Loading...
Loading...
NVIDIA CEO Jensen Huang（黄仁勋）：开源模型将成世界最大模型，AI 代理将重塑所有行业撰文：Techub News 整理
导语
在 NVIDIA GTC 2026 大会的一场特殊炉边对话中，创始人兼 CEO Jensen Huang（黄仁勋）卸下 keynote 演讲者的身份，化身为主持人，与来自 LangChain、Perplexity、Cursor、Reflection、Mistral、Open Evidence、AI2、Black Forest Labs 和 Amp 等九家前沿 AI 公司的创始人及 CEO 进行了一场高带宽、无脚本的深度对谈。这场对话之所以重要，是因为它跳出了对 OpenAI、Anthropic 等头部闭源模型公司的常规讨论，将聚光灯对准了正在蓬勃发展的“AI 生态系统”——那些构建工具、平台、垂直应用和开源模型的“造物主”们。黄仁勋在开场即定调：AI 的未来不是“非此即彼”的选择，而是“开源与闭源并存”的繁荣生态，而聚合的开源模型，其规模终将超越任何单一闭源模型。
摘要
开源模型崛起：黄仁勋指出，聚合的开源模型已是世界第二大模型，并终将成为最大模型。这并非取代闭源模型，而是构成一个多元、互补的 AI 技术基石。
AI 即“系统”，而非单一模型：真正的 AI 能力来自一个由多个模型、工具、文件系统和连接器组成的“系统”或“计算机”。模型本身只是这个交响乐团中的“乐器”。
代理（Agent）时代来临：以 OpenClaw 等现象级开源项目为标志，AI 正从“回答问题”走向“采取行动”。能够执行复杂、多步骤任务的“代理”将成为个人和企业的“数字同事”。
垂直行业的革命：代理系统将在医疗（如处理保险授权）、法律、物流、工程等几乎所有行业引发变革，其核心价值在于处理可重复、多步骤的确定性工作流。
开放的价值：控制、定制与信任：对于企业级和关键任务应用，开源模型提供了闭源 API 无法比拟的控制权、深度定制能力以及对系统行为的可审查性，这是建立信任的基石。
超越模型之争：AI 是一个“系统”
对话伊始，Jensen Huang（黄仁勋）就试图纠正一个普遍的误解：AI 不等于大语言模型。他强调，AI 是一个由多个模型和大量其他技术组成的“系统”。创造针对不同领域的解决方案，需要海量的外围技术。因此，2026 年 3 月的重点不是讨论“开源 vs. 闭源”的对立——他认为这本身是个伪命题——而是庆祝一个两者并存、共同繁荣的生态。
Perplexity CEO Arvind Srinivasan 用一个生动的比喻阐释了这一观点：“模型只是乐器，子代理（sub-agent）是乐手，而 AI 为你完成的工作就是它们演奏出的交响乐。”他提出的“Perplexity Computer”概念，正是一个旨在编排所有 AI 能力（编码、写作、多模态内容生成）的“操作系统”。在这个系统里，用户只需委托任务，而由系统来决定调用哪个模型、使用何种工具，从而摆脱供应商锁定。
LangChain CEO Harrison Chase 补充道，业界正在出现一种介于基础模型公司和纯应用公司之间的“第三类公司”。它们既利用市场上最好的 API 模型，也自行开发模型，并将两者结合，为特定垂直领域打造最佳产品。他预测，未来一两年将出现一种新型的“复合代理”，能够承担耗时数小时甚至数天的复杂任务，并通过将工作负载分配给不同特长的模型，变得比任何单一模型都更聪明。
Reflection CEO Misha Laskin 则提出了“马具工程”（Harness Engineering）的概念，即围绕模型构建的一切——如何连接工具、何时压缩、使用哪些子代理等。他指出，即使是闭源实验室，其成功也很大程度上依赖于精心设计的“马具”。
开源模型：不止于“追赶者”，更是创新的基石
对于开源模型，一个常见的误解是它们永远会落后于前沿闭源模型几个月。Mistral CEO Arthur Mensch 和 AI2 研究负责人 Hanna Hajishirzi 都强烈反对这一观点。
Arthur Mensch（亚瑟·门施）指出，开源与闭源模型之间并无根本性差异。AI 模型是基础的知识基础设施，而知识基础设施天然“渴望开放”，就像书籍从封闭走向印刷，科学从炼金术走向学术期刊。他预测，未来几年将出现一个与强大闭源模型并驾齐驱的、能力相当的开源模型生态系统。
