Mira Murati离开OpenAI后首个大动作：Thinking Machines Lab牵手NVIDIA，1GW算力押注下一代模型你有没有发现，最近AI圈的新闻越来越“工业化”了？过去我们聊的是“哪个模型参数更多、更聪明”，现在直接跳到“谁能烧得起1GW电、拿得到卡、养得起团队”。2026年3月10日，前OpenAI CTO Mira Murati创办的Thinking Machines Lab（以下简称TML）宣布与NVIDIA达成多年轻战略合作：至少部署1GW（吉瓦）下一代Vera Rubin系统，部署时间瞄准2027年初。同时NVIDIA还对TML进行了“重大投资”。这条消息一出，整个行业都震动了。这不是一次普通的融资或合作，而是一个明确信号——下一代前沿模型的竞争，已经从“拼模型参数”升级为“拼算力基础设施、人才密度与产品落地能力”的系统性战争。

今天这篇文章，我们就把这条新闻从“明星创业八卦”翻译成普通AI用户和开发者能看懂的真实意义。看完你会明白：巨头在拼万卡集群，我们普通人该怎么借这波势能快速行动。

##为什么这条新闻值得所有AI用户长期关注？

先把人物和事件说清楚。Mira Murati，阿尔巴尼亚裔工程师，2018年加入OpenAI，先后担任应用AI与合作副总裁、研究产品与合作高级副总裁，2022年升任CTO。她主导过ChatGPT、DALL·E、Sora等划时代产品的落地，2023年11月Sam Altman被短暂罢免时，她还短暂担任过临时CEO。2024年9月25日，她正式离开OpenAI。不到半年，2025年初她就联合多位OpenAI旧部创办了Thinking Machines Lab。2025年7月，TML完成一轮由a16z领投的20亿美元种子轮，估值120亿美元——这是AI创业历史上最疯狂的种子轮之一。投资方里甚至包括NVIDIA本身。2026年3月的这次合作，是TML成立一年多来的首个“王炸”。Murati在公告中说：“NVIDIA的技术是整个领域的基础，这次合作将加速我们构建‘人们可以塑造、属于自己的AI’的能力。”NVIDIA CEO Jensen Huang的回应更直接：“AI是人类历史上最强大的知识发现工具，Thinking Machines集结了世界级团队，我们很高兴一起实现他们的愿景。”这意味着什么？OpenAI、Anthropic、xAI、Google DeepMind之外，又多了一个值得长期追踪的前沿玩家。Murati带走的不仅是经验，还有对“可定制、协作式AI”的独特理解。TML不是要再做一个ChatGPT，而是想做“下一代AI产品形态”的基础设施。对普通用户来说，这条新闻的意义在于：AI竞赛正式进入超大规模工业化阶段。过去拼算法，现在拼的是电、卡、团队和落地闭环。

##1GW算力到底有多夸张？把抽象新闻翻译成人话1GW是什么概念？简单说，它相当于同时点亮75万户美国家庭一整年的用电量。NVIDIA CEO Jensen Huang此前公开表示，建设1GW AI数据中心总成本可能高达500-600亿美元，其中NVIDIA硬件部分就占350亿左右。对比一下行业现状：- xAI的Colossus集群已接近2GW规模，Musk称附近三个数据中心年耗电量是西雅图市的2倍。- OpenAI计划中的数据中心总功率超过30GW，相当于整个新英格兰地区的最大用电需求。- Meta和Amazon各自在建的单体AI数据中心也已突破2GW。过去大家讨论“哪个模型更聪明”，现在头部公司讨论的是“谁能长期稳定烧得起电、拿得到卡、训得起模型、养得起团队”。用生活类比：如果你把训练一个前沿模型比作造一艘航母，那以前是“谁的设计图更好”，现在是“谁能先造好船坞、拉来足够钢材、建好发电厂”。1GW不是“多买几张GPU扩容”，而是直接建“AI时代的能源+计算联合体”。Vera Rubin是NVIDIA下一代架构，部署从2027年初开始。这意味着TML在算力上一次性跃升到行业最顶尖梯队。普通开发者可能觉得遥远，但这直接决定了未来模型的能力上限、推理成本和可得性。

