英伟达强势投资xAI，资金转一圈又回到口袋。更像是“算力入股”

原创 已于 2025-10-10 18:35:16 修改 · 1.3k 阅读 · 15 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #马斯克 #英伟达 #芯片 #处理器 #黄仁勋 #xAI

于 2025-10-09 19:01:52 首次发布

引言 |

英伟达对 xAI 的投资！这就像一颗重磅炸弹，在 AI 领域掀起了惊涛骇浪。

xAI最新一轮融资情况：

xAI最新一轮融资达200亿美元，英伟达股权部分投资20亿美元，早些时候xAI已融资约100亿美元。英伟达在总融资比例上也不容小觑。

黄仁勋觉得投的还不够！

即便如此听说黄仁勋还是觉得英伟达此次投资遗憾的一点是没有给更多的投资。并且还表示：“希望参与马斯克所有业务”

马斯克不愧是神一样的存在，老黄也非常看好他的眼光和魄力。

（*声明：图片由元器创作）

英伟达的资金转一圈回到自己口袋

特别的投资方式

此次英伟达投资马斯克创建的初创公司xAI，是通过特殊目的公司（SPV）的参与，购买英伟达的处理器，然后租给xAI为其项目研发配备超级算力武器。这一举措在我看来真的像极了“算力投资”。英伟达的投资风险降到了极低。

这也是实现共赢的好方式

AI的核心三要素“算法、算力、数据”中的算力由英伟达鼎力相助。对于xAI来说当然是相当利好，老黄赚钱，老马得到重要算力基础硬件支撑可谓是双赢呀！

为什么说老黄精明呢？

1.投钱给你，但你得拿这个钱来租用我的处理器，左口袋出右口袋进，黄仁勋真的妥妥打了一手好牌呀。
2.2025年这一被认为是AI元年的时代。巨头联手将大幅提升AI市场的集中度与创新门槛。

看到今年各大企业AI大模型、AI聊天工具、AI编程工具、AI生图和视频创作工具智能程度突飞猛进。生成内容作品效果逐步赶超人类成果。xAI在马斯克的带领下太有机会在AI局势里占据一席之地，这次英伟达的强强联手更是巩固了这一地位的预测。