Hanna Hajishirzi 从研究加速的角度强调了开放的价值。AI 进展极快，呈指数级增长，有海量知识需要学习，这不可能完全由大实验室完成。开放模型、基础设施、数据和研究成果，能让全球众多聪明的研究者参与进来，从不同角度推进 AI 科学，这是一个非常“正和”的游戏。她所在的团队通过开放模型全开发周期（包括数据、权重、基础设施），已经催生了许多新研究，例如证明了混合模型（Hybrid Model）在理论上和实证上都比纯 Transformer 架构更高效。
黄仁勋总结道，预训练（获取基础知识和泛化能力）只是开始，未来计算开销的大头将是后训练（学习技能）。闭源模型可能是最好的“通才”，但绝大多数价值来自“专才”，而开源模型正是培育各领域“专才”的沃土。
代理革命：从 OpenClaw 到工业重塑
对话的高潮聚焦于2026 年 3 月引爆社区的 OpenClaw。黄仁勋将其称为“现代计算机的完美代表”，是第一个完整的、开源的代理系统。它拥有工作内存、文件系统访问、任务调度、I/O 交互等能力，本质上是一台“新型计算机”。
与会者们从不同维度分析了 OpenClaw 的意义和代理的未来：
技术拐点：Misha Laskin 认为，OpenClaw 标志着模型能力与“马具”校准终于匹配，让“大脑”拥有了在计算机中操作的“肢体”。Harrison Chase 指出，模型在代码生成上的突破，以及通过代码操作命令行（CLI）的能力，使得原本为编码训练的模型能够处理几乎所有知识工作。
工业应用蓝图：Open Evidence CEO Daniel Nadler 描绘了代理在医疗领域的革命性场景：医生睡眠时，代理可以自动处理保险公司的拒赔申诉，从患者记录中调取所需信息，为患者争取关键治疗。他强调，这种多步骤、可重复、基于模板的工作流范式存在于美国每一个行业，包括法律和医疗。
企业级挑战：Arthur Mensch 冷静地指出，将代理从个人工具扩展到企业组织，会面临复杂的数据、治理和合规瓶颈。企业需要能够在统一控制平面内管理一切的原语，确保安全、可观测性。黄仁勋幽默地插话，用“CEO 特权”为例说明了安全原则：一个代理通常只应被允许同时执行“访问敏感信息”、“执行代码”、“对外通信”这三项中的两项，除非它是 CEO。
新前沿：视觉与物理世界：Black Forest Labs CEO Robin Rombach 提醒大家不要只盯着代码。视觉智能（理解、模拟、生成视觉内容）是与物理世界和机器人交互的关键新前沿。代理需要学会与这些视觉模型协作，解锁制造、内容创作等全新领域。
开放的核心价值：控制、定制与信任
在讨论开源模型对各自行业的重要性时，“控制”、“定制”和“信任”成为反复出现的关键词。
Arthur Mensch 阐述了开源模型对企业软件的两大核心价值：1. 控制与韧性：当代理处于执行层时，企业需要完全掌控其部署，拥有“关机按钮”，避免依赖可能被关闭或出问题的外部 API。2. 深度定制：对于涉及物理世界、专有 IP 或特定工程知识的领域，企业需要将专属数据注入模型。开源模型允许这种深度定制，从而构建理解物理世界的专用代理。
Daniel Nadler 用“800 岁的父母”比喻闭源大模型：它们在其强化方向上非常聪明，但难以改变世界观。而社会的形态是专业化的，未来的 AI 也应反映这一点，需要数字化的“专科医生”。开源模型是培育这些“专科医生”的必要基础。
Amp CEO Anjney Midha 将讨论提升到“信任”层面。随着 AI 应用于医疗、国防等关键任务，低容错率要求极高的可信度。一个无法内省、无法自主托管、依赖第三方的闭源系统，是在“委托信任”。而开源系统更容易通过审查和风险管控来建立信任，这是其进入关键领域的最大优势之一。他同时呼吁，需要“开放基础设施”（如 AI 计算网格），避免算力囤积和基础设施垄断，才能让开源模型在前沿持续发展。
尾声：一个新的计算时代
在对话的最后，黄仁勋总结了正在发生的多重拐点：代理系统时代的到来、强大模型与代理系统的融合催生出极具价值的企业解决方案平台。他预言，今年我们将开始看到真实的商业投资回报（ROI）起飞，起点是编码，但将迅速蔓延至所有行业。