Thinking Machines Lab在赌什么？不止更大模型，而是下一代AI产品形态Murati离开OpenAI的核心原因，外界猜测是她对“AGI安全”和“产品化路径”的看法与公司主流不完全一致。她反复强调的关键词是：understandable（可理解）、customizable（可定制）、collaborative（协作）。TML的愿景不是再造一个通用聊天机器人，而是面向企业和科研机构的“可塑AI平台”——用户能根据自身需求微调、组合、甚至共同迭代模型，而非只能调用黑箱API。这次1GW合作，正是为这个愿景铺路：- 用海量算力训练前沿基础模型；-联合NVIDIA共同设计训练和推理系统；-最终把“前沿AI+开源模型”更广泛地推向企业、研究机构和科学社区。NVIDIA为什么愿意深度绑定？不止卖卡，更是在押注未来“超级客户”和生态入口。Murati的团队既有OpenAI顶尖工程经验，又有产品化基因，一旦TML的产品形态跑通，NVIDIA的硬件将直接嵌入下一代AI工作流。真正值钱的从来不是训练出更大模型，而是把模型变成可持续的产品与平台。这正是Murati在赌的差异化赛道。

这对OpenAI、NVIDIA和中国AI用户意味着什么？

先看行业格局。OpenAI正面临持续人才外流，Murati的出走只是其中一例。但TML的快速崛起和NVIDIA的背书，说明算力+人才的流动正在重塑竞争版图。xAI靠Musk的资源快速堆Colossus，Anthropic靠Amazon和Google的云支持，Google DeepMind有自家TPU，现在TML直接拿到了NVIDIA的“VIP通道”。NVIDIA的角色也越来越像“AI时代的基础设施运营商”。它不只卖硬件，还通过投资和联合设计深度绑定头部玩家，相当于把“卖铲子的”变成了“建矿场的合伙人”。对中国AI用户和开发者来说，这是个双刃剑：-坏消息：算力门槛进一步抬高，海外前沿模型的训练成本可能继续推高API定价。-好消息：巨头拼基础设施，最终红利会通过API和开源模型下沉。上下文长度越来越长、推理速度越来越快、多模态能力越来越强，普通团队反而能用更低的成本调用更强能力。数据显示，2025-2026年主流模型API调用成本整体呈下降趋势（尤其是国产模型）。中国开发者最关心的“接入、结算、稳定性”问题，也正通过本土化平台快速解决。普通用户和创业者不需要参与千亿级训练竞赛，但必须抓住模型调用、应用层创新、垂直场景落地的机会。

##比“谁更强”更重要的是，普通开发者现在该怎么行动看完巨头豪赌，很多人会问：这和我有什么关系？答案很简单：前沿模型的能力天花板被不断推高，但真正决定你产品成败的，是你能不能低门槛、快速、稳定地调用这些能力。与其焦虑1GW，不如先把手边能用的模型和接口跑起来。最现实的路径是：1.注册一个支持多模型的API平台，快速测试不同家模型的表现；2. 用Prompt技巧+Agent工作流验证产品想法；3.优先在垂直场景（如AI客服、知识库问答、自动化工作流、AI写作、AI搜索）落地MVP。这里给你一个最简单的入门示例，让你立刻感受到“大模型战争离自己并不远”：

``pythonimport requestsurl = "https://api.884819.xyz/v1/chat/completions"


headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}

data = {
"model": "Gemini3.1 Pro", #或者使用免费的Deepseek R1 "messages": [
{"role": "system", "content": "你是一名科技新闻分析师，用通俗语言解释复杂技术"},
{"role": "user", "content": "用生活类比帮我解释1GW算力对AI创业的意义"}
],
"temperature":0.7}

resp = requests.post(url, headers=headers, json=data)
print(resp.json()["choices"][0]["message"]["content"])

把YOUR_API_KEY`换成你在平台获取的密钥，几秒钟就能跑通。上游公司在拼1GW，下游开发者依然可以通过API直接享受模型进步。行动建议：-今天就去注册一个支持Claude系列、Gemini系列和国产免费模型的平台，先用免费额度跑几个实验。-选一个你熟悉的业务场景，试着用Agent把重复工作自动化。-记录每次调用后的效果，迭代Prompt，形成自己的“模型使用方法论”。巨头拼的是天花板，我们拼的是把天花板变成地板的速度。

---

看完这篇，你是不是也觉得AI竞赛的“下一章”已经翻开？下一篇我们将做“前沿模型新势力观察”系列第二篇：对比Mira Murati、Ilya Sutskever、Elon Musk三种完全不同的AI创业路线，看看谁更可能定义下一代模型的产品形态。想知道谁会笑到最后？别错过。即日起新注册用户系统自动送50万token，想要更多可以通过工单联系客服申请，再手动赠送200万token。如果你想低门槛体验主流大模型接口、测试文本生成/多模态/Agent能力，推荐从 api.884819.xyz 开始——注册仅需用户名+密码，国产模型完全免费，按量付费，没有月租。本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#AI新闻 #算力竞赛 #MiraMurati #ThinkingMachinesLab #NVIDIA #AI基础设施 #1GW算力 #AI创业 #8848AI #Prompt实战