英伟达黄仁勋今年AI投资3080亿接近收购DeepSeek成本
最近科技圈有个数字挺震撼的：截至5月11日，英伟达在2026年对AI产业承诺的总投资额，已经超过了453亿美元。这是个什么概念？做个对比，就在几天前，有外媒报道称当红AI公司DeepSeek的估值或将超过3500亿软妹币。这么一看，英伟达今年光承诺要投出去的钱，就快赶上这家明星独角兽的估值了。
这笔巨额投资并非一蹴而就，而是由一系列密集的交易构成。就在5月7日和6日这两天，英伟达先后与数据中心运营商IREN、玻璃制造商康宁（Corning）达成协议，分别获得了最高21亿美元和32亿美元的投资权利。这仅仅是其庞大投资版图的最新两笔。
▲英伟达2026年迄今在AI领域的投资（截至5月11日，制图）
更值得玩味的是对比。根据英伟达提交给美国证券交易委员会（SEC）的文件，其上一个财年（2025年2月至2026年1月）实际完成的投资约为175亿美元。也就是说，它今年已经承诺要花的钱，是去年实际支出的2.6倍。这种投资强度的飙升，清晰地传递出一个信号：英伟达正在以空前的力度，为AI的未来反赌。
一、英伟达押注基础设施、新云与大模型
梳理其投资路径，英伟达的453亿美元大致流向了三个核心方向：AI基础设施、所谓“新云”（neoclouds）、以及AI大模型公司。这几乎覆盖了从底层硬件到上层应用的关键环节。
在基础设施这块，投资逻辑非常直接：解决算力瓶颈。除了对IREN和康宁的投资，今年3月，英伟达还向Marvell Technology投资了20亿美元，共同开发硅光子技术；同期，它也给光子技术公司Lumentum和Coherent各投了20亿美元。这一系列动作的目标很明确——优化数据中心内部的数据传输。有分析指出，英伟达正计划在其机架级系统中，从铜缆转向性能更高的光纤电缆，而这些被投企业正是关键供应商。据CNBC报道，英伟达甚至额外支付了数十亿美元，专门资助康宁建设新工厂，以确保产能。
在“新云”领域，英伟达同样出手阔绰。今年1月，它向云计算公司CoreWea ve和AI云公司Nebius Group各投资了20亿美元。协议内容高度相似：利用英伟达的技术建设数据中心，并在AI基础设施部署、集群管理等方面深度合作。这相当于英伟达在扶持一批完全基于其硬件生态的云服务商，与传统的公有云巨头形成差异化竞争。
最引人瞩目的，还是对大模型公司的战略性注资。今年1月，马斯克的xAI完成200亿美元E轮融资，英伟达是战略投资者之一。2月，它又参与了Anthropic高达300亿美元的G轮融资，并在同月底宣布向OpenAI注资300亿美元。这里有个插曲：去年9月，双方曾宣布一项高达1000亿美元的潜在投资计划，但英伟达CEO黄仁勋在今年3月坦言，这笔交易很可能“无法实现”，300亿美元的投资或许是在OpenAI可能IPO前“最后一次”开出的大额支票。原因在于，OpenAI的发展策略有所调整，不再专注于自建数据中心，而是更多地依赖合作伙伴的算力。
二、英伟达去年狂投1190亿，股价四年涨11倍
英伟达之所以能如此豪横地“撒钱”，根本底气来自于其在AI浪潮中的绝对主导地位和由此产生的惊人现金流。作为训练大模型不可或缺的GPU的几乎唯一供应商，全球抢购芯片的热潮将其股价在四年内推高了11倍多，市值一度触及约5.2万亿美元，登顶全球市值最高公司。
▲英伟达股价（来源：谷歌）
充沛的现金为投资提供了弹药。上一财年，英伟达产生了970亿美元的自由现金流。根据SEC文件，同期该公司向私营公司和基础设施基金实际投资了175亿美元（约合1190亿软妹币）。这笔钱花出去的效果立竿见影：其资产负债表上持有的非上市股权证券，从一年前的33.9亿美元猛增至今年1月底的222.5亿美元。这些投资带来的收益也相当可观，报告收益从上一财年的10.3亿美元跃升至89.2亿美元，其中对英特尔等公司的公开市场投资贡献颇丰。
英伟达的投资哲学，从其高管表态中可见一斑。创始人兼CEO黄仁勋在4月的一次播客中直言：“有太多优秀、令人惊叹的基础模型公司了，我们试图投资其中所有公司。我们不挑选赢家。我们需要支持每一家公司。”在更早的财报电话会议上，他则点明了战略意图：“我们的投资非常明确地、战略性地聚焦于扩大和深化我们生态系统的覆盖范围。”
三、分析师警告英伟达有循环投资风险
当然，如此庞大且指向性明确的投资，也引发了市场的审视和担忧。一种主流的质疑声音是：英伟达是否正在陷入一种“循环投资”模式？即通过投资那些大量采购其芯片的公司，来直接或间接地拉动自身产品的需求。
韦德布什证券的分析师Matthew Bryson在一份报告中指出，英伟达的投资和扩张“完全符合循环投资模式”。不过，他也承认，如果执行得当，这能为英伟达构建一条深厚的“竞争护城河”。
