在人工智能這個高風險競技場中，運算能力至高無上，Nvidia 憑藉其圖形處理器 (GPUs) 成為無可爭議的王者，這些 GPUs 是當前大部分 AI 革命賴以建立的基石。然而，科技走廊傳出的風聲暗示，這家半導體巨頭可能正著眼於核心晶片業務之外的策略擴張。報導指出，Nvidia 正在深入洽談，可能收購 Lepton AI，這是一家在日益重要的 AI 伺服器租賃市場營運的新創公司。此舉若能成真，可能標誌著 Nvidia 策略的重大演進，將其推向價值鏈的更高端，並可能改變 AI 基礎設施存取的動態。
根據 The Information 引述的消息來源，這筆潛在交易的估值可能達到數億美元，而其核心是一家成立僅兩年的公司。Lepton AI 已經開闢了一個特定的利基市場：它租賃裝滿 Nvidia 令人垂涎的 AI 晶片的伺服器，主要從大型雲端供應商處獲取這些容量，然後將這些運算能力轉租給其他公司，通常是規模較小的參與者或那些需要彈性存取而不想與雲端巨頭簽訂長期合約的公司。這種商業模式將 Lepton AI 定位為一個中介者，一個在供應 AI 開發和部署所需原始處理能力的複雜生態系統中的促進者。
解讀 Lepton AI：GPU 淘金熱中的中間人
僅在兩年前成立的 Lepton AI，代表了圍繞 AI 基礎設施熱潮的創業熱情。其核心價值主張圍繞著可及性和彈性。雖然像 Amazon Web Services (AWS)、Microsoft Azure 和 Google Cloud Platform (GCP) 這樣的超大規模雲端供應商提供對 Nvidia GPU 實例的直接存取，但瀏覽他們的產品、確保容量以及管理基礎設施可能既複雜又昂貴，特別是對於新創公司或需求波動的團隊而言。
Lepton AI 填補了這個缺口。透過匯集伺服器容量——基本上是從雲端供應商批發購買——然後以可能更具彈性的條款或針對 AI 工作負載量身定制的增值服務提供，它旨在簡化對高效能運算的存取。這種模式得益於 Nvidia 先進 GPU（如 H100 及其前代產品）持續的稀缺性和壓倒性的需求。無法直接從 Nvidia 獲得配額或在雲端供應商處面臨長長等候名單的公司，可能會轉向像 Lepton AI 這樣的中介機構，以尋求更快或更量身定制的存取。
該新創公司在 2023 年 5 月獲得了由 CRV 和 Fusion Fund 領投的 1100 萬美元種子輪融資。這筆初始資本注入可能推動了其建立平台、與雲端供應商建立關係以及獲取初始客戶群的努力。在這個領域營運需要大量資本，不僅用於營運費用，還可能需要預先承諾伺服器租賃，以確保為其自身客戶提供容量。因此，報導中的收購價格暗示，要麼是 Lepton AI 在其短暫的存在中實現了快速增長和有前景的市場牽引力，要麼，或許更重要的是，Nvidia 對於控制或影響其自身硬體的下游存取權賦予了巨大的策略價值。
Lepton AI 本質上扮演著專業經銷商和服務層的角色，抽象化了直接與大型雲端基礎設施打交道的部分複雜性。其目標客戶可能包括：
- AI 新創公司： 需要強大運算能力進行模型訓練或推論，但缺乏大型雲端合約所需規模或資源的公司。
- 研究實驗室： 學術或企業研究團體，需要高效能運算的爆發性資源來進行實驗。
- 企業： 探索特定 AI 專案、需要在其現有雲端安排之外補充容量的大型公司。
這種模式的可行性取決於 Lepton AI 是否能夠可靠且具成本效益地獲取 GPU 容量，有效地管理其基礎設施，並提供與直接向源頭購買相比具有吸引力的定價或服務。在一個由巨頭主導的市場中，這是一個微妙的平衡。
Nvidia 的策略盤算：超越晶片
為何 Nvidia 這家憑藉設計和銷售業界最受追捧的 AI 晶片而取得驚人成功的公司，會冒險進入伺服器租賃業務，實際上是間接地與其自身最大的客戶——雲端服務供應商——競爭？潛在的動機是多方面的，並充分說明了 AI 不斷變化的格局。