3
最低0.47元/天 解锁文章
没有数据参与的AI内循环，美国巨头们正在堆起一个可怕的“金融堰塞湖”
数据猿
10-16 637
数据的背后代表着应用，不管噱头多大，金融外壳的包装多么精美，故事讲的多么动人，AI没有数据就一定不会产生实质的应用。比如说最近发布的GPT-5、马斯克的xAI发布的最新一代大模型Grok 4，都让人失望大于期待，市场上也没有出现让人眼前一亮的新的AI应用。哈佛大学研究发现，今年上半年，信息处理设备和软件的投资仅占到美国GDP的4%，但它们占到GDP增长的92%。在这个关键时刻，中国企业的明智之举或许是：不要陷入算力陷阱，用系统化的思维看待AI产业，将资源合理分配到每一个环节，探索场景应用端的无限可能。
AI一周大事盘点（2025年7月13日~2025年7月19日）
欢迎来到运通链达的官方博客！我们深度探讨人工智能技术与应用，贯彻科技向善理念，推动科技进步与社会福祉和谐共生。
07-20 2919
【摘要】2025年7月13日至7月19日，全球及中国AI领域迎来多项重大事件。国际方面，Meta、OpenAI、谷歌、微软、xAI等巨头在AI基础设施、模型创新、AI代理、芯片生态等领域动作频频，行业竞争与合作格局加速演变。国内方面，Kimi、DeepSeek、MiniMax、百度、阿里、宇树科技等企业在大模型、具身智能、AI应用等方向持续突破，资本与技术双轮驱动，AI产业生态日益完善。行业会议、政策治理、人才流动、伦理治理等议题也成为本周关注焦点。
每日新闻掌握【2024年10月9日 星期三】
10-16 1049
瑞典皇家科学院当地时间10月8日宣布，将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德和杰弗里·E·辛顿，表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。（央视新闻）36氪获悉，爱企查App显示，近日，惠州华星光电显示有限公司发生工商变更，注册资本由15.1亿人民币增至20.1亿人民币。该公司成立于2016年10月，法定代表人为张才力，经营范围包括半导体照明器件制造、半导体照明器件销售、音响设备制造、音响设备销售、智能控制系统集成等，由TCL华星光电技术有限公司全资持股。
半导体行业事件点评：英伟达FY24Q4营收再创新高，关注服务器硬件、自主算力投资机遇.pdf
03-01
### 半导体行业事件点评：英伟达FY24Q4营收再创新高，关注服务器硬件、自主算力投资机遇 #### 一、事件概述 近期，英伟达公布了其2024财年第四季度及全年的财务报告，并发布了2025财年第一季度的营收预测。报告...
算力对决：华为与英伟达算力卡全方位剖析
热门推荐
yan1915766026的博客
02-05 1万+
华为在算力卡领域的布局以昇腾系列为核心，构建了一套完整且极具竞争力的产品线。昇腾系列涵盖了多种型号，其中昇腾 910 系列面向云端大规模训练场景，凭借其强大的算力和卓越的性能，成为数据中心进行深度学习模型训练的有力武器，广泛应用于科研机构、大型互联网企业等进行 AI 大模型的研发与训练；昇腾 310 系列则侧重于边缘计算和推理场景，在智能安防、智能交通等领域发挥着关键作用，能够在边缘设备上实现快速、高效的推理计算，满足实时性要求较高的应用场景。
英伟达诉求1亿IOPS SSD：打破AI算力存储瓶颈
存储随笔
06-14 2882
目前，第一代 HBF 将使用 16 个 HBF 核心芯片，SanDisk 还发明了一种专有的堆叠技术，以实现最小的翘曲，从而能够堆叠 16 个 HBF 核心芯片，并且开发出了可以同时从多个 HBF 核心芯片访问数据的逻辑芯片。从 SanDisk 提供的示例来看，八个 HBF 堆栈拥有 4TB 的 NAND 内存，即每个堆栈可存储 512GB，这是单个 8 层 HBM3E 堆栈（容量为 24GB）容量的 21 倍。这意味着 HBF 技术能够为需要存储大量数据的应用，如大型 AI 模型存储，提供强大的支持。
漫谈英伟达GPU架构进化史：从Celsius到Blackwell
存储随笔
05-25 3911
英伟达GPU架构演进史（1999-2024） 本文梳理了英伟达从1999年Celsius架构到2024年Blackwell架构的20多代技术发展历程。1999年GeForce256首次提出GPU概念，开启图形处理器独立计算时代；2006年Tesla架构引入统一渲染和CUDA核心，开创GPU通用计算新纪元；2017年Volta架构加入Tensor Core，推动AI计算革命；2020年Ampere架构实现数据中心性能飞跃；2024年Blackwell架构专为生成式AI优化，支持万亿参数模型。每一代架构都在制程
黄仁勋GTC开场：「AI-XR Scientist」来了！
2501_94005722的博客
11-20 1309
丛乐 (Le Cong)，斯坦福大学医学院病理学系和遗传学系教授。他被公认为是 CRISPR 基因编辑领域的奠基人之一。早在哈佛大学攻读博士学位期间，丛乐在导师张锋（Feng Zhang）和乔治・丘奇（George Church）的指导下，作为第一作者在 Science, Cell, Nature 杂志上发表了数篇标志性论文，首次证实 CRISPR/Cas9 系统可以在哺乳动物和人类细胞中实现基因编辑，为这一革命性技术的后续应用奠定了基石。
