老黄30亿美元押注穆拉蒂，估值冲到400亿，钱转一圈又买英伟达的卡
这回，老黄把AI基建的触手，伸进了模型层。
刚过去的这一周，英伟达连甩两笔王炸大单。
前脚刚与全球最大的开源模型集散地Hugging Face签下收购协议，后脚就传出消息，准备给硅谷最受瞩目的OpenAI前CTO米拉·穆拉蒂（Mira Murati）送上一张接近30亿美元的巨额支票。
老黄押注的是穆拉蒂创办的Thinking Machines Lab。
投前估值直接飙到至少400亿美元，拟募资50亿至60亿美元，而英伟达可能一家就包下约一半。
这不是英伟达初投，而是持续加码。
回看Thinking Machines Lab的成长速度，简直像开了挂。
上一轮在2025年7月，它刚拿下史上最大的种子轮之一：
20亿美元种子轮，投后估值120亿美元。
结果短短14个月过去，投前估值直接冲上400亿，翻了三倍多。
如果这次50亿到60亿美元顺利募满，投后估值更会直逼450亿至460亿美元。
更疯狂的，还在后面。
如此惊人的估值，这家公司的年化收入刚过1亿美元。
400亿的估值，对应约400倍的营收倍数。
一家成立19个月、联合创始人已经走了好几个的公司，凭什么让英伟达心甘情愿再掏出25亿到30亿美元？
离开OpenAI两年，狂揽400亿美元估值
从120亿到400亿，穆拉蒂只用了14个月。
2024年9月，穆拉蒂宣布从OpenAI离职。当时她是CTO，是奥特曼被董事会赶走那几天里的临时CEO。
大约5个月后，Thinking Machines Lab横空出世。
初创名单中，几乎就是一份OpenAI旧部通讯录：联合创始人里有Lilian Weng、John Schulman、Barret Zoph、Luke Metz等一众大佬。
2025年7月，20亿美元种子轮到账。
a16z领投，Accel、英伟达、AMD、Jane Street跟投。当时穆拉蒂手里连一个像样的产品都没有，投资人冲的就是她这个人。
很快，产品交出了答卷。
2025年10月，第一个产品Tinker上线，12月全面开放。
这不是一个模型，是一个微调平台：开发者把自己的数据丢进去，把开放权重模型调成自己的，按算力用量付费。
紧接着，更大的动作来了。
2026年3月10日，Thinking Machines和英伟达官宣多年战略合作：部署至少1GW的Vera Rubin系统，英伟达同时做了一笔金额未披露的重大投资。
黄仁勋（左）与穆拉蒂（右）。2026年3月10日双方官宣1GW级Vera Rubin合作，英伟达同时完成一笔金额未披露的投资。
四个月后，2026年7月15日，他们拿出了第一款自研的王牌模型Inkling：
9750亿总参数，410亿激活，最长100万token上下文，文本、图像、音频全都能进，完整权重开放。
然后就是这轮50亿至60亿美元的融资洽谈。
钱要这么多，是因为上面那份1GW的合作。
1GW是前沿实验室级别的算力。芯片、网络、电力、数据中心，全部按吉瓦级配置，每一项都是天文数字。
从最初传出的10亿美元，到如今的50亿至60亿美元，融资规模翻了五六倍，才撑得起这1GW的野心。
那这笔钱从哪里来？
上一轮，英伟达只是跟投方之一，领投的是a16z。
这一轮，领投方换成Accel，英伟达可能包揽约一半，从跟投变成最大出资方。
于是，那个熟悉的画面再次出现：英伟达既是本轮最大的出资方，也是那1GW系统的供应商。
钱进了Thinking Machines的账户，很大一部分很可能转一圈，又变成英伟达的订单。
投资、采购、收入，在同一家公司身上闭环。
方向已经足够清楚。
英伟达不再满足于给OpenAI、Anthropic这些成名实验室供芯片，它开始用股权提前绑定下一代前沿玩家。
3月那份公告里还有一句容易被忽略的话：双方要联合设计面向英伟达架构的训练和推理系统。
这意味着Thinking Machines未来的模型，从底层就是按Vera Rubin长出来的。
穆拉蒂的路线，不争模型第一
透过穆拉蒂这19个月的布局，你会发现她一直在避开与OpenAI、Anthropic正面比拼谁的模型更强。
甚至干脆在Inkling的发布博客里承认：
Inkling不是当前最强的模型，无论开放还是闭源。
Thinking Machines的商业模式，从Tinker上线那天起就定了，它卖的是「把模型变成你的」这件事。
企业把自己的数据、自己的业务拿来，在它的平台上训练、微调、推理，它按算力用量收钱。
用穆拉蒂自己的话说：要做人们可以塑造、可以据为己有的AI。
这句话把Thinking Machines和OpenAI、Anthropic放到了两条不同的道路上。
后两家在冲最强的通用闭源模型，它把自己放在了下面一层：不争模型第一，做帮所有人定制模型的基础设施。
这不正是老黄多次讲到的AI基建吗？
英伟达讲了两年的AI工厂、AI基建、Token经济，要的就是这种每多一个客户就多烧一份算力的生意。
3月16日GTC 2026主题演讲，黄仁勋称算力需求「涨了100万倍」，2025至2027年营收至少1万亿美元。
理解了这一点，再看英伟达为什么愿意掏钱，逻辑就通了。
叠上Hugging Face，英伟达手里两张牌
这不是英伟达本月唯一的大动作。
9月3日，英伟达官宣以129.303亿美元收购Hugging Face，协议已签署。
把两笔放在一起看：
Hugging Face握着开放模型的分发入口和开发者社区；Thinking Machines握着前沿模型、微调平台和一支研究团队。
一头是入口，一头是模型。英伟达在开放权重这条线上，两头都下了注。
两笔加起来，接近160亿美元，前后只隔几天。
Inkling的完整权重就挂在Hugging Face上，还专门配了面向英伟达Blackwell的NVFP4版本。
开发者从Hugging Face下载Inkling，在Tinker上把它调成自己的，再跑在Vera Rubin上。
入口、模型、微调平台、芯片，每一步都在一个生态里。
这正是英伟达想要的：用资本提前锁定模型公司，也就锁定了它们未来的算力需求。
参考资料：
https://techcrunch.com/tag/thinking-machines-lab/
https://www.theinformation.com/articles/thinking-machines-lab-talks-raise-billions-roughly-40-billion-valuation
https://thinkingmachines.ai/news/introducing-inkling/
https://blogs.nvidia.com/blog/nvidia-thinking-machines-lab/
本文来自微信公众号“新智元”，作者：ASI启示录；编辑：元宇，36氪经授权发布。