在美国构建前沿AI模型的成本高昂。训练一款类似Reflection AI的Beam的模型,估计耗资约1亿美元——这一价格可能使美国实验室更难缩小与中国的差距,而据报道中国模型的成本仅为其一小部分。这正是英伟达介入之处。这家芯片制造商已将自身转变为类似该行业的风投基金、房东和五金店三位一体的角色。

一个1亿美元的模型与一笔60亿美元的押注

Reflection AI于2026年10月5日发布了Beam。该模型采用稀疏架构,总参数量达5010亿,其中任一时刻仅有230亿参数处于激活状态——这种方式降低了模型每次响应提示所需的算力。模型使用强化学习技术在23.8万亿token上训练,训练过程在四周内动用了10500块英伟达GB300数据中心GPU。

Beam被宣称其推理效率比中国的GLM 5.2高出3-4倍,并比领先的西方开放模型高出4倍以上。推理是指模型在训练完成后实际响应提示时所做的工作——因此更高的推理效率意味着每个答案的服务成本更低。该模型被定位为高性价比的西方替代方案,但在某些中国竞争对手面前仍存在一定的原始性能差距。

Beam的发布并非英伟达近期唯一的投入。2026年8月,这家芯片制造商与Poolside达成了一项60亿美元的授权与投资协议,旨在为美国的开放权重模型建立稳健的生态系统。开放权重模型是指其训练后的参数被公开发布、任何人都可以下载、运行和调整的模型,与之相对的是只能通过提供商接口访问的封闭模型。

为何中国拥有成本优势

竞争挑战的核心在于价格错配。据报道,许多中国模型的训练成本仅为数百万美元的低段,而像Beam这样的美国领先模型估计约为1亿美元。中国实验室一直在推出能力强大、成本低廉的模型,DeepSeek、GLM和Kimi等模型家族给西方开发者带来了实实在在的压力。

英伟达:行业的资助者

英伟达的战略远不止于销售芯片。该公司一直在新兴AI企业中持有股权,到2026年中期,其对AI初创公司的总持股已达约990亿美元。它还在构建调动超过5000亿美元资金的算力融资渠道,并为其支持的初创公司扩大对稀缺GPU资源的获取。

这对AI竞赛意味着什么

美国开放权重的雄心如今很大程度上依赖于一家公司的资本和芯片。英伟达的支持或许能缓解初创公司高昂训练成本的冲击,但一个耗资1亿美元的模型仍然需要从那些据报道花费远低于此的竞争对手手中赚回这笔钱。

这正是Beam的效率声明值得关注的原因。如果相对于GLM 5.2预计3-4倍的推理增益在实际部署中得到验证,美国实验室将获得一个可信的论据,能够以总拥有成本而非仅训练成本展开竞争。

英伟达60亿美元的Poolside协议及其约990亿美元的初创公司投资组合为美国实验室提供了喘息空间。这一空间能否演变为自我维持的生态系统——还是继续依赖单一资助者——将决定美国开放权重AI在未来几年展现怎样的竞争力。