1. 垂直整合與價值獲取： AI 價值鏈從晶片設計和製造，延伸到伺服器整合、資料中心營運、雲端平台，最終到 AI 應用本身。目前，Nvidia 在晶片層級獲取了巨大的價值。然而，在基礎設施即服務 (IaaS) 層，公司為獲取 GPU 加速運算支付溢價，這裡也產生了顯著的價值。透過收購像 Lepton AI 這樣的參與者，Nvidia 可能有潛力在 AI 基礎設施的總體支出中佔據更大份額，從組件銷售轉向服務提供。
2. 市場情報與直接客戶回饋： 營運租賃服務，即使保持一定距離，也能為 Nvidia 提供寶貴的即時洞察，了解其 GPU 如何被使用、哪些工作負載最常見、哪些軟體堆疊受歡迎，以及客戶面臨哪些瓶頸。這種直接的回饋迴路可以比僅僅依賴透過大型雲端合作夥伴過濾的回饋，更有效地為未來的晶片設計、軟體開發（如其 CUDA 平台）和整體市場策略提供資訊。
3. 形塑市場與確保存取： 雖然超大規模業者是重要的合作夥伴，但 Nvidia 可能希望對其技術如何觸及更廣泛的市場，特別是小型創新者，擁有更直接的影響力。租賃部門可以作為一個渠道，確保特定的客戶群或策略性計劃能夠保證獲得最新的 Nvidia 硬體，從而可能促進創新，最終推動對其晶片的更多需求。它也可以作為在透過主要雲端合作夥伴廣泛發布之前，測試新硬體或軟體產品的試驗場。
4. 競爭動態： 此舉也可能被解讀為防禦性的。隨著競爭對手（如 AMD 和 Intel）努力在 AI 晶片市場取得進展，以及超大規模業者開發自己的客製化 AI 晶片，Nvidia 可能將擁有直接面向終端用戶的渠道視為鞏固其生態系統主導地位和客戶忠誠度的一種方式。它提供了一個平台來展示 Nvidia 完整堆疊（硬體加軟體）的性能和易用性。
5. 探索新商業模式： 對 AI 運算能力的持續需求可能促使 Nvidia 探索硬體銷售之外的經常性收入模式。雖然服務收入最初相對於晶片銷售可能仍然很小，但它代表了一種多元化策略，並進入了一個正在經歷爆炸性增長的細分市場。
然而，進入伺服器租賃市場並非沒有風險。它使 Nvidia 與其最大的客戶——雲端供應商——處於潛在的「競合」關係，這些供應商購買價值數十億美元的 Nvidia GPU。Nvidia 需要謹慎處理這些關係，以避免疏遠這些關鍵合作夥伴。此外，營運服務業務需要與設計和銷售硬體不同的營運能力——專注於正常運行時間、客戶支援和基礎設施管理。
蓬勃發展的 AI 算力租賃市場
Nvidia 對 Lepton AI 潛在興趣的背景是 AI 運算資源前所未有的淘金熱。訓練像驅動 ChatGPT 的大型語言模型 (LLMs) 或在藥物發現、自動駕駛和金融建模等領域開發複雜的 AI 應用，都需要巨大的處理能力，而這主要由 GPU 提供。
推動租賃市場的關鍵因素包括：
- 高昂的硬體成本： 直接購買尖端的 AI 伺服器代表著巨大的資本支出，通常超出了新創公司甚至許多老牌企業的能力範圍。Nvidia 的頂級 GPU，如 H100，每個可能花費數萬美元，而一台配備齊全的伺服器可能高達數十萬美元。
- 硬體稀缺： 對 Nvidia 先進 GPU 的需求持續超過供應。即使是大型雲端供應商也面臨確保足夠庫存的挑戰，導致等候名單和容量限制。這種稀缺性為那些設法獲得配額的中介機構創造了機會。
- 對彈性和可擴展性的需求： AI 開發通常涉及不可預測的運算需求。團隊可能需要大量資源進行持續數週的訓練，隨後是較低利用率的時期。租賃模式提供了根據需要擴展或縮減資源的彈性，將資本支出轉化為營運支出。
- 快速的技術過時： AI 硬體的創新步伐驚人。租賃讓公司能夠使用最新技術，而無需承擔擁有快速貶值資產的風險。
像 Lepton AI 及其規模更大、稍早成立的競爭對手 Together AI 這樣的新創公司應運而生，以利用這些動態。Together AI 已籌集超過 5 億美元的風險投資，其營運前提類似，但規模可能更大，這突顯了投資者對 GPU 租賃和專業 AI 雲端模式的信心。這些公司透過專注於 AI/ML 工作負載，可能提供優化的軟體堆疊、專業支援或針對某些使用案例的更可預測的定價結構，從而與超大規模業者區分開來。它們代表了更廣泛的雲端基礎設施市場中日益增長的專業化層次。
