灼见

8月17日，英偉達宣佈與SB Energy達成戰略合作，爲俄亥俄州PORTS-Pike科技園區提供信用擔保，將其建設爲專屬英偉達AI計算基礎設施的超大規模數據中心，OpenAI將作爲唯一租戶。與此同時，英偉達向SB Energy投資15億美元。
英偉達此次直接切入土地、電力與廠房（LPS）這一底層基礎設施環節，其意義遠超一般的數據中心投資。核心變化在於，英偉達正以其自身信用爲AI基礎設施融資提供「背書」，以此換取長期且獨佔的算力部署空間。這標誌着芯片巨頭正從單純的AI硬件供應商，向「AI工廠」基礎設施的核心參與者和組織者延伸。
項目初始部署容量爲4.25 IT-GW，英偉達擁有進一步擴展3.75 IT-GW的選擇權，園區總規劃容量達到8 IT-GW。英偉達披露，每一代部署於PORTS-Pike的AI工廠系統約包含150萬塊GPU，對應約1500億至2000億美元的英偉達營收機會。
英偉達將AI工廠稱爲「智能時代的決定性基礎設施」，並把LPS視爲繼芯片、封裝、內存和網絡之後的下一類戰略資源。其邏輯與傳統供應鏈管理類似：在客戶需求具有較高可見度時，提前鎖定關鍵投入要素。
PORTS-Pike將獨家部署英偉達全棧DSX AI工廠平台，覆蓋GPU、CPU、網絡及基礎設施軟件。對於英偉達而言，園區一旦鎖定，底層土地、電力和建築等長期資產即可支撐多代GPU持續升級，而不是隨着單一代芯片生命週期結束而失去價值。
換句話說，英偉達正在嘗試把AI基礎設施從一次性的「建機房、買GPU」，變成可以隨着GPU代際更新持續滾動的長期資產。

OpenAI需求成爲項目支點。此次合作背後，是前沿AI公司的算力需求正在快速突破傳統資產負債表的承載能力。英偉達明確指出，部分前沿AI實驗室的計算需求增速已經超過其自身資產負債表和長期信用狀況能夠支撐的範圍，因而難以獨立完成大規模基礎設施融資。
PORTS-Pike協議實際上提供了一種新的融資模式：由英偉達利用自身規模、信用和長期需求可見性，爲基礎設施融資提供部分信用支持，再由OpenAI通過長期租賃鎖定算力容量。
在算力規模上，OpenAI目前已承諾到2030年前部署約12吉瓦（GW）的英偉達算力。根據英偉達披露，如果PORTS-Pike安排在首期4.25 GW之外進一步擴展，OpenAI的相關部署規模有望提升至約16 GW。
英偉達預計，在這一規模下，相關算力機會到2030年將對應約6000億美元的英偉達計算業務收入。換言之，PORTS-Pike並非單純的基礎設施融資安排，而是英偉達圍繞核心客戶需求，將算力採購、基礎設施建設和融資能力進一步綁定起來。
這也解釋了英偉達爲何願意介入此前並非自身核心業務的基礎設施融資：只要客戶需求足夠確定，鎖定LPS就等於提前鎖定未來多代GPU的部署空間。

答案是，可以，而且效果相當明顯。只用一種語言訓練，模型在很多其他語言上也會一起變強。

比如在法語測試上，直接用法語訓練，成績平均提升 25.6 個百分點；完全不用法語訓練，只拿西班牙語的題來練，最後考法語也能提升 24.6 個百分點，只差 1 個百分點。

模型學到的不只是某一種語言裡的題，還有一部分可以換語言繼續用的解題方法。所以以後想把模型的中文推理練強，未必所有強化學習數據都得重新做成中文。

但訓練語言也不能隨便換，特定語言確實可能觸發特定能力退化。同樣一套強化學習，換一種訓練語言，有些模型在其他語言和任務上反而會明顯退步。最誇張的一組實驗裡，Qwen3-4B 用斯瓦希里語訓練後，一組訓練時沒見過的英語測試比原模型掉了 19.2 個百分點；多語言一起訓練時，這項測試反而提升了 4.5 個百分點。

這篇論文驗證的主要還是數學、邏輯、圖、幾何等答案可以自動判斷對錯的推理題。這些題換一種語言後，底層解法往往沒有變。對於閱讀理解、隱喻、語義判斷、文化知識這些真正依賴語言本身的任務，論文沒有驗證。
前 Google DeepMind 資深研究科學家、Unreasonable Labs 聯合創始人兼 CEO 曹原認為，AI for Science 正進入爆發期。但 AI 要真正獨立做出諾貝爾獎級別的科學發現，至少還需要二三十年。曹原此前參與過 Gemini 等項目，現在創業方向也是讓 AI 發現新知識。

他認為，眼下最大的瓶頸是驗證。寫程式碼可以馬上運行測試，數學還能用 Lean 逐步檢查證明。但生物、材料和物理最終都要做真實實驗。一次實驗可能很貴，也可能要等很久，AI 很難像 Coding Agent 一樣連續快速試錯。

更難的是「創造新概念」。曹原認為，現在的模型很會在已有知識、定義和定理裡搜索答案，但還不會像頂尖科學家一樣，抽象出新的數學對象、定義和理論。他把這種「概念抽象」稱為 AGI 的「最後一英里」。