这是什么

NVIDIA 把自家两项底层技术对外开放了：一是芯片间高速互联的 NVLink，二是为 AI 训练定制的高带宽内存 NVHBM。过去这些只在英伟达自家 GPU 内部使用，现在允许第三方自研 AI 芯片——也就是行业里说的 XPU（Custom Accelerator，定制加速器）——接入使用。

打个比方：英伟达正在把自己的「高速公路」开放给别人跑，但要按它的规矩走。对正在做自研芯片的云大厂（Google、亚马逊）和中国 AI 芯片公司来说，这条路更短，但收费站也归英伟达管。

为什么要开放？背景是 AI 模型越来越大，单芯片装不下，必须靠成百上千颗芯片协同。芯片之间「对话」快不快、内存喂数据够不够，决定了算力是否被浪费。NVLink + NVHBM 这套组合，正是英伟达 GPU 长期领先的关键之一。现在它把这条路延伸给第三方，本质是扩大生态护城河。

行业怎么看

正面声音集中在定制芯片厂商一侧：接入现成 NVLink 生态能省下大量自研时间，量产也更容易。对 Google TPU、亚马逊 Trainium 这些已经成型但互联受制于人的玩家来说，这是个补短板的机会。

但我们更关注风险，至少有两个层面值得警惕。

第一，生态绑定更深。一旦用上 NVLink 和 NVHBM，整套系统的设计、调试、迭代都围着英伟达转，未来定价权和升级节奏完全不在自己手里。今天是合作伙伴，明天可能就是被收割的对象。

第二，地缘变量。NVHBM 的供应链涉及先进封装和高带宽存储芯片制造，对中国厂商来说，开放归开放——能否稳定供货、是否受出口管制影响，目前都没有明确说法。这扇门今天开了，明天关不关，不由门外的人决定。

对普通人的影响

  • 对企业 IT：算力采购的格局会更复杂，未来两三年云服务定价可能因 NVHBM 接入与否而明显分化，做模型选型时要重新比价。
  • 对个人职场：AI 芯片、互联架构、先进封装相关岗位持续紧缺，懂底层硬件的工程师议价能力在上升，纯软件背景的人需要补课。
  • 对消费市场：终端用户短期内无感，但训练侧成本下降后，大模型 API 价格继续走低是大概率事件，AI 应用会越来越便宜。