Arvind Srinivasan 为整场讨论画上了一个充满诗意的句点：“电脑又变酷了。我们正在 GPU 运行时上构建一种全新的计算机。” 这或许正是黄仁勋和所有在场 CEO 正在携手打造的未来：一个以开源和闭源模型为基石，以代理为操作界面，以强大算力为引擎，真正重塑所有工作和生活方式的下一代计算平台。Mistral AI，筹集8.3亿美元推进数据中心建设Mistral AI SAS公司今日宣布已获得8.3亿美元（约合1.175万亿韩元）的债务融资。此次融资的参与银行包括法国国家投资银行、法国巴黎银行、法国农业信贷银行投行部、汇丰银行、法国邮政银行、三菱日联金融集团、法国外贸银行投行部等。位于巴黎郊区的Mistral计划将这笔资金用于建设数据中心，该设施预计将于今年下半年投入运营。
Mistral以其开放的大型语言模型而闻名，该数据中心计划配备13,800个英伟达的GB300芯片。该加速器包含一个中央处理器和两个Blackwell Ultra图形处理器，其中Blackwell Ultra基于4纳米制程工艺，包含2080亿个晶体管。
该数据中心将用于处理推理工作负载和训练新的人工智能模型。Mistral于去年12月发布了其最先进的大型语言模型Mistral Large 3，该算法由6750亿个参数组成，特别包含了针对AI代理的优化。
Mistral通过云服务将其模型转化为企业应用来创造收入。最近推出的付费产品Mistral Compute是一个基于英伟达GB300芯片的AI优化基础设施平台，为客户提供托管AI硬件和具备多种定制选项的裸机服务器。
Mistral的新数据中心预计将在今年年底上线时提供44兆瓦的计算能力。这是其在瑞典建设AI园区这一更长期计划的一部分，该项目预计将耗资12亿美元（约合1.728万亿韩元）。Mistral的目标是在2027年底前获得200兆瓦的计算能力。去年，英伟达首席执行官黄仁勋曾提到，建设1吉瓦的计算能力将需要500亿至600亿美元（约合72.3万亿至86.8万亿韩元）。OpenAI与Mistral AI发布成本效益更高的新型AI模型OpenAI与Mistral AI发布了优化后的AI模型。OpenAI在云服务中引入了两种强调成本效益的算法——GPT-5.4 mini与GPT 5.4 nano。它们是现有GPT 5.4模型的低成本版本，在衡量编码能力与计算机运用能力的基准测试中均获得高分。特别是GPT-5.4 mini相较于前代GPT-5 mini，可将特定任务的处理速度提升一倍。
该模型可在ChatGPT、Codex编程助手及OpenAI API中使用，并具备处理文本与图像的功能。GPT-5.4 nano是更强调成本效益的模型，其设计可处理数据提取、分类及一定程度的编码任务。
Mistral AI推出了新型开源模型Mistral Small 4。该模型由1190亿参数构成，并组织为128个执行独立任务的专家网络。Mistral Small 4能实现分析任务自动化，并承担通用AI助手职能。使用该模型可减少不必要的计算，并有效降低响应延迟时间。Mistral AI收购云初创公司Koyeb以增强AI工作负载效率Mistral AI今日宣布收购了拥有可运行AI工作负载云平台的初创公司Koyeb。本次交易的"财务条款"未予披露。总部位于巴黎的Mistral提供开源大语言模型系列及多项付费服务，去年估值达117亿欧元。
Koyeb于2023年获得三星Next等机构支持，融资700万美元。该公司的平台帮助开发者在无需直接管理硬件的情况下运行AI工作负载。Koyeb提供根据需求变化自动调整硬件资源的自动扩缩功能，使非必要应用程序保持休眠状态。
为解决开发者重启休眠任务耗时过长的问题，Koyeb引入了可在200毫秒内重新激活工作负载的机制。该公司将配备最多8个GPU的实例部署于全球10个数据中心处理客户工作负载，当特定设施出现问题时可将流量重定向至其他站点。
此外，Koyeb的新功能之一是能安全运行AI代理的"Koyeb沙盒"，该功能可为代码生成等任务每日创建数千个代理。Mistral计划利用Koyeb技术改进其向代码生成模型用户提供的沙盒功能。
Koyeb的技术还将用于增强Mistral Compute平台，该平台由搭载英伟达GPU的水冷服务器驱动。通过此次收购，Mistral计划提升GPU使用效率，并改进其大语言模型在客户自有数据基础设施中的运行效果。Koyeb的16人团队将于三月加入Mistral以支持其技术开发。xAI·Mistral·SafeSI，成立2年内吸引数万亿韩元投资…AI初创企业大爆炸在创业初期三年内获得独角兽地位的46家初创企业，今年共吸引超过390亿美元（约合56.16万亿韩元）的新投资，证明了人工智能风险投资市场的强劲增长势头。这些企业均在2025年晋升为独角兽，或在维持独角兽地位期间完成了大规模融资轮次。
