在2025年的GTC上，黄仁勋放出了一个猛料，英伟达将投资诺基亚10亿美元。对，就是那个20年前火遍大江南北的塞班手机公司诺基亚。

黄仁勋在演讲中说，电信网络正处于从传统架构向AI原生系统的重大转变中，而英伟达的投资将加速这一进程。于是英伟达就以投资的方式，和诺基亚共同创建一个面向6G网络的AI平台，把AI赋能到传统的RAN网络中。

具体的投资形式是英伟达以每股6.01美元的价格认购诺基亚约1.66亿股新股，这将使英伟达持有诺基亚约2.9%的股权。

就在宣布合作的一刹那，诺基亚股价上涨了21%，是2013年以来的最大涨幅。

01

什么是AI-RAN？

RAN就是无线接入网，而AI-RAN将AI计算能力直接嵌入到无线基站中的新型网络架构。传统的RAN系统主要负责在基站和移动设备之间传输数据，而AI-RAN则在此基础上增加了边缘计算和智能处理功能。

让基站能够应用AI算法来优化频谱利用率和能源效率，改善整体网络性能，同时还能利用闲置的RAN资产托管边缘AI服务，为运营商创造新的收入来源。

运营商可以在基站现场直接运行AI应用，而不必将所有数据传回中心数据中心处理，大大减少了网络的负担。

黄仁勋举了个例子，几乎50%的ChatGPT用户都是通过移动设备进行访问，不仅如此，ChatGPT的月度移动下载量超过了4000万，在AI应用爆炸式增长的年代，传统的RAN系统没办法应对生成式AI以及智能体主导的移动网络。

而AI-RAN通过在边缘提供的分布式AI推理能力，让接下来的AI应用，比如智能体、聊天机器人响应更快。同时，AI-RAN，也是为6G时代的集成传感和通信应用做好准备。

黄仁勋引用了分析师公司Omdia的预测，该公司预计RAN市场到2030年将累计超过2000亿美元，其中AI-RAN部分将成为增长最快的细分领域。

诺基亚总裁兼首席执行官贾斯汀霍塔德在联合声明中表示，这一伙伴关系将把AI数据中心放入每个人的口袋中，实现从5G到6G的根本性重设计。

他特别提到，诺基亚正在和英伟达、戴尔、T-Mobile这三家不同类型的企业合作。T-Mobile作为首批合作伙伴，将从2026年开始进行AI-RAN技术的实地测试，重点验证性能和效率提升。贾斯汀说这项测试将为6G创新提供宝贵数据，帮助运营商构建适应AI需求的智能网络。

基于AI-RAN，英伟达发布的新产品叫做Aerial RAN Computer Pro（ARC-Pro），这是一个为6G准备的加速计算平台。它的核心硬件配置同时包含了英伟达的两种GPU：Grace CPU和Blackwell GPU。

这个平台通过NVIDIA CUDA运行，RAN软件可以直接嵌入到CUDA技术栈中。因此，它不仅能处理传统的无线接入网功能，还能同时运行主流的AI应用。这也是英伟达实现AI-RAN中AI两个字母的核心方法。

鉴于CUDA悠久的历史，这个平台的最大优势其实是可编程性。不止是这样，黄仁勋还宣布将Aerial软件框架开源，预计从2025年12月开始在GitHub上以Apache 2.0许可证发布。

ARC-Pro与其前代产品ARC的主要区别在于部署位置和应用场景。前代ARC主要用于集中式云RAN实现，而ARC-Pro则可以直接部署在基站现场，这使得边缘计算能力得以真正落地。

英伟达电信业务负责人罗尼瓦希塔说，过去RAN和AI需要两套不同的硬件才能实现，但是ARC-Pro可以根据网络需求动态分配计算资源，既可以优先处理无线接入功能，也可以在闲置时段运行AI推理任务。

ARC-Pro还集成了英伟达AI Aerial平台，这是一个完整的软件栈，包括CUDA加速的RAN软件、Aerial Omniverse数字孪生工具和新的Aerial framework。Aerial framework可以将Python代码转换为高性能的CUDA代码，在ARC-Pro平台上运行。此外，平台还支持AI驱动的神经网络模型，用于高级信道估计。

黄仁勋说，电信是经济和安全的数字神经系统。与诺基亚和电信生态系统的合作，将点燃这一革命，帮助运营商构建智能、适应性的网络，定义下一代全球连接。

02

放眼2025年，英伟达真的投了不少钱。

9月22日，英伟达和OpenAI达成合作，英伟达计划逐步向OpenAI投资1000亿美元，这将加速其基础设施建设。

黄仁勋说，其实OpenAI很久前就寻求英伟达的投资，但当时公司资金有限。他幽默地说，当时太穷，其实应该把所有钱都给他们。

黄仁勋认为，AI推理增长不是100倍或1000倍，而是10亿倍。而且这一合作不仅限于硬件，还包括软件优化，确保OpenAI能高效利用英伟达的系统。

这可能是因为他在了解到OpenAI和AMD合作后，担心OpenAI放弃CUDA。一旦全球最大的AI基础大模型不使用CUDA，那么其他大模型厂商效仿OpenAI，也是情理之中的事情。

黄仁勋在BG2播客节目中预测，OpenAI很可能成为下一个万亿美元市值的公司，其增长速度将创下行业纪录。他反驳了AI泡沫论，指出全球每年在AI基础设施上的资本支出将达到5万亿美元。

