英伟达：AI生态的宏观调控者与投资战略

回顾商业历史，几乎没有哪家万亿美元市值的公司能像英伟达这样，在极短的时间里实现市值的跃升。

其崛起令人震撼，但在这种惊人增长的背后，英伟达高层始终萦绕着一种焦虑：

如果未来某天，AI技术不再需要英伟达的GPU，那该如何应对？

为了应对这种潜在风险，英伟达选择了一种最直接而彻底的方式：将整个AI生态系统紧密绑定在自己的战略框架内。其关键手段，就是大规模投资。

过去两年间，英伟达进行了83笔投资，超过了同期Alphabet的73笔和微软的40笔。今年，这一节奏进一步加快。仅在9月中旬的一周内，英伟达就宣布了五笔重大投资，总金额超过92亿美元，几乎相当于一个中型国家的科技年度预算。

从大模型到云计算，从AI应用到具身智能，在几乎所有热门AI赛道的关键环节，都能发现英伟达的参与。

但这并非全部。真正让英伟达区别于其他科技巨头的，是它正努力构建一种由自身主导的AI秩序。

它如同中央银行那样掌控着“算力货币”的发行权，一边释放GPU的“流动性”，扶持CoreWeave、Lambda、Together AI等新兴企业崛起；一边又充当“最后贷款人”，在OpenAI等关键公司融资困难时出手支撑，稳定整个生态。

在AI这个初露锋芒的新领域，英伟达已不再仅仅是一家芯片供应商，它更似一台宏观调控机器，一个具备系统性影响力的超级角色。

在当下这个时刻，我们或许需要重新审视英伟达的定位。

01

全面投入大模型，聚焦四大AI应用领域

从投资数据观察，英伟达不仅出手频繁，而且力度惊人。

自2023年起，英伟达参与的单笔融资超过亿美元的企业共有31家。在2025年的投资中，单笔融资超过10亿美元（约合人民币71亿元）的企业有7家、获得数亿美元融资的有8家、融资额刚超1亿美元的有5家。

从行业分布来看，这些大额融资中，大模型相关企业最多，共14家；其次为AI基础设施相关企业，共7家；自动驾驶和人形机器人相关企业分别为3家和2家；其余如量子计算、核聚变等相关企业共5家。

模型公司是英伟达押注最重的类别，毫无争议。

一方面，英伟达几乎投资了所有头部模型公司，包括OpenAI、Anthropic、xAI等顶级厂商，同时也涵盖了差异化模型提供商，如专注于企业级模型的Cohere和开源模型厂商Together AI。

另一方面，出于“主权AI”的考量，英伟达特别注重对区域模型的布局。例如，它先后投资了欧洲的Mistral、亚洲的Sakana AI以及以色列的AI21 Labs。

英伟达全力投资模型公司的逻辑非常清晰：模型厂商是其最直接的客户，通过投资这些公司，英伟达能更有效地锁定未来的硬件订单和系统部署需求。

这就像一家面粉厂不仅向面包店销售面粉，还直接投资有潜力的面包店，确保它们未来制作面包时必用自家面粉。

除了模型层，基础设施是英伟达投资的另一个重点方向。

在2025年前三个季度，英伟达投资的AI基础设施公司与模型厂商数量相当，各占31%。除了核心支持的CoreWeave外，英伟达还投资了Lambda Labs、Crusoe和Nscale。

这些公司都有一个共同点：它们并非从云计算业务起家。

例如，CoreWeave出身于加密货币挖矿，Lambda Labs最初销售深度学习工作站，Crusoe则专注于油气田的电力回收。如今它们都转型为AI云服务商，这背后离不开英伟达的推动。

英伟达为何这样做？简而言之，这是在“购买客户增长”。通过投资，加速这些云服务公司的发展，从而带动芯片销量、租赁业务、部署需求及软件使用量的全面增长。

更重要的是，这些平台并非英伟达自建，灵活性更高，既能掌控生态，又避免了与AWS、Azure等大客户直接竞争，实现了盈利与避险的双重目标。

在应用层，英伟达更像是在布局未来。它在软件层看好两个方向：垂直AI和多模态AI。Harvey、Hippocratic AI是前者的代表，Runway、Luma、SoundHound则属于后者。

这些选择背后，反映了黄仁勋的洞察。他认为，模型必须同时具备“视觉、听觉和推理能力”，从文字、图像到视频、音频，多模态融合是理解世界的关键。

自动驾驶和机器人是英伟达押注的硬件方向。2019年，它投资了Wayve，2024年又追加了超过10亿美元；Figure AI是机器人领域投资最重的一家，B轮投资了6.75亿美元，并签署了5年GPU租赁协议。