其中估值最高的三家企业均在生成式人工智能领域表现突出。埃隆·马斯克创立的xAI、法国巴黎的Mistral AI，以及OpenAI前首席科学家伊利亚·苏茨克沃创立的Safe Superintelligence，凭借该领域最大规模的投资额和企业估值吸引了市场目光。
xAI自2023年7月成立后，仅用两年多时间就募集了超过120亿美元（约合17.28万亿韩元）的风险资金。Mistral在成立不足两年内获得30亿美元（约合4.32万亿韩元）融资，企业估值突破140亿美元（约合20.16万亿韩元）。成立仅18个月的Safe Superintelligence也成功筹集至少30亿美元，印证了AI初创企业的发展潜力。
它们的增长并非偶然现象。今年AI生态系统中，以成立不足三年的初创企业为中心，大规模融资（即"超级轮次"）正持续扩散。据Crunchbase数据，仅2025年一年内，成立不足三年的企业获得的单轮超1亿美元（约合1440亿韩元）融资总额已突破1150亿美元（约合165.6万亿韩元），这一数字已超越2021年市场峰值时期的水平。
非AI领域也呈现早期初创企业资金流入活跃的态势。机器人技术与能源存储领域的Skild AI、Field AI、Physical Intelligence等企业完成了重大融资轮次，提供家用电池的Base Power与专注云备份解决方案的Eon也各自获得数亿美元投资，实现快速增长。
专家解读称，这种现象表明风险投资者正大胆押注早期阶段的潜力创业者与技术。市场明显呈现出对高成功概率项目采取早期发掘与大规模投资相结合、以抢占市场先机的趋势。尽管其中部分企业可能面临失败，但已有若干公司在短时间内成长为行业核心，证明了其存在价值。
AI与技术创新相结合的下一代初创时代来临，已被视为必然趋势而非可选方向。无论是从风险资金的流向，还是企业的市场支配力来看，这一变革预计未来将持续加速。法国版Copilot？Mistral AI，以开源编码LLM挑战谷歌与OpenAI法国AI初创公司Mistral AI发布了基于开源、专精编码的大型语言模型"Devstral 2"，向谷歌和OpenAI主导的代码生成市场发起挑战。搭载1230亿参数的Devstral 2针对自动化复杂软件开发任务的"氛围编码"进行了优化，与专有系统相比，其成本最高可降低85%。
Mistral AI与Devstral 2一同发布了命令行界面工具"Mistral Vibe"。该工具能够基于自然语言分析整个代码库、进行修改完善乃至识别依赖关系，从而实现项目级的AI编码。开发者可将该模型作为独立程序或在集成开发环境内使用，它能够自主执行一系列开发任务，包括运行shell命令、版本管理、文件编辑等。
Devstral 2在模型性能方面也表现突出。据Mistral AI称，基于25.6万token的上下文窗口，该模型在SWE-bench测试中取得了72.2%的准确率，在开源模型中仅次于DeepSeek V3.2，位列第二。若排除谷歌、OpenAI、Anthropic等部分尖端模型，其性能已属顶尖水平。
同时发布的Devstral Small 2参数规模相对较小，为240亿，但在SWE-bench测试中取得了68%的分数，展现了高效率。该模型足够轻量，可在普通笔记本电脑上运行，并能避免云端计算延迟。Devstral Small 2采用Apache 2.0许可证开源，企业和个人开发者可自由修改或将其集成至商业服务中；而Devstral 2则采用附带营收使用限制的修改版MIT许可证。
定价策略也是Mistral AI的核心竞争力之一。Devstral 2的API使用价格为每百万输入token 0.4美元（约合580韩元），每百万输出token 2美元（约合2,880韩元）。这比Anthropic的Claude Sonnet 3.5模型便宜约7倍。
通过本次模型发布，Mistral AI正面对抗谷歌和OpenAI等公司日益强化的封闭生态系统战略。近期，谷歌已与Replit合作，构建整合IDE与云环境的生态系统；Anthropic也为强化其AI编码工具收购了JavaScript运行时"Bun"。
相比之下，Devstral 2倡导基于开放权重和本地部署的完全开放战略，为企业提供了可根据自身基础设施灵活定制的替代方案。由于可采用混合开发策略，在从项目规划到实施部署的各个阶段并行使用这两种模型，预计其在企业市场也将受到高度关注。
