在美國建構前沿AI模型已成為一項昂貴的工程。訓練Reflection AI的Beam這類模型估計需花費約1億美元——這樣的價格可能使美國實驗室難以縮小與中國競爭對手的差距，因為據報導中國模型的成本僅為其一小部分。這正是Nvidia介入的地方。這家晶片製造商已將自己轉變為類似於該產業的創投基金、房東與硬體供應商的三合一角色。

1億美元的模型與60億美元的賭注

Reflection AI於2026年10月5日發布了Beam。該模型採用5,010億參數的稀疏架構，其中在任何給定時刻僅有230億參數處於活躍狀態——這種方法可減少模型每次回應提示所需的運算量。模型使用強化學習技術在23.8兆個token上進行訓練，訓練過程在四週內動用了10,500顆Nvidia GB300資料中心GPU。

Beam被宣稱其推理效率比中國的GLM 5.2高出3至4倍，並比領先的西方開放模型高出4倍以上。推理是指模型在訓練完成後實際回應提示時所執行的工作——因此更高的推理效率意味著每次回答的服務成本更低。該模型被定位為具成本效益的西方替代方案，儘管在與某些中國同類模型比較時，其原始性能仍存在一些差距。

Beam的發布並非Nvidia近期唯一的承諾。2026年8月，這家晶片製造商與Poolside達成了一項60億美元的授權與投資協議，旨在為美國建立強健的開放權重模型生態系統。開放權重模型是指將訓練後的參數公開釋出，供任何人下載、執行與調整的模型，與僅能透過供應商介面存取的封閉模型形成對比。

為何中國擁有成本優勢

這場競爭挑戰的核心在於定價錯配。據報導，多中國模型的訓練成本僅為數百萬美元的低段，而像Beam這類領先的美國模型估計約為1億美元。中國實驗室一直推出功能強大且低成本的模型，DeepSeek、GLM和Kimi等模型家族已對西方開發者構成壓力。

Nvidia作為產業的資金提供者

Nvidia的策略遠不止於銷售晶片。該公司一直在新興AI企業中持有股權，截至2026年年中，其對AI新創公司的總持股已達到約990億美元。該公司也在建構算力融資管道，目標是調動超過5,000億美元的資金，同時為其支持的新創公司擴大稀缺GPU資源的取得管道。

這對AI競賽意味著什麼

美國開放權重模型的雄心如今有相當大一部分繫於一家公司的資本與晶片。Nvidia的支持或許能緩解新創公司高額訓練成本的衝擊，但一個花費1億美元訓練的模型，仍須從據報導支出遠低於此的競爭對手手中賺回這筆資金。

正因如此，Beam的效率宣稱才是值得關注的關鍵數字。如果相較GLM 5.2預期的3至4倍推理效率提升能在實際部署中得到驗證，美國實驗室將獲得一個有力的論據，得以在總體擁有成本而非僅訓練成本上展開競爭。

Nvidia與Poolside的60億美元協議及其約990億美元的新創投資組合，為美國實驗室提供了喘息空間。這個空間能否發展成自我維持的生態系統——還是繼續依靠單一贊助者支撐——將決定美國開放權重AI在未來數年的競爭力。