黄仁勋从不掩饰对机器人的热情。在股东大会上，他明确表示：机器人将是英伟达继AI之后的“第二增长曲线”，而自动驾驶将率先实现商业化落地。

02

英伟达的本质：充当AI生态的流动性发放者与风险兜底方

尽管英伟达投资众多，但有两个反直觉的现象：

第一，投资集中在中后期轮次，通常都在B轮之后。

第二，虽然出手频繁，但它很少担任领投方。

这种“不做主角”的姿态在Reflection的融资中尤为明显。

在本月Reflection的20亿美元新一轮融资中，英伟达的资金占比高达40%。然而，当外界将其称为Reflection的“领投方”时，英伟达迅速发表声明，强调自己仅是“多位投资者之一”。

知情人士透露，英伟达有意回避“谈判主导者”的角色，即使投资金额最大，也不愿进入董事会、设定条款或主导公司发展。

因为对它而言，财务回报并非核心，生态构建才是关键。

与追求更多利润相比，英伟达更关注通过投资参与塑造未来AI市场格局。它寻求的不仅是财务回报，还包括情报获取、影响力拓展和话语权提升。

通过提前锁定新兴趋势、影响技术方向、绑定潜在爆发公司，将最有前景的客户纳入自身的GPU体系。投资，成为它构建生态、延伸控制力的重要方式。

这种策略让英伟达远远超越了传统科技公司的角色边界，日益像一个宏观调控者。

甚至可以说，英伟达正在扮演类似AI世界政府或中央银行的角色。

一方面，当GPU成为AI时代的硬通货，英伟达便是掌握发行权的核心机构。

它如同掌控货币的央行，一边通过发行“货币”直接推动AI生态发展，一边操作流动性的释放与收缩。

例如，CoreWeave、Lambda等新兴AI云公司，在英伟达的投资和支持下迅速崛起。前者自3月上市以来股价已上涨约2-3倍（客户范围已从英伟达、微软扩展至OpenAI、Meta等），而Lambda也即将上市。

这些公司往往比传统大厂更早获得最新的H100芯片，甚至出现了“先提供芯片，使用后再结算”的合作模式。

与此同时，英伟达也开始具备类似政府调控经济的特征，在关键时刻扮演AI产业的“最后贷款人”。

最典型的例子是OpenAI。OpenAI自称要到2029年才能实现现金流转正，这意味着还需烧钱5年，总计1150亿美元。但其估值已飙升至5000亿美元，传统投资者日益犹豫。

就在此关键时刻，英伟达出手投资了100亿美元。因为英伟达深知，此时没有比OpenAI更能影响未来GPU需求趋势的了。

OpenAI的案例并非孤例。根据外媒The Information援引知情人士的说法：

近期，一些大型数据中心建设者在项目融资上遇到困难，传统金融机构变得谨慎。就在此时，英伟达挺身而出。

有报道称，英伟达向OpenAI等AI公司注入的资金量已接近政府刺激计划的规模。

而英伟达愿意介入并为数据中心公司提供融资支持，是因为这有助于吸引其他资助方加入。

换言之，英伟达正利用自身的资产负债表，支撑整个AI世界的流动性。这正是传统央行在金融体系中的核心作用——防范系统性风险。

这种做法也引发了警惕。哈佛商学院教授David Yoffie指出，英伟达正在人为制造需求。下游公司尚未获得终端客户订单，就先获得英伟达的资金来购买芯片，从而提前“创造”出需求。

然而，从英伟达的视角看，这仍是一笔清晰的账。

手握充裕现金，又受监管限制无法大规模并购；面对刚刚兴起的新市场，背后却是典型的周期性行业。在此局面下，将资金投入生态，不仅是提前锁定需求，更是用资本构筑护城河。当周期来临时，英伟达能确保出货稳定、客户稳固、节奏平稳。

某种程度上，这种风格极具代表性，偏执而务实，深深烙印着黄仁勋的个人特质。

当初，几乎无人相信GPU会成为主流算力，唯有黄仁勋坚持不移。面对“AI是否会毁灭人类”这类宏大命题，他从不参与争论，只专注将当下事情做好、做实。

在黄仁勋看来，与其被行业周期左右、面临被颠覆的风险，不如将生态关键参与者深度绑定在自己的战略中。

他始终坚信一条准则：唯有偏执狂，才能生存。