在编码模型市场快速重塑竞争格局之际，Mistral AI凭借其强劲性能、低成本及开源政策，能否建立可持续的客户基础，值得关注。欧洲AI初创公司黑森林，获得4320亿韩元投资……继Mistral之后成为“新强者”德国AI图像生成初创企业黑森林实验室获得3亿美元（约4320亿韩元）新融资，企业估值达32.5亿美元（约4.68万亿韩元）。这是今年欧洲人工智能领域最大规模的投资之一，被视为为受资本冷落的欧洲AI生态系统注入活力的大型交易。
本轮投资由Salesforce Ventures和AMP共同领投，安德森·霍洛维茨、英伟达、淡马锡、贝恩资本风投、Air Street Capital、Visionaries Club、Canva、Figma Ventures等知名投资机构大规模参与。黑森林实验室在创立仅一年内成功筹集了总计4.5亿美元（约6480亿韩元）的资金。
黑森林总部位于德国弗莱堡，并在美国旧金山运营AI研究所。该公司以其专注于图像生成的AI模型系列"Flux"而闻名。特别是该模型已成为开源平台Hugging Face上使用最广泛的图像生成工具之一。据悉，Adobe、Meta、微软、Canva等全球科技巨头正在基于该模型构建自家服务。
值得注意的是，Flux模型不仅具备简单的图像生成功能，还支持图像编辑功能，满足了多样化的内容创作需求。其技术实力在商业应用层面被认为足以与美国和中国的领先企业竞争。
总体而言，欧洲的AI初创企业生态系统仍落后于美国和中国。但随着黑森林等新兴强者的出现，其市场影响力正在扩大。据Crunchbase数据，截至2025年第三季度，欧洲AI初创企业获得的投资额为52亿美元（约7.48万亿韩元），较去年同期的20亿美元（约2.88万亿韩元）增长了一倍以上。然而，这与同期北美AI企业获得的357亿美元（约51.4万亿韩元）总投资相比，仍存在巨大差距。
通过此次融资，黑森林紧随总部位于巴黎的Mistral AI之后，崛起为欧洲顶级生成式AI企业。Mistral AI去年9月在C轮融资中筹集了约20亿美元（约2.88万亿韩元），刷新了欧洲AI投资纪录。此外，英国基础设施公司Enscale筹集了11亿美元（约1.58万亿韩元），自动驾驶软件开发公司Wayve筹集了10.8亿美元（约1.55万亿韩元），均印证了欧洲AI市场的增长势头。
尽管如此，与美国同行相比，欧洲AI企业的估值差距仍然显著。旧金山的Anthropic目前估值为1830亿美元（约263万亿韩元），OpenAI估值为5000亿美元（约720万亿韩元），这表明欧洲AI市场要成长为全球水平仍面临诸多挑战。
黑森林的快速增长是展现欧洲AI潜力的一个缩影，预计将成为衡量未来欧洲科技股投资是否扩大的重要变量。TotalEnergies与Mistral AI达成超1亿欧元合作，提升石油勘探效率Techub News 消息，能源巨头TotalEnergies与法国AI公司Mistral AI达成合作协议，交易价值超过1亿欧元。双方将合作开发AI解决方案，以提高石油勘探的效率和创新能力。该合作旨在通过AI技术优化能源勘探流程，同时支持欧洲的数字主权战略。（Crypto Briefing）Cohere 发布 North Small Translate 翻译模型，覆盖 50 种语言Techub News 消息，AI 公司 Cohere 发布开源翻译模型 North Small Translate。该模型为稀疏专家混合模型，总参数量 2180 亿，激活参数量 250 亿，支持从阿尔巴尼亚语到越南语等 50 种语言。在 Cohere 的 WMT26 评估中，其平均得分为 83.6。
Cohere 表示，该模型性能优于 DeepL、Google Translate 以及 GLM 5.2 和 Mistral Large 3 等开源选项。模型可通过 Cohere API 免费调用（受速率限制），也可非商业自托管或商业授权使用。
根据 Cohere 公布的成本图表，该模型每项任务（平均 661 个词元）的成本为 0.000676 美元，而 Gemini 3.1 Pro Preview 的成本约为其 58 倍。 （MarkTechPost）Cloudera 与 Mistral AI 合作，为企业数据提供专业主权 AI 解决方案Techub News 消息，数据云公司 Cloudera 与 AI 公司 Mistral AI 宣布建立合作伙伴关系，旨在为企业数据提供专业的、主权化的 AI 智能解决方案。该合作将帮助受监管的行业能够基于自身条件进行创新。
