英伟达斥资 60 亿美元，买下打造自家 AI 模型的那套软件

英伟达已同意支付 60 亿美元，取得 Poolside「模型工厂」的非独家授权——这是这家 AI 编程创业公司用来构建其 Laguna 系列模型的内部平台——并另行以 120 亿美元的投前估值向该公司投资 10 亿美元。这一消息来自 Poolside 发给投资人的一封信，最先由 Newcomer 报道，并于 8 月 21 日获彭博社独立证实。此次交易使英伟达在「非独家授权 + 人才引进」这一模式下的三笔交易总额达到约 270 亿美元，也是它首次把这套模板用在真正构建 AI 模型的软件层上——而不只是推理硬件或芯片互连。

按此安排，Poolside 的 109 名工程师和研究员将通过录用通知加入英伟达，三位联合创始人则留在 Poolside。60 亿美元的授权费预计将在 2027 年底前分配给 Poolside 的现有投资人，这将使一家三年间累计融资 6.26 亿美元的创业公司，实际上变成一个可观的风险投资回报载体。英伟达和 Poolside 均未发表公开声明。

投资人信件里那句要命的坦白

这封被报道的投资人信件里最要紧的细节不是价格，而是这笔交易为何会发生的解释。Poolside 的创始人写道，2025 年底，公司只有六周时间来筹集 20 亿美元，以锁定一个将于次年 1 月上线的 4 万卡 GB300 集群。融资没能及时完成，集群也就丢了。

信里把这个约束讲得很直白：这「不只是资金问题，还是实体数据中心空间和已签约算力的问题」。

在解释前沿 AI 研发的结构性动力这件事上，这段披露比近年来任何一家非上市实验室的公开信息都更有说服力。Poolside 拥有一条可用的模型构建流水线、一支被验证过的技术团队、一套工业化训练平台，以及机构投资人。它在数据中心供给周期设下的硬期限内拿不到的，是算力本身。对一家规模化的 AI 创业公司而言，当募资与某个特定集群的获取绑定时，20 亿美元的融资需要的时间远不止六周。

创始人形容自己「在一场资本需求垂直上升的竞赛中，方向正确地走了三年半」。他们认为，下一代前沿模型需要的不只是 4 万卡 GPU 集群，而是「比这大一个数量级还不止的集群」。到了那个规模，即便筹到钱也解决不了问题：实体数据中心空间和已签约的 GPU 容量才是硬约束，而不是估值或投资人的信心。

「模型工厂」究竟是什么

Poolside 的模型工厂既不是产品，也不是模型。它是 Poolside 为规模化「制造」模型而建的系统——在架构上更接近软件的 CI/CD 流水线或半导体晶圆厂的自动化系统，而不是一段训练脚本。

这座工厂被组织成一张由模块化组件构成的、带版本管理的有向无环图。这些组件覆盖模型生产的每一个阶段：数据摄取、预处理、预训练、有监督微调、强化学习、架构消融实验、合成数据生成、量化和评测。整条流水线跑在 Dagster 上做实验编排。每一步都被不可变地记录——当图中上游的某个组件发生变化时，下游的一切都能从变更后的状态自动重建。

工厂内部的分布式训练代码库叫 Titan。这是一个基于 PyTorch 的库，Poolside 在一个开源基础上做了大量改造，Titan 负责跨 GPU 集群的大规模预训练，支持有监督微调和多种强化学习技术，并作为整座工厂唯一的训练入口。基于 Apache Spark 和 Apache Iceberg 构建的数据摄取层，在基线算力下每天可处理约 20 万亿 token。

这套设计带来的实际效果是可以量化的。Poolside 联席 CEO Eiso Kant 在2026 年 7 月的 Latent Space 播客上描述团队产出时提到，一支不足 115 人的工程与研究团队，每月能跑 1 万到 2 万次实验。Laguna S 2.1——一个总参数 1180 亿、激活参数 80 亿、在 30 万亿 token 上训练的混合专家模型——从预训练开始到公开发布用了不到九周。用 Kant 的话说：「当你的工厂建得足够好，那次大规模训练反而是最容易的部分。」

英伟达花 60 亿美元买的授权，正是这种「快速出模型」的能力。Nemotron 系列——英伟达不断扩充的开放权重模型组合——是模型工厂产出的天然落地面。英伟达另在推进一个万亿参数的 Nemotron 4，该消息由 The Information 于 8 月 11 日最先报道。一个能让数十人团队每月跑 1 万次消融实验的平台，对这条路线图是实打实的加速器。

Laguna 的架构透露了英伟达想要什么

模型工厂产出的这个具体模型，本身就说明了英伟达正在吸收的工程哲学。Laguna S 2.1 采用稀疏混合专家设计：256 个路由专家加 1 个共享专家，每个 token 只激活其中 10 个。总参数 1180 亿，但任一次前向传播只有 80 亿处于激活状态，因此模型的推理成本随那一小片激活参数增长，而不是随总参数量增长。

这种架构让一个具备大模型知识容量的系统，以小得多的推理成本运行。在 Poolside 公布的基准测试中，Laguna S 2.1 在 Terminal-Bench 2.1 上得分 70.2%，在 SWE-Bench Multilingual 上得分 78.5%——这些是公司自报数字，取厂商自报、基准作者或第三方榜单三者中的最高值。这些分数尚无第三方复现的记录，而 Poolside 自己的图表显示 Kimi K3 和其他前沿模型在多数行上仍领先。Laguna S 2.1 展示的不是前沿级性能，而是前沿级的效率竞争力：一个 1180 亿参数的混合专家模型，小到能在单台英伟达 DGX Spark 桌面系统上运行，却能与激活参数多得多的稠密模型打平。

