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。

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。

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。

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。

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