駕馭競爭舞台：新創公司 vs. 巨頭
AI 運算租賃的競爭格局十分複雜，既有老牌巨頭，也有靈活的新創公司。
- 超大規模業者 (AWS, Azure, GCP)： 這些是主導者，提供包括 GPU 實例在內的廣泛服務。它們受益於規模經濟、全球覆蓋和整合的生態系統。它們也是 Nvidia 最大的客戶。然而，它們的規模有時可能轉化為複雜性、對小型客戶的個人化支援較少，以及在需求高峰期對有限 GPU 容量的激烈競爭。
- 專業 AI 雲端供應商 (例如 CoreWeave, Lambda Labs)： 這些公司專門為 AI/ML 提供高效能運算，通常擁有大型 GPU 機群和針對這些工作負載量身定制的專業知識。它們直接與超大規模業者和小型租賃新創公司競爭。
- 租賃新創公司 (例如 Lepton AI, Together AI)： 這些參與者通常專注於特定的利基市場、彈性或易用性。它們的模式通常涉及從超大規模業者或專業供應商那裡租賃容量並轉售，增加一層管理、優化或特定工具。它們的存在突顯了市場的低效率以及對量身定制存取權的未滿足需求。
收購 Lepton AI 將使 Nvidia 直接進入這個競爭激烈的領域，儘管可能從小規模開始。在某種意義上，它將與其他專業供應商競爭，並間接與超大規模業者自己的 GPU 租賃產品競爭。關鍵問題是 Nvidia 將如何定位這樣一項服務。它會瞄準大眾市場，還是專注於策略性利基市場，例如支持其自身 Inception 計劃內的 AI 新創公司或促進研究計劃？
與超大規模業者的關係將至關重要。Nvidia 可能會將收購的 Lepton AI 定位為補充服務，針對那些巨頭服務不足的細分市場，或提供基於 Nvidia 自身堆疊（CUDA, cuDNN, TensorRT 等）的獨特軟體優化。它甚至可以被描述為一種間接推動更多雲端消費的方式，透過使小型參與者能夠擴展到最終將更大工作負載遷移到 AWS、Azure 或 GCP 的程度。儘管如此，渠道衝突的可能性是真實存在的，需要謹慎管理。
交易傳聞與估值信號
報導中 Lepton AI 的估值為「數億美元」值得注意。對於一家成立僅兩年、僅披露了 1100 萬美元種子輪融資的公司來說，這代表著顯著的溢價。幾個因素可能促成了這個潛在的價格標籤：
- 策略溢價： Nvidia 可能願意支付溢價，不僅是為了 Lepton AI 當前的業務，更是為了進入租賃市場、獲取市場情報以及確保直接接觸用戶的策略優勢。
- 團隊與技術： 此次收購可能部分是「人才收購 (acqui-hire)」，看重 Lepton AI 團隊在管理 GPU 基礎設施和服務 AI 客戶方面的專業知識。他們也可能擁有被認為有價值的專有軟體或營運效率。
- 市場驗證： 競爭對手 Together AI 的成功和高估值可能提供了一個基準，表明巨大的市場潛力，並為 Lepton AI 即使在早期階段也證明了更高的價格是合理的。
- 對硬體存取權的控制： 在 GPU 極度稀缺的環境下，任何已確保獲得 Nvidia 硬體存取權的實體——即使是透過租賃——都具有重要價值。Nvidia 可能部分是為了控制或重新導向該容量而付費。
如果交易以如此高的估值進行，它發出了一個強烈的信號，表明 AI 基礎設施服務層內部蘊藏著巨大的價值，超越了硬體本身。這表明在當前的市場環境下，促進存取和有效管理 GPU 資源是一個極具價值的提議。
遍及生態系統的漣漪：雲端供應商及其他
Nvidia 收購 Lepton AI，即使定位謹慎，也將不可避免地在技術生態系統中引發漣漪。
- 雲端服務供應商： AWS、Azure 和 GCP 將密切關注。雖然 Lepton AI 目前是它們的客戶（向它們租賃伺服器），但一個由 Nvidia 擁有的 Lepton 可能會成為更直接的競爭對手，特別是如果 Nvidia 大力投資擴展其營運。這可能會促使雲端供應商重新評估自己的 GPU 產品、定價策略以及與 Nvidia 的合作夥伴關係。它們可能會加速開發自己的客製化 AI 加速器，以減少對 Nvidia 的依賴。