（Mistral）OpenRouter 上线 Mistral 编程专用 AI 模型 Codestral 2508Techub News 消息，模型聚合平台 OpenRouter 上线新模型「Mistral: Codestral 2508 (batch)」。该模型是 Mistral 于 2025 年 7 月底发布的编程专用语言模型，擅长低延迟、高频率任务，如代码补全、修正和测试生成。
（OpenRouter 官方公告）OpenRouter 上线 Mistral Medium 3.1 (batch) 新模型Techub News 消息，模型聚合平台 OpenRouter 新上架模型「Mistral: Mistral Medium 3.1 (batch)」。该模型是 Mistral Medium 3 的更新版本，旨在以显著降低的运营成本提供前沿性能的企业级语言模型。OpenRouter 表示，模型上架常早于厂商官宣。 （OpenRouter 官方公告）OpenRouter 上线 Mistral Small 4 (batch) 新模型Techub News 消息，AI 模型聚合平台 OpenRouter 已上架新模型「Mistral: Mistral Small 4 (batch)」。该模型是 Mistral Small 系列的下一个主要版本，将多个旗舰 Mistral 模型的能力统一到一个系统中，具备强大的推理能力。模型上架时间通常早于厂商官方宣布。 （OpenRouter 官方公告）三星与 Mistral AI 合作，部署本地 AI 模型于半导体制造Techub News 消息，三星电子已与 Mistral AI 达成合作，将在其半导体制造与工程业务中部署本地 AI 模型。根据协议，三星将把 Mistral 的软件套件（包括旗舰模型 Mistral Large）集成到内部半导体设施中，以构建用于智能驱动工厂基础设施的定制模型。
此次部署采用私有企业安装方式，在三星的计算边界内处理敏感的工程与运营记录，以保护专有技术数据。三星计划将针对性模型直接用于自动化缺陷检测和晶圆厂设备调优，旨在加速开发周期、提高制造精度并稳定先进存储与逻辑芯片的良率。
三星设备解决方案部门副董事长兼 CEO 表示，AI 芯片设计与制造日益复杂，需要半导体技术的持续创新。Mistral AI 联合创始人兼 CEO 称，AI 正在重塑从硅到软件的复杂技术构建方式。此外，三星还领投了 Mistral AI 的 D 轮融资，获得了战略股权以支持长期技术合作。（AI News）英伟达宣布 CUDA Rust 开源项目，支持编译时安全的 GPU 内核Techub News 消息，英伟达宣布推出 CUDA Rust，旨在使 Rust 成为编写 GPU 内核的一流语言。该计划包含两个开源项目：用于 SIMT 模型的 cuda-oxide 和用于较新 Tile 模型的 cutile-rs。两者均能原生编译 Rust 内核，并利用 Rust 的所有权规则在编译时拒绝别名错误。
目前，cutile-rs 已发布在 crates.io 上，可在稳定版 Rust 1.89+ 上运行，并已用于 Hugging Face 的 Grout 推理引擎和 mistral.rs。cuda-oxide 则处于早期 alpha 阶段。两个项目均处于 alpha 阶段，尚未确认可用于生产环境。
英伟达表示，此举是为了应对 AI 系统层（从推理引擎到驱动程序和智能体运行时）越来越多地使用 Rust 编写的趋势。Tile 模型是较新的编程模型，英伟达建议开发者优先使用，SIMT 模型则用于显式的线程和内存控制。计划中的跨语言互操作性意味着选择 Rust 不会将开发者排除在 C++ 或 Python 之外。 （MarkTechPost）Mistral 完成 30 亿欧元 D 轮融资，投后估值超 210 亿欧元Techub News 消息，法国 AI 初创公司 Mistral 今日宣布完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元。本轮融资将用于推进其主权、开放权重 AI 技术的前沿发展。
（Mistral）Mistral 与 HUMAIN 宣布在沙特阿拉伯建设主权 AI 基础设施Techub News 消息，法国 AI 公司 Mistral 与沙特阿拉伯的 HUMAIN 宣布计划在沙特阿拉伯及该地区建设主权 AI 基础设施。这项合作价值数亿欧元，将进一步加深海湾资金对欧洲 AI 领域的投资。