来自日本瑞穗金融集团的分析师Jordan Klein对英伟达投资零部件制造商的做法表示赞赏，认为这是对现金的绝佳利用，能加速关键技术的开发。但他对投资“新云”公司的策略则持保留态度，认为“这感觉像是在预先为你自己的GPU和产品购买提供资金”。不过他也补充道，这些云提供商确实掌握着电力、数据中心容量等英伟达急需的关键资源。
美国行业研究公司Creative Strategies的分析师Ben Bajarin表达了类似的谨慎。他在接受CNBC采访时提出了一个尖锐的问题：“风险在于，如果行业周期转向，市场会开始质疑有多少需求是真实的市场需求，又有多少是由英伟达自己的资产负债表支撑的。”
结语：英伟达已不满足于只做“卖铲人”
纵观英伟达2026年这超过453亿美元的投资图谱，其本质已经超越简单的财务投资，更像是一场着眼于AI产业长期未来的战略性布局。它正从过去那个单纯的“卖铲人”（芯片供应商），主动升级为整个AI基础设施的“总承包商”和“大金主”。
通过投资光子技术、光纤、数据中心，它在主动疏通AI算力规模化的瓶颈；通过扶持“新云”伙伴，它在构建一个更贴近自身硬件优化的服务生态；而重金押注各大模型公司，则是为了确保技术前沿的探索永不缺乏“燃料”。
这一切都指向一个目标：不再仅仅依赖芯片销售的单一增长极，而是通过资本纽带，将自身更深地嵌入并试图主导从硬件、基础设施到软件应用的整个AI价值网络。这条路能走多远，能否避开“循环投资”的潜在陷阱，将是接下来几年观察英伟达的关键。
相关攻略
提升DeepSeek回答准确性的关键在于优化提问方式。应使用STAR法则结构化描述问题，明确情境、任务、动作和结果。需主动限定回答边界，如指定角色、信息源和时效，以抑制模型幻觉。遇到错误时可进行精准反向纠错。处理复杂问题时应分步拆解，每一步给出具体约束，以获得扎实可用的答案。
DeepSeek网页版因缺乏文档索引能力，不适合直接构建企业文档检索系统。搭建此类系统需自建核心RAG链路，包括文档加载器、嵌入模型和向量数据库。具体实现可选用LangChain框架整合各模块，并针对扫描件单独进行OCR处理。系统需注意配置细节，如持久化存储和元数据管理，以确保检索结果的可追溯性。
DeepSeek在中文任务上表现出色，这得益于其针对中文的深度适配。模型训练数据主要来自中文互联网，内置中文分词与语义理解模块，能精准把握成语、政策术语及中文表达习惯。其在长文本解析、公文写作、技术文档本地化及口语转书面语等需要高语义精度和强上下文保持的任务上优势突出。使用。
要让DeepSeek生成可直接剪辑的视频脚本，需通过精确提示词强制规定输出结构。必须明确指定分镜编号、画面描述、口播文案和时长等字段的格式，以表格化呈现，时长需精确。口播文案应限定句长并标注停顿，分镜描述需拆解为具体动作指令。批量生成时可使用变量模板和脚本自动化处理，以确保
编写DeepSeek系统提示时，并非越详细越好。模型更倾向于简短、动词开头的指令，长篇提示易被截断或稀释注意力。用户指令的优先级通常高于系统提示。有效的系统提示主要用于锁定输出格式、定义角色行为或过滤干扰，且不应与用户指令矛盾。
热门专题
热门推荐
英伟达Omniverse定位为物理AI操作系统。松应科技推出ORCALab1 0，旨在构建基于国产GPU的物理AI训练体系。针对机器人行业数据成本高、仿真迁移难的问题，平台提出“1:8:1黄金数据合成策略”，并通过高精度仿真提升数据可用性。平台将仿真与训练集成于个人设备，降低开发门槛，核心战略是在英伟达生态垄断下推动国产替。
Concordium是一个注重合规与隐私的区块链平台，其原生代币为CCD。该平台通过内置身份验证机制平衡隐私与监管要求，旨在服务企业级应用。CCD用于支付交易手续费、网络治理及生态内服务结算。其经济模型包含释放与销毁机制，以维持代币价值稳定。项目在合规金融、供应链、数字身份等领域有应用潜力。
上海人工智能实验室联合多家机构发起国产软硬件适配验证计划，致力于打造覆盖AI全流程的验证平台与自主生态社区。该平台旨在解决国产算力与应用协同难题，构建从芯片到应用的全链路验证体系，支持多种软硬件适配，推动国产AI技术向“好用、易用”发展。商汤科技依托AI大装置深度参与，已。
具身智能行业资本火热，但曾估值超200亿元的达闼科技迅速崩塌。其失败主因在于创始人黄晓庆以通信行业思维经营机器人业务，过度依赖政商关系与资本运作，技术产品突破有限；同时股权结构复杂分散，倚重政府基金，最终因融资断档与商业化不足导致团队离散。这折射出第一代创业者跨。
TurboQuant论文被质疑弱化与RaBitQ的关联，并存在理论比较与实验公平性问题。谷歌借助平台影响力将其定义为突破性成果，凸显了大厂在学术生态中的结构性优势。类似争议在伦理AI、芯片等领域亦有体现，反映了产业界将利益嵌入研究流程的机制。当前AI研究日益由大厂主导，其通过资本、渠道与话语权塑造。