- 其他硬體製造商： 像 AMD 和 Intel 這樣試圖挑戰 Nvidia 主導地位的競爭對手，可能會將此視為 Nvidia 試圖透過不僅控制硬體，還控制存取平台來進一步鎖定其生態系統。這可能會增加它們建立自己的軟體堆疊和培育替代基礎設施平台的緊迫性。
- 其他基礎設施新創公司： 對於像 Together AI、CoreWeave 或 Lambda Labs 這樣的公司來說，一個由 Nvidia 支持的競爭對手改變了格局。一方面，它驗證了它們的市場；另一方面，它引入了一個潛在的強大對手，擁有雄厚的財力和對核心技術無與倫比的影響力。
- 終端用戶： 對於尋求 GPU 資源的 AI 開發者和公司來說，如果此舉能帶來更多選擇、可能更優化的服務或更容易的存取（特別是對於小型參與者），那可能是積極的。然而，如果 Nvidia 不公平地利用其地位，也可能引發對市場集中的擔憂。
總體影響可能是加速 AI 堆疊內的垂直整合趨勢，因為主要參與者尋求控制從晶片設計到雲端服務和軟體平台的更多環節。
收購模式？串聯線索
Nvidia 對 Lepton AI 的潛在舉動並非孤立事件。緊隨其後的是有關 Nvidia 最近也收購了 Gretel AI 的報導，這是一家專門生成合成數據的新創公司。合成數據對於訓練 AI 模型至關重要，特別是在真實世界數據稀缺、敏感或存在偏見的情況下。
將這兩項潛在的收購放在一起，暗示了 Nvidia 更廣泛的策略方向：
- Gretel (數據)： 解決 AI 模型開發的輸入端問題——提供訓練所需的高品質數據。
- Lepton AI (運算)： 解決處理端問題——提供模型訓練和運行的基礎設施。
這種組合可能表明 Nvidia 渴望提供一個更整合的平台或工具集，以支持整個 AI 開發生命週期。透過控制數據生成/管理和運算基礎設施存取的關鍵要素，Nvidia 可以顯著加強其生態系統，使其對 AI 開發者而言更加不可或缺。這暗示著未來 Nvidia 不僅提供 AI 淘金熱的「鎬和鏟」(GPUs)，還可能提供一些「礦權」(租賃運算) 和「鑑定服務」(數據工具)。
這一策略與 Nvidia 在其軟體堆疊（CUDA、函式庫、框架）上的大量投資相一致，這些投資旨在使其硬體不可或缺。增加與數據和運算存取相關的服務將是這種平台策略的邏輯延伸。
AI 運算存取方式的演變格局
組織獲取人工智能所需運算能力的方式處於不斷變化的狀態。Nvidia 潛在收購 Lepton AI 符合塑造這一格局的幾個更廣泛的趨勢。
最初，存取主要是透過購買和管理本地硬體。雲端運算的興起將範式轉向 IaaS，超大規模業者按需提供 GPU 實例。現在，我們看到進一步的專業化和多樣化：
- 專業 AI 雲端： 為 AI/ML 工作負載提供優化的環境。
- 租賃中介機構： 提供彈性存取，通常利用來自較大供應商的容量。
- 無伺服器 GPUs (Serverless GPUs)： 旨在完全抽象化伺服器管理的平台，允許用戶純粹按計算或按推論付費。
- 邊緣運算 (Edge Computing)： 使用更小、更節能的硬體，將 AI 推論能力部署到更靠近數據生成的地方。
Nvidia 透過 Lepton AI 潛在進入租賃市場，標誌著其認識到需要多樣化的存取模式。雖然超大規模業者將在大型、整合的雲端需求方面保持主導地位，但對於更專業、更靈活或以開發者為中心的運算產品，顯然存在市場。Nvidia 似乎準備確保其在這個不斷發展的生態系統中佔有一席之地，防止其角色僅僅局限於組件供應商，無論該組件多麼關鍵。
此舉若能實現，突顯了 Nvidia 決心保持在 AI 革命的中心地位，不僅透過提供基礎硬體，而且透過積極塑造該硬體在整個行業中被存取和利用的方式。它代表了一種經過計算的賭注，押注於對彈性、可及的 AI 運算能力的持久需求，以及 Nvidia 在 AI 基礎設施市場更廣泛範圍內獲取價值的雄心。未來幾個月將揭示這些談判是否會固化為一筆交易，以及 Nvidia 打算如何將這樣一項服務整合到其龐大的技術帝國中。