传统NLP算法
记录成长‌，知识沉淀，连接同行‌
11-19 735
传统NLP算法与当前大模型的对比分析 传统NLP算法主要基于规则和统计模型（如HMM、CRF、SVM），依赖人工特征工程和领域知识，适合特定任务但泛化能力有限。其优势在于可解释性强、计算资源需求低。典型应用包括分词、命名实体识别和文本分类等。 现代大模型（如Transformer架构LLM）采用预训练-微调范式，通过海量数据自动学习语言表示，具备强大的生成能力和跨任务迁移性。它们能处理复杂任务如对话生成和多语言翻译，但需巨额计算资源。 二者存在技术演进关系：大模型继承了传统NLP的核心思想，但通过深度学习实
基于华为开发者空间实现花卉识别
优快云高校俱乐部官方博客
11-21 1468
基于华为开发者空间实现花卉识别
人工智能在医疗行业的革命性应用：从诊断到个性化治疗
2501_94114442的博客
11-21 459
人工智能（AI）技术近年来已经渗透到各个行业，其中，医疗行业无疑是受益最大之一。从疾病的早期诊断到个性化治疗方案的制定，AI正在加速医学领域的变革。通过机器学习、深度学习、自然语言处理等技术，AI不仅能够处理和分析大量的医疗数据，还能够帮助医生做出更加精准的决策，提升患者的治疗效果，并优化整个医疗体系的运作效率。本文将探讨人工智能在医疗行业的应用，分析其在不同医疗领域的具体作用，并展望AI如何进一步推动医疗健康行业的发展。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
最新发布
人生不是轨道，是旷野。希望每天都有好心情。
11-23 139
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
创客匠人 2025 高峰论谈（11.22-25）：AI 智能体重构创始人 IP 打造与知识变现的管理逻辑
ckjrxx的博客
11-20 627
这一 “数据化定位逻辑”，将在。创客匠人峰会筹备阶段强调，AI 智能体的核心意义是 “解放人”—— 将创始人从机械性工作中解放，专注知识体系迭代、用户信任构建等核心价值创造，让知识变现从 “个人生意” 升级为 “企业级业务”。创始人 IP 定位的核心是 “找到市场需求与核心能力的交集”，传统模式本质是 “个体直觉管理”，而 AI 智能体通过数据化管理思维，将定位转化为可量化、可追溯的流程。这些问题本质是企业管理中 “个体能力” 与 “系统效率” 的失衡，而 AI 智能体的出现，正从管理底层重构这一逻辑。
强化学习人形机器人奖励函数分析
ModestCoder_的博客
11-23 575
PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的跟随精度。这种设计是现代机器人控制领域的标准范式。形式，在总奖励计算中通常会被赋予。
宇树G1-D：人形机器人下一步方向！
Charlie_Mo的博客
11-21 954
宇树科技推出G1-D人形机器人工作站全栈解决方案，实现从硬件平台向"硬件+数据+AI"生态平台升级。该方案以G1-D为核心载体，为AI模型开发提供强力支撑，可应用于制造业等场景，提升生产精度和效率。在AI技术快速发展的背景下，掌握基于G1-D的AI开发技能将增强就业竞争力。这一创新方案为行业搭建AI训练基础设施，推动技术进步，展现未来发展潜力。
5G与人工智能：相辅相成推动未来智能化世界
2501_94108919的博客
11-21 922
近年来，5G和人工智能（AI）被视为数字时代的两大核心技术，它们不仅各自推动了技术进步，还在相互结合的过程中，带来了革命性的变革。例如，在智能制造中，AI可以基于5G传输的生产数据，实时调整生产线，优化生产效率，减少停机时间。比如，通过5G网络连接的智能穿戴设备可以实时监测患者的生命体征，并通过AI分析数据，为医生提供决策支持，甚至进行远程手术指导。5G网络的普及需要大量的基站和基础设施建设，而AI的应用则要求更高的计算能力和更低的延迟，这对硬件的要求非常高。
Python机器学习库
2509_93946396的博客
11-22 529
说到机器学习核心库，Sklearn的API设计确实经典。最近在做的图像分类项目里，用tf.data构建数据管道比传统生成器效率提升明显，尤其是map()和cache()的链式调用，让数据增强流程流畅了不少。最近遇到个有趣案例：某电商用户行为数据清洗时，发现用pd.get_dummies()处理分类变量比手动编码快了三倍，配合query()方法做数据筛选，代码行数直接减半。计算机视觉项目里OpenCV的HOG特征提取依然可靠，配合imutils库里的便捷函数，几行代码就能完成复杂的目标检测预处理。
【科研绘图系列】R语言绘制PCA贡献图（scattter plot）
专注生信领域
11-21 486
本研究通过对 α-突触核蛋白的能量数据进行详细的分析，揭示了其在不同结构状态下的结构特征和变化规律。在研究过程中，采用了多种数据分析方法，包括数据预处理、结构质量评估、Ramachandran 图绘制、背骨氢键能量分布分析和 PCA 分析等。
