 Llama；Amazon 的 Trainium 晶片搭配自家模型。而現在，NVIDIA——這家可以說透過 GPU 催生了整個 AI 革命的公司——正在建造模型，以確保這場革命繼續在它的硬體上運行。

Nemotron 4 預計在 2026 年深秋推出，意味著開源權重版圖在年底前可能大不相同。如果 NVIDIA 交付了一個真正世界級的兆級參數開源模型，它將重塑從晶片到模型再到部署雲服務的整個 AI 堆疊的競爭格局。如果功虧一簣，開源權重的王冠可能繼續向東漂移——朝向 DeepSeek 和 Qwen——這將對誰掌控開源 AI 的未來產生深遠影響。

無論結果如何，NVIDIA 傳遞的訊息很明確：在這場 AI 競賽中，製造引擎的公司已經決定，它也需要建造最好的地圖。而且它願意把這些地圖免費送出去——只要你繼續購買引擎。