（Decrypt）撰文：Techub News 整理 导语 在 NVIDIA GTC 2026 大会的一场特殊炉边对话中，创始人兼 CEO Jensen Huang（黄仁勋）卸下 keynote 演讲者的身份，化身为主持人，与来自 LangChain、Perplexity、Cursor、Reflection、Mistral、Open Evidence、AI2、Black Forest Labs 和 Amp 等九家前沿 AI 公司的创始人及 CEO 进行了一场高带宽、无脚本的深度对谈。这场对话之所以重要，是因为它跳出了对 OpenAI、Anthropic 等头部闭源模型公司的常规讨论，将聚光灯对准了正在蓬勃发展的“AI 生态系统”——那些构建工具、平台、垂直应用和开源模型的“造物主”们。黄仁勋在开场即定调：AI 的未来不是“非此即彼”的选择，而是“开源与闭源并存”的繁荣生态，而聚合的开源模型，其规模终将超越任何单一闭源模型。 摘要 开源模型崛起：黄仁勋指出，聚合的开源模型已是世界第二大模型，并终将成为最大模型。这并非取代闭源模型，而是构成一个多元、互补的 AI 技术基石。 AI 即“系统”，而非单一模型：真正的 AI 能力来自一个由多个模型、工具、文件系统和连接器组成的“系统”或“计算机”。模型本身只是这个交响乐团中的“乐器”。 代理（Agent）时代来临：以 OpenClaw 等现象级开源项目为标志，AI 正从“回答问题”走向“采取行动”。能够执行复杂、多步骤任务的“代理”将成为个人和企业的“数字同事”。 垂直行业的革命：代理系统将在医疗（如处理保险授权）、法律、物流、工程等几乎所有行业引发变革，其核心价值在于处理可重复、多步骤的确定性工作流。 开放的价值：控制、定制与信任：对于企业级和关键任务应用，开源模型提供了闭源 API 无法比拟的控制权、深度定制能力以及对系统行为的可审查性，这是建立信任的基石。 超越模型之争：AI 是一个“系统” 对话伊始，Jensen Huang（黄仁勋）就试图纠正一个普遍的误解：AI 不等于大语言模型。他强调，AI 是一个由多个模型和大量其他技术组成的“系统”。创造针对不同领域的解决方案，需要海量的外围技术。因此，2026 年 3 月的重点不是讨论“开源 vs. 闭源”的对立——他认为这本身是个伪命题——而是庆祝一个两者并存、共同繁荣的生态。 Perplexity CEO Arvind Srinivasan 用一个生动的比喻阐释了这一观点：“模型只是乐器，子代理（sub-agent）是乐手，而 AI 为你完成的工作就是它们演奏出的交响乐。”他提出的“Perplexity Computer”概念，正是一个旨在编排所有 AI 能力（编码、写作、多模态内容生成）的“操作系统”。在这个系统里，用户只需委托任务，而由系统来决定调用哪个模型、使用何种工具，从而摆脱供应商锁定。 LangChain CEO Harrison Chase 补充道，业界正在出现一种介于基础模型公司和纯应用公司之间的“第三类公司”。它们既利用市场上最好的 API 模型，也自行开发模型，并将两者结合，为特定垂直领域打造最佳产品。他预测，未来一两年将出现一种新型的“复合代理”，能够承担耗时数小时甚至数天的复杂任务，并通过将工作负载分配给不同特长的模型，变得比任何单一模型都更聪明。 Reflection CEO Misha Laskin 则提出了“马具工程”（Harness Engineering）的概念，即围绕模型构建的一切——如何连接工具、何时压缩、使用哪些子代理等。他指出，即使是闭源实验室，其成功也很大程度上依赖于精心设计的“马具”。 开源模型：不止于“追赶者”，更是创新的基石 对于开源模型，一个常见的误解是它们永远会落后于前沿闭源模型几个月。Mistral CEO Arthur Mensch 和 AI2 研究负责人 Hanna Hajishirzi 都强烈反对这一观点。 Arthur Mensch（亚瑟·门施）指出，开源与闭源模型之间并无根本性差异。AI 模型是基础的知识基础设施，而知识基础设施天然“渴望开放”，就像书籍从封闭走向印刷，科学从炼金术走向学术期刊。他预测，未来几年将出现一个与强大闭源模型并驾齐驱的、能力相当的开源模型生态系统。 Hanna Hajishirzi 从研究加速的角度强调了开放的价值。