也正是因为这笔投资，OpenAI在10月29日宣布完成公司资本重组。公司被拆分成了两部分，一部分是非营利基金会，另一部分就是营利性公司。

非营利性质的基金会将在法律上控制营利性的部分，且必须兼顾公共利益。但是依然可以放开手脚去融资或收购公司。基金会将拥有这家营利性公司 26% 的股份，并持有一份认股权证。如果公司继续发展壮大，基金会还能获得额外股份。

除了OpenAI，英伟达在2025年还投资了马斯克的xAI。这家公司当前融资轮次规模提升至200亿美元。其中约75亿美元通过股权募集，至多125亿美元通过特殊目的实体（SPV）的债权募集。

这个特殊目的实体的运作方式是，它将使用募集到的资金购入英伟达的高性能处理器，然后将这些处理器出租给xAI使用。

这些处理器将被用于xAI的Colossus 2项目。Colossus初代是xAI位于田纳西州孟菲斯的超级计算数据中心。Colossus初代项目已经部署了10万个英伟达H100 GPU，使其成为全球最大的AI训练集群之一。现在xAI正在建设的Colossus 2，计划将GPU数量扩展到数十万甚至更多。

9月18日，英伟达还宣布将向英特尔投资50亿美元，并建立深度战略合作关系。英伟达将以每股23.28美元的价格认购英特尔新发行的普通股，总投资额达50亿美元，交易完成后，英伟达将持有英特尔约4%的股份，成为其重要战略投资者。

03

当然，这场GTC上黄仁勋还说了很多。

比如英伟达推出了多个开源AI模型家族，包括用于数字AI的Nemotron、用于物理AI的Cosmos、用于机器人的Isaac GR00T和用于生物医学AI的Clara。

同时，黄仁勋推出了DRIVE AGX Hyperion 10自动驾驶开发平台。这是一个面向4级自动驾驶的平台，集成了英伟达计算芯片和完整的传感器套件，包括激光雷达、摄像头和雷达。

英伟达还推出了Halos认证计划，这是行业首个用于评估和认证物理AI安全性的系统，专门针对自动驾驶车辆和机器人技术。

Halos认证计划的核心是Halos AI系统，这是行业首个获得ANSI认证委员会认可的实验室。而ANSI是美国国家标准协会，其认证具有很高的权威性和公信力。

这个系统的任务是通过英伟达的物理AI，来检测自动驾驶系统是否符合标准。AUMOVIO、Bosch、Nuro和Wayve等公司是Halos AI系统检验实验室的首批成员。

为了推动4级自动驾驶，英伟达发布了一个从25个国家手的多模态自动驾驶数据集，里面包含了1700小时的摄像头、雷达和激光雷达数据。

黄仁勋说这个数据集的价值在于其多样性和规模，它涵盖了不同的道路条件、交通规则和驾驶文化，为训练更加通用的自动驾驶系统提供了基础。

不过黄仁勋的蓝图远不止于此。

他在GTC上宣布了一系列与美国政府实验室和领先企业的合作，目标是构建美国的AI基础设施。黄仁勋说，我们正处于AI工业革命的黎明，这将定义每个行业和国家的未来。

这次合作的重头戏是与美国能源部的合作。英伟达正在帮助能源部建设两个超级计算中心，一个在阿贡国家实验室，另一个在洛斯阿拉莫斯国家实验室。

阿贡实验室将获得一个名为Solstice的超级计算机，这个系统配备了10万个英伟达Blackwell GPU。10万个GPU是什么概念？这将是能源部有史以来最大的AI超级计算机。另外还有一个叫Equinox的系统，配备1万个Blackwell GPU，预计2026年投入使用。这两个系统加起来能提供2200 exaflops的AI计算性能。

阿贡实验室主任保罗科恩斯说，这些系统将重新定义性能、可扩展性和科学潜力。他们要用这些算力来做什么？从材料科学到气候建模，从量子计算到核武器模拟，都需要这种级别的计算能力。

除了政府实验室，英伟达还在弗吉尼亚州建了一个AI工厂研究中心。这个中心的特别之处在于，它不只是一个数据中心，而是一个实验场。英伟达要在这里测试一个叫Omniverse DSX的东西，这是一个用于建设千兆瓦级AI工厂的蓝图。

一个普通数据中心可能只需要几十兆瓦的电力，而千兆瓦相当于一个中等规模核电站的发电量。

这个Omniverse DSX蓝图的核心思想是让AI工厂变成一个自学习系统。AI代理会持续监控电力、冷却和工作负载，自动调整参数来提高效率。比如当电网负荷高的时候，系统可以自动降低功耗，或者切换到储能电池供电。

这种智能化管理对于千兆瓦级的设施来说至关重要，因为电费和冷却成本会是天文数字。

这个愿景很宏大，黄仁勋说他需要三年才能实现。AI-RAN测试要在2026年才能开始，基于DRIVE AGX Hyperion 10的自动驾驶汽车要到了2027年才能上路，能源部的超级计算机也是2027年投入使用。

英伟达手握CUDA这个杀手锏，掌握着AI计算的事实标准。从训练到推理，从数据中心到边缘设备，从自动驾驶到生物医学，英伟达的GPU无处不在。这次GTC上宣布的这些投资和合作，进一步巩固了这个地位。