黃仁勳的底層護城河保衛戰：NVIDIA 豪砸 260 億美元打造的美製開放模型亮相
隨著 AI 代理（Agentic AI）開始被企業用於自動化更複雜的任務，AI 產業的競爭焦點正悄悄改變。過去市場比的是模型規模與能力上限，如今企業更在意的，則是推理效率、部署成本，以及模型是否適合多代理系統長時間運作。
NVIDIA 宣布推出的開放權重模型 Nemotron Super 3，正是對此新需求的回應。這款模型主打為 Agentic AI 系統設計，採用混合式 Mixture-of-Experts（MoE）架構，具備 100 萬 token context window，目標是在處理長流程、多步驟任務時，降低運算成本與所謂的「思考稅」（thinking tax）。
這也顯示，AI 產業正從單一大型模型競賽，轉向更重視推理效率、多代理系統與開源生態的新階段。而 NVIDIA 也試圖藉此從 AI 晶片供應商，進一步轉型成為完整的 AI 生態系提供者。
多代理系統興起，推理成本成新瓶頸
AI 代理之所以成為新焦點，是因為企業希望它們不只回答問題，而能真正執行任務，例如協助寫程式、處理資安事件、搜尋資料，甚至完成跨工具的工作流程。但這類多代理系統也帶來新問題。
根據 NVIDIA 與《VentureBeat》引述的資料，多代理應用在執行長流程任務時，產生的 token 量可能是一般聊天互動的 15 倍。原因在於，代理每完成一步，都必須反覆帶入歷史脈絡、工具輸出與中間推理結果。這種現象被 NVIDIA 稱為「上下文爆炸」（context explosion）。當上下文持續膨脹，模型不僅更昂貴，也更容易在長任務中偏離原本目標。
另一個問題則是「思考稅」。也就是說，若每個子任務都交由大型推理模型處理，成本與延遲都會迅速上升，使 Agentic AI 很難在企業場景中大規模落地。Nemotron Super 3 的定位，正是試圖在這兩個瓶頸之間找到平衡。
Nemotron Super 3：為 Agentic AI 優化的開放模型
NVIDIA 將 Nemotron Super 3 定位為其目前最強的開放權重模型之一，專門用於大規模 Agentic AI 系統。模型總參數量約 1,200 億，但推理時實際啟用的只有 120 億參數，藉此控制推理成本與速度。
官方表示，這款模型在高容量推理與多步驟任務上，能提供比前一代 Nemotron Super 提升超過 5 倍的吞吐量，同時改善準確度。《VentureBeat》報導，目前該模型在 DeepResearch Bench 評測中排名第一。這項基準主要用來測試 AI 是否能在大量文件資料中進行深入、跨步驟的研究與分析。此外，在高負載情境下，它也展現出效能優勢，吞吐量最高可達 gpt-oss-120B 的 2.2 倍，以及 Qwen3.5-122B 的 7.5 倍。
更重要的是，Nemotron Super 3 具備 100 萬 token 的原生 context window。這意味著它在處理大型程式碼庫、長文件集或多步驟工作流程時，能維持更長期的記憶與任務一致性，減少多代理系統常見的脈絡斷裂問題。
三重混合架構，核心是效率
從架構設計來看，Nemotron Super 3 的技術突破在於其獨特的「三重混合架構」。
它結合了能高效處理超長序列的 Mamba-2 狀態空間模型（SSM），以及能精準檢索關鍵資訊的 Transformer 注意力層。更重要的是，它引入了創新的「潛在混合專家」（Latent Mixture-of-Experts, LatentMoE）設計。透過在分配任務前先將 Token 壓縮，該模型能以相同的運算成本調用多達 4 倍的專家網路，在處理需要頻繁切換 Python 語法、SQL 邏輯與自然語言的複雜代理任務時，展現出極高的靈活度。
對 Blackwell 最佳化，也是在替 NVIDIA 自己鋪路
Nemotron Super 3 的另一個戰略意義，在於它與 NVIDIA 自家硬體平台的高度綁定。這款模型原生以 NVFP4 4-bit 浮點格式在 Blackwell GPU 上預訓練，而非事後再量化壓縮。NVIDIA 表示，這讓模型在 Blackwell B200 上，相較前一代 Hopper H100 的 FP8 模式，可達到 4 倍推理加速，且不犧牲準確率。
這不只是模型優化問題，也關係到 NVIDIA 的長期定位。根據《WIRED》報導，NVIDIA 計畫在未來五年投入 260 億美元建設開放權重 AI 模型。這意味著它不再滿足於只做晶片與軟體工具，而是試圖進一步成為可以與 OpenAI、Anthropic、DeepSeek 競爭的 AI 模型與生態系玩家。
NVIDIA 生成式 AI 軟體副總裁 Kari Briski 也表示，這些模型不只是對外提供給開發者使用，同時也是 NVIDIA 用來測試、拉高自家硬體、儲存與網路架構能力的重要工具。
開源模型，正成為 AI 產業新戰場
NVIDIA 積極擁抱開源的另一個關鍵驅動力，來自於中國開源模型快速崛起的強大競爭壓力。《WIRED》指出，美國最強的封閉模型仍主要掌握在 OpenAI、Anthropic 與 Google 手中，但近年真正活躍於全球開發者與新創社群中的，往往是來自中國的開放模型，例如 DeepSeek、阿里巴巴的 Qwen、Moonshot AI、MiniMax 等。
這些模型因為權重公開、容易修改、部署彈性高，已成為許多研究者與新創公司建立應用的基礎。對 NVIDIA 而言，如果中國開源模型持續進步，且逐漸採用非 NVIDIA 硬體，長期可能動搖其生態系優勢。尤其市場盛傳 DeepSeek 新一代模型可能完全以華為晶片訓練，若成真，勢必會加劇美中在開源 AI 模型與硬體生態上的競爭。
也因此，Nemotron 不只是產品發布，更像是一種表態：NVIDIA 希望提供一個美國版、可商用、可開發、可部署的開放模型替代方案，回應中國開源模型的快速崛起。透過提供具備頂尖性能且商業友好的美國製開源模型，NVIDIA 不僅確保自身的硬體護城河，更在實質上牽動了中美之間在 AI 發展底層架構上的話語權爭奪。開源 AI 模型戰略，已然成為全球 AI 產業最火熱的新競爭焦點。
＊本文開放合作夥伴轉載，資料來源：《WIRED》、《VentureBeat》、《SilisonAngle》、NVIDIA，首圖來源：NVIDIA