AI news

Mira翁荔陈丹琦公司,让老黄掏出了600亿美金

By 克雷西0 viewsSource: 量子位
Mira翁荔陈丹琦公司,让老黄掏出了600亿美金

又给算力又投资,英伟达又有一大笔资源砸向了Mira的初创公司。

The full text has not been translated yet. The Chinese original is shown below.

又给算力又投资,英伟达又有一大笔资源砸向了Mira的初创公司。

刚刚,Thinking Machines Lab官宣与英伟达达成新一轮合作协议。

这次合作,将落地一座预计成本达600亿美元的1GW规模数据中心,同时协议还包含了英伟达的现金注资。

文章配图

公司官宣的同时,CEO Mira也以个人名义发文对英伟达团队和黄仁勋表达了感谢。

文章配图

此前,英伟达已参与该公司20亿美元的种子轮融资,并助力其实现120亿美元估值。

目前为止,公司最新估值报价已达500亿美元。

Mira初创签下1GW算力大单

这次,英伟达和Thinking Machines Lab签署的多年度战略伙伴协议,将首批算力集群的部署时间定于2027年初。

该协议的核心内容,是在全球范围内额外部署至少1GW容量的下一代Vera Rubin算力系统。

文章配图

作为Blackwell架构的继任者,Vera Rubin平台由R100系列GPU和GR200系列Grace Rubin超级芯片组成,单颗GPU集成了288GB HBM4显存,内存带宽达到22TB/s,并能提供50PFLOPS的NVFP4推理算力。

与之匹配的Vera CPU采用了88个Olympus核心,支持1.5TB LPDDR5X内存以及1.2TB/s的带宽,通过第六代NVLink技术实现了每颗GPU高达3.6TB/s的互连速率。

文章配图

这套超大规模算力设施,将直接服务于Thinking Machines Lab的前沿模型训练任务,并为大规模交付定制化AI的平台提供底层支撑。

两家公司的技术团队将开展深度协作,共同设计专门适配Nvidia架构的模型训练与推理服务系统,进一步拓宽全球企业、研究机构以及科学界获取前沿AI模型及开源模型的渠道。

据估算,项目总建设成本为500-600亿美元,其中英伟达提供的硬件及配套方案价值约为350亿美元。

另外,协议中还明确包含了一笔由英伟达提供的数额重大的现金注资,用于支持该公司的长期增长与技术研发支出。

这种数百亿美金的重资产投入与顶尖芯片配额,帮助Thinking Machines Lab完成了一轮在底层算力基建上的深度锁定。

用算力构筑护城河

Thinking Machines Lab于去年2月正式宣告成立,创始人Mira Murati此前在2024年辞任了OpenAI CTO。

当时,Mira不仅从OpenAI吸纳了原安全系统负责人翁荔等数十名研发精英,还成功邀请到普林斯顿大学教授、著名自然语言处理学者陈丹琦加盟。

这种由顶级工程人才与学术大牛共同组成的团队架构,为公司奠定了极高的技术起点,并迅速推高了其在资本市场的议价能力。

7月,公司获得了20亿美元融资,当时估值为120亿美元,而到去年年底,最新估值报价已冲高至500亿美元。

这期间,Thinking Machines Lab在10月发布了旗舰产品Tinker,它允许企业利用LoRA技术,在无需采购自有服务器的情况下定制大模型。

然而,这种上升势头在今年1月遭遇了人才流失的挑战,原首席技术官Barret Zoph带领多名技术骨干集体重返OpenAI,一度引发外界对公司技术研发持续性的担忧。

为了应对核心团队的突发变动,Thinking Machines Lab随即聘请PyTorch创始人Soumith Chintala出任新任CTO,负责统筹后续的底层软硬件适配工作。

这种顶级人才的快速迭代不仅稳住了研发基本盘,也显示出公司在面对巨头挖角时极强的资源调动与自我修复能力。

这次与英伟达合作锁定下一代产能,也是公司在“人才保卫战”之外开辟的“第二战场”。

在硅谷人才流动异常频繁的背景下,通过掌控极其稀缺的底层算力资源,也帮助公司在算法研发之外,构筑起了更稳固的护城河。

参考链接:

[1]https://thinkingmachines.ai/news/nvidia-partnership/

[2]https://www.bloomberg.com/news/articles/2026-03-10/nvidia-nvda-to-invest-in-mira-murati-s-thinking-machines-lab-and-supply-chips

[3]https://www.ft.com/content/a8853057-c0a3-46f6-817f-7a23e79ea4e2

文章来自于“量子位”,作者 “克雷西”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)