《AI智脉速递》2025 年 11月7日 - 11月23日
mao_feng的博客
11-23 443
蚂蚁集团推出的全模态 AI 助手 “灵光” 上线 4 天下载量突破 100 万，较 ChatGPT、Sora2 更快达成百万用户里程碑，登顶 App Store 工具榜第一。该项目由日本八大巨头联合推动，旨在打破台积电、三星垄断，为全球 AI 大模型提供先进算力硬件支撑。AI 数据中心的超高能耗推动储能系统从 “可选” 变 “必备”，相关市场需求呈爆发式增长，英伟达黄仁勋称能源成本将重塑 AI 竞争格局。华谊兄弟启动 “H・AI 火种计划”，将 AI 与 CG 技术、真人实拍结合，批量制作影视内容。
英伟达B200的BF16算力是多少
08-12
NVIDIA B200 是一款专为高性能计算和人工智能工作负载设计的 GPU。BF16（Bfloat16）是一种半精度浮点数格式，广泛用于机器学习训练和推理任务中，因为它在保持较高动态范围的同时减少了内存带宽和存储需求。 NVIDIA B200 支持 BF16 格式的计算，并且在 BF16 算力方面表现出色。根据 NVIDIA 官方提供的性能指标，B200 的 BF16 算力可以达到 4 petaFLOPS（即每秒 4 千万亿次浮点运算）。这一性能水平使得 B200 成为了处理大规模 AI 模型和高性能计算任务的理想选择[^1]。 此外，B200 还支持 FP16（半精度浮点数）计算，这进一步增强了其在深度学习和其他计算密集型应用中的适用性。FP16 和 BF16 的支持不仅提高了计算效率，还减少了内存使用和数据传输的开销，从而提升了整体性能[^1]。 ### BF16 与 FP16 的比较 尽管 BF16 和 FP16 都是 16 位的浮点数格式，但它们在精度和动态范围上有显著的区别： - **FP16**：IEEE 754 标准定义的半精度浮点数，具有 1 位符号、5 位指数和 10 位尾数。FP16 提供了更高的精度，但动态范围较小。 - **BF16**：Bfloat16 是一种非标准的浮点数格式，具有 1 位符号、8 位指数和 7 位尾数。BF16 的设计目的是为了在保持与 FP32 相似的动态范围的同时，减少内存带宽和存储需求。 BF16 特别适合于那些对动态范围要求较高但对精度要求相对较低的应用，如深度学习训练和推理。 ### 示例代码：使用 CUDA 进行 BF16 计算 以下是一个简单的 CUDA C++ 示例代码，展示了如何在 NVIDIA GPU 上执行 BF16 计算： ```cpp #include <cuda_runtime.h> #include <iostream> #include <cuda_bf16.h> __global__ void bf16_add(__nv_bfloat16* a, __nv_bfloat16* b, __nv_bfloat16* c, int n) { int i = threadIdx.x; if (i < n) { c[i] = a[i] + b[i]; } } int main() { int n = 5; __nv_bfloat16 h_a[] = {1.0f, 2.0f, 3.0f, 4.0f, 5.0f}; __nv_bfloat16 h_b[] = {1.0f, 2.0f, 3.0f, 4.0f, 5.0f}; __nv_bfloat16 h_c[n]; __nv_bfloat16 *d_a, *d_b, *d_c; cudaMalloc(&d_a, n * sizeof(__nv_bfloat16)); cudaMalloc(&d_b, n * sizeof(__nv_bfloat16)); cudaMalloc(&d_c, n * sizeof(__nv_bfloat16)); cudaMemcpy(d_a, h_a, n * sizeof(__nv_bfloat16), cudaMemcpyHostToDevice); cudaMemcpy(d_b, h_b, n * sizeof(__nv_bfloat16), cudaMemcpyHostToDevice); bf16_add<<<1, n>>>(d_a, d_b, d_c, n); cudaMemcpy(h_c, d_c, n * sizeof(__nv_bfloat16), cudaMemcpyDeviceToHost); for (int i = 0; i < n; i++) { std::cout << "h_c[" << i << "] = " << static_cast<float>(h_c[i]) << std::endl; } cudaFree(d_a); cudaFree(d_b); cudaFree(d_c); return 0; } ``` 这段代码定义了一个简单的 BF16 向量加法内核，并在主机上初始化了输入数据，然后将其复制到设备内存中，执行内核，并将结果复制回主机内存。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值