AI 进展极快，呈指数级增长，有海量知识需要学习，这不可能完全由大实验室完成。开放模型、基础设施、数据和研究成果，能让全球众多聪明的研究者参与进来，从不同角度推进 AI 科学，这是一个非常“正和”的游戏。她所在的团队通过开放模型全开发周期（包括数据、权重、基础设施），已经催生了许多新研究，例如证明了混合模型（Hybrid Model）在理论上和实证上都比纯 Transformer 架构更高效。 黄仁勋总结道，预训练（获取基础知识和泛化能力）只是开始，未来计算开销的大头将是后训练（学习技能）。闭源模型可能是最好的“通才”，但绝大多数价值来自“专才”，而开源模型正是培育各领域“专才”的沃土。 代理革命：从 OpenClaw 到工业重塑 对话的高潮聚焦于2026 年 3 月引爆社区的 OpenClaw。黄仁勋将其称为“现代计算机的完美代表”，是第一个完整的、开源的代理系统。它拥有工作内存、文件系统访问、任务调度、I/O 交互等能力，本质上是一台“新型计算机”。 与会者们从不同维度分析了 OpenClaw 的意义和代理的未来： 技术拐点：Misha Laskin 认为，OpenClaw 标志着模型能力与“马具”校准终于匹配，让“大脑”拥有了在计算机中操作的“肢体”。Harrison Chase 指出，模型在代码生成上的突破，以及通过代码操作命令行（CLI）的能力，使得原本为编码训练的模型能够处理几乎所有知识工作。 工业应用蓝图：Open Evidence CEO Daniel Nadler 描绘了代理在医疗领域的革命性场景：医生睡眠时，代理可以自动处理保险公司的拒赔申诉，从患者记录中调取所需信息，为患者争取关键治疗。他强调，这种多步骤、可重复、基于模板的工作流范式存在于美国每一个行业，包括法律和医疗。 企业级挑战：Arthur Mensch 冷静地指出，将代理从个人工具扩展到企业组织，会面临复杂的数据、治理和合规瓶颈。企业需要能够在统一控制平面内管理一切的原语，确保安全、可观测性。黄仁勋幽默地插话，用“CEO 特权”为例说明了安全原则：一个代理通常只应被允许同时执行“访问敏感信息”、“执行代码”、“对外通信”这三项中的两项，除非它是 CEO。 新前沿：视觉与物理世界：Black Forest Labs CEO Robin Rombach 提醒大家不要只盯着代码。视觉智能（理解、模拟、生成视觉内容）是与物理世界和机器人交互的关键新前沿。代理需要学会与这些视觉模型协作，解锁制造、内容创作等全新领域。 开放的核心价值：控制、定制与信任 在讨论开源模型对各自行业的重要性时，“控制”、“定制”和“信任”成为反复出现的关键词。 Arthur Mensch 阐述了开源模型对企业软件的两大核心价值：1. 控制与韧性：当代理处于执行层时，企业需要完全掌控其部署，拥有“关机按钮”，避免依赖可能被关闭或出问题的外部 API。2. 深度定制：对于涉及物理世界、专有 IP 或特定工程知识的领域，企业需要将专属数据注入模型。开源模型允许这种深度定制，从而构建理解物理世界的专用代理。 Daniel Nadler 用“800 岁的父母”比喻闭源大模型：它们在其强化方向上非常聪明，但难以改变世界观。而社会的形态是专业化的，未来的 AI 也应反映这一点，需要数字化的“专科医生”。开源模型是培育这些“专科医生”的必要基础。 Amp CEO Anjney Midha 将讨论提升到“信任”层面。随着 AI 应用于医疗、国防等关键任务，低容错率要求极高的可信度。一个无法内省、无法自主托管、依赖第三方的闭源系统，是在“委托信任”。而开源系统更容易通过审查和风险管控来建立信任，这是其进入关键领域的最大优势之一。他同时呼吁，需要“开放基础设施”（如 AI 计算网格），避免算力囤积和基础设施垄断，才能让开源模型在前沿持续发展。 尾声：一个新的计算时代 在对话的最后，黄仁勋总结了正在发生的多重拐点：代理系统时代的到来、强大模型与代理系统的融合催生出极具价值的企业解决方案平台。他预言，今年我们将开始看到真实的商业投资回报（ROI）起飞，起点是编码，但将迅速蔓延至所有行业。 Arvind Srinivasan 为整场讨论画上了一个充满诗意的句点：“电脑又变酷了。我们正在 GPU 运行时上构建一种全新的计算机。” 这或许正是黄仁勋和所有在场 CEO 正在携手打造的未来：一个以开源和闭源模型为基石，以代理为操作界面，以强大算力为引擎，真正重塑所有工作和生活方式的下一代计算平台。