对英伟达来说，意义不在于跑分排名，而在于那套设计纪律——通过工业化实验产出算力高效模型的能力——而这正是模型工厂所固化下来的东西。

英伟达的 270 亿美元范式，以及它正在树立的模板

不到九个月里，英伟达已经三次使用同一种交易结构。2025 年 9 月，它以约 9 亿美元取得 Enfabrica 的芯片互连技术授权，并引入包括其 CEO 在内的关键人员。2025 年 12 月，它支付 200 亿美元取得 Groq 的推理芯片设计知识产权授权，并招入该公司 CEO Jonathan Ross 及其大部分工程团队。Groq 保持独立、任命了新管理层，此后以 35 亿美元估值融资 3.5 亿美元——英伟达也参与了这一轮。如今 Poolside 遵循同样的范式：创始团队留下，核心技术人员转投。

每一笔交易的授权都是非独家的——意味着被授权方理论上仍可把同一套知识产权授权给别人——而且没有通过并购发生任何股权变更。这种结构的法律意义超出了它的优雅：Groq 和 Poolside 两笔交易都没有触发《哈特-斯科特-罗迪诺法案》的并购前申报要求，因为该要求适用于超过一定门槛的股权收购，而非非独家的知识产权授权。英伟达是按商业合同的速度推进的，而不是监管审查的时间表。

伯恩斯坦分析师 Stacy Rasgon 当时评价 Groq 的交易结构，说它可能让「竞争的假象得以维系」。这句观察如今已沉淀成一个分析框架。Poolside 技术上确实可以把模型工厂授权给任何人。但会不会有另一家公司愿意为此付 60 亿美元，以及那 109 名亲手造出它的工程师在加入英伟达之后是否还能为竞争对手的被授权方提供支持，是另一回事。

悬在头上的监管风险

Poolside 这笔交易撞上了一个特定的监管时刻。2026 年 1 月，FTC 主席 Andrew Ferguson 表示，该机构已开始审视「反向收购式招聘」结构是否被用来绕开并购审查。2 月 4 日，参议员 Elizabeth Warren、Ron Wyden 和 Richard Blumenthal 致信 FTC 与司法部，敦促对 Meta-Scale、Google-Windsurf 和 Nvidia-Groq 展开调查，称这些交易属于「实质上等同于并购」的反向收购式招聘。3 月，Warren 和 Blumenthal 两位参议员直接致信黄仁勋，询问 Groq 交易是否为规避反垄断审查而设计，并设定 4 月 3 日为答复期限。

英国竞争与市场管理局曾审查微软在结构上高度类似的 Inflection 团队招募案，并予以放行。目前没有任何美国机构宣布对英伟达的任何一笔交易启动正式审查，也没有公开裁定认为非独家授权违反现行反垄断法。

Poolside 这笔交易势必会被援引进这场仍在进行的辩论。三笔交易、总额 270 亿美元、结构如出一辙、每一笔都让英伟达获得了此前并不掌握的战略能力——这构成了一种模式，比任何单笔交易都更难被说成是偶然。

Poolside 还剩下什么

Poolside 并未解散。三位联合创始人保留了这家独立融资的公司，它现在握有来自英伟达的 10 亿美元新资金和 120 亿美元估值。创始人在投资人信中写道，他们「还没准备好分享更新后的愿景」。公司的基础设施子公司 Poolside Infrastructure Company 正在得克萨斯州 Pecos 县另行建设一个 2 吉瓦的 AI 园区——这个名为 Horizon 的项目于 2025 年 10 月宣布，早于本次交易，并已另行任命了自己的 CEO 和 CFO。

已经发布的 Laguna 系列模型——包括在 Hugging Face 上以宽松的 OpenMDW-1.1 许可提供的 Laguna S 2.1——仍然公开可用。收到英伟达录用通知的 109 名员工将各自决定是否接受。那些留在 Poolside 的人，或拒绝英伟达邀约的人，构成了 Poolside 下一段旅程的核心。

这封投资人信件为那个未来留下了一个哲学坐标。信中主张，软件领域的人类级智能将「被开源模型彻底商品化」，而超级智能不会。Poolside 的创始人把有价值的科学问题分为两类：受智能约束的问题，AI 会将其商品化；以及受实验约束的问题——比如药物发现这类需要真实世界反馈回路、再多智能也无法替代的问题。他们认为未来价值将集中在第二类，并断言「AI 将成为世界上最有价值的科学发现引擎」。

一家刚刚套现、愿景尚未公开、还带着一个基础设施子公司的 AI 编程创业公司，要如何变成一台科学发现引擎，这个问题将定义 Poolside 故事的下一阶段。而对英伟达来说，这个问题是次要的。这家芯片厂商已经拿到了它想要的东西：那套把 GPU 集群变成前沿 AI 模型的工业化模型构建平台，以及造出它的那支团队。

Poolside 没能及时筹到 20 亿美元去锁定的算力，如今坐落在英伟达自己的基础设施里。而高效使用这些